一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明:基于卷积神经网络和长短期记忆神经网络的航空发动机剩余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和非对称指标上均优于此前提出的方法。

机场柔性跑道剩余使用寿命预估方法改进

提高机场柔性跑道的剩余使用寿命预估精度,对于机场道面安全性和维护大修决策具有重要意义。基于FAA最近研究得出的机场柔性道面CBR等式,对机场柔性跑道剩余使用寿命计算方法进行了改进,给出了计算模型和计算步骤。然后针对包括A380在内的机型组合,进行了柔性跑道剩余寿命年限的示例计算。同时与没有改进的计算结果进行了比较。