多源传感器数据下基于注意力机制与长短期记忆网络的轴承故障诊断与寿命预测

针对滚动轴承故障在噪声环境下诊断效果不佳的问题,提出了一种多源传感器数据下基于注意力机制与长短期记忆(long short-term memory,LSTM)网络的轴承故障诊断新方法。首先,将多源传感器采集的1维数据进行归一化处理,通过构建带AdaBN(Adaptive Batch Normalization)技术的双通道孪生卷积网络提取有效特征并进行数据融合。其次,将融合数据输入具有同时考虑通道间关系和位置信息功能的改进1维CoordAtt(Coordinate Attention)中。再次,通过LSTM层提取时间特征,通过标签平滑正则化改进后的损失函数来评估诊断效果,使用新型优化器Adan进行优化。最后,将得到的诊断模型应用于测试集,输出故障类别诊断结果。将模型在不同测试集比例下进行诊断精度对比实验,判断出最佳比例为0.3,并在噪声环境下进行测试。实验结果表明,所提方法能更好地对抗噪声环境的影响。在C-MAPSS数据集上的实验结果验证了CoordAtt-LSTM模型在寿命预测中的有效性。

多源光学遥感数据估算桉树森林生物量

为了克服单个传感器影像在估算森林生物量方面的局限性,采用多传感器遥感影像估算森林生物量成为目前的发展趋势。该研究根据光学遥感数据源比较多的特点,采用Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据估算东莞市桉树森林生物量,在对比分析单个传感器估算生物量能力的基础上,将3种传感器结合在一起估算东莞市桉树生物量,充分发挥不同光学传感器在光谱分辨率、辐射分辨率、空间分辨率和时间分辨率等方面的优点,避开各自的缺点,提高了估算桉树生物量的精度,其决定系数达到0.65。该研究可为进一步研究大范围的森林生物量估算提供参考。

基于数据融合与GRU的航空发动机剩余寿命预测

针对深度学习构造复合健康指标可解释性差,预测结果难以量化发动机剩余寿命预测中的不确定性问题,提出一种基于数据融合与门控循环单元(GRU)的航空发动机剩余寿命预测方法。首先,将多源传感器数据加权融合构造一维复合健康指标;然后,利用Bootstrap方法对一维复合健康指标进行有放回抽样,获取n组发动机退化特征样本;最后,利用一维复合健康指标和n组发动机退化特征样本构建“n+1”个基于GRU的剩余寿命预测模型,实现对航空发动机剩余寿命的区间预测。为证明所提方法的可行性和优越性,采用涡扇发动机退化数据集(C-MAPSS)的数据进行实验,得到的均方根误差为15.8254,评分函数值为344.2105。结果表明,该方法不仅能获得较好的预测效果,还能有效解决深度学习在发动机剩余寿命预测中存在的缺陷。