文献类型：期刊文章

作　　者：王秀娜[1] 鲁守银[1,2] 任飞[1]

Wang Xiuna;Lu Shouyin;Ren Fei(School of Information and Electrical Engineering,Shandong Jianzhu University,Jinan,Shandong 250101,China;Institute of Robotics and Intelligent Systems,Shandong Jianzhu University)

机构地区：[1]山东建筑大学信息与电气工程学院,山东济南250101 [2]山东建筑大学机器人技术与智能系统研究院

出　　处：《计算机时代》

基　　金：山东省重点研发计划(重大科技创新工程)项目(2019JZZY010435)。

年　　份：2022

期　　号：10

起止页码：103-107

语　　种：中文

收录情况：JST、普通刊

摘　　要：航空发动机作为一种极其精密的设备,其内部传感器的运行状态决定了发动机能否稳定运行。因此,利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题,提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取,然后添加滚动平均值和滚动标准差以增强数据特征,最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证,结果表明,该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。

关 键 词：航空发动机 故障预测 随机森林  时间卷积网络  

分 类 号：TP206.3]