基于RF-DGRU-SA的涡扇发动机剩余寿命预测

来源：机床与液压杂志2023年第1期北京时间：

作者：马鸣风，王力

单位：中国民航大学电子信息与自动化学院；中国民航大学职业技术学院

摘要：针对涡扇发动机在退化过程中机制复杂、状态检测数据维数过高等问题，提出一种随机森林（RF）和基于自注意力机制（SA）深度门控循环单元（DGRU）相融合的涡扇发动机剩余使用寿命（RUL）预测方法。利用RF算法确定重要度阈值实现特征筛选。将筛选出的特征输入DGRU-SA模块，通过多层GRU神经网络挖掘出相关特征与目标值之间的隐藏信息，利用SA神经网络为隐藏信息添加不同大小的权重。最后，利用全连接层输出预测结果，采用CMAPSS数据集进行实验验证。结果证明：与传统的多层感知机、卷积神经网络、长短时记忆等方法相比，所提出的融合模型误差更小，具有良好的预测精度和稳定性。

关键词：涡扇发动机;剩余使用寿命;随机森林;深度门控循环单元;自注意力机制

基金资助：国家自然科学基金委员会与中国民用航空局联合资助项目(U1733119)