多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测
文献类型：期刊论文
| 作者 | 陈俊英; 席月芸; 李朝阳 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:9页码:1818-1830 |
| 关键词 | 剩余寿命预测 航空发动机 Transformer 多尺度特征 局部特征 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c230634 |
| 英文摘要 | 飞机发动机剩余寿命(Remaining useful life, RUL)的准确预测对确保其安全性和可靠性至关重要. 在基于多传感器检测数据预测时, 需解决局部特征提取问题以全面捕捉设备在不同时间尺度下的退化趋势, 并需解决时间序列中各元素之间长期依赖性的全局学习问题. 因此, 提出了结合多尺度局部特征增强单元(Multi-sacle local feature enhancement unit, MSLFU_BLOCK)和Transformer编码器的预测模型, 称之为MS_Transformer. MSLFU_BLOCK利用堆叠的因果卷积逐层从时间序列数据中提取多尺度局部信息, 同时避免了传统卷积计算中固有的未来数据泄漏问题. 随后, Transformer编码器通过其自注意机制进一步捕获时间序列数据中的短期和长期依赖关系. 通过将多尺度局部特征增强单元与Transformer编码器相结合, 提出的MS_Transformer全面捕捉了时间序列数据中的局部和全局模式. 在广泛使用的C-MAPSS基准数据集上进行的消融和预测实验验证了模型的合理性和有效性. 与13个先进预测模型的比较分析表明, MS_Transformer模型在操作条件更复杂的FD002和FD004数据集上的RMSE和Score指标优于其他模型, 同时在四个数据集上的平均性能最优. 该研究为发动机剩余寿命预测提供了更为可靠的解决方案. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/59442]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 陈俊英,席月芸,李朝阳. 多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测[J]. 自动化学报,2024,50(9):1818-1830. |
| APA | 陈俊英,席月芸,&李朝阳.(2024).多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测.自动化学报,50(9),1818-1830. |
| MLA | 陈俊英,et al."多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测".自动化学报 50.9(2024):1818-1830. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。