脑启发脉冲回波状态网络动力学用于航空发动机智能故障预测
机器学习
2024-06-21 v1 神经与进化计算
摘要
航空发动机故障预测旨在准确预测航空发动机未来状态的发展趋势，从而提前诊断故障。传统的航空发动机参数预测方法主要利用时间序列数据的非线性映射关系，但普遍忽略了航空发动机数据中包含的充分时空特征。为此，我们提出了一种脑启发的脉冲回波状态网络（Spike-ESN）模型用于航空发动机智能故障预测，该模型用于在时空动力学框架内有效捕捉航空发动机时间序列数据的演化过程。在所提出的方法中，我们受生物神经元脉冲神经编码机制的启发，设计了一个基于泊松分布的脉冲输入层，该层可以提取航空发动机序列数据中有用的时间特征。然后，通过神经元中脉冲累积的电流计算方法，将时间特征输入到脉冲储备池中，将数据投影到高维稀疏空间。此外，我们使用岭回归方法读出脉冲储备池的内部状态。最后，航空发动机状态预测的实验结果证明了所提方法的优越性和潜力。
引用
@article{arxiv.2406.12918,
title = {Brain-Inspired Spike Echo State Network Dynamics for Aero-Engine Intelligent Fault Prediction},
author = {Mo-Ran Liu and Tao Sun and Xi-Ming Sun},
journal= {arXiv preprint arXiv:2406.12918},
year = {2024}
}