基于 LSTM 的航空发动机剩余使用寿命预测
信号处理
2024-01-17 v1
摘要
本研究使用长短期记忆（LSTM）网络从时间序列数据中预测喷气发动机的剩余使用寿命（RUL），这对飞机维护和安全至关重要。在包含喷气发动机运行至故障事件的 NASA C-MAPSS 数据集上，将 LSTM 模型的性能与多层感知器（MLP）进行了比较。LSTM 从传感器数据的时间序列中学习，而 MLP 从静态数据快照中学习。LSTM 模型在预测精度上始终优于 MLP，展示了其在捕捉喷气发动机退化模式中时间依赖性方面的卓越能力。本项目的软件见 https://github.com/AneesPeringal/rul-prediction.git。
引用
@article{arxiv.2401.07590,
title = {Remaining Useful Life Prediction for Aircraft Engines using LSTM},
author = {Anees Peringal and Mohammed Basheer Mohiuddin and Ahmed Hassan},
journal= {arXiv preprint arXiv:2401.07590},
year = {2024}
}