问题 |
E3S网页汇编
卷积3122021
76线程意大利全国大会ATI |
|
---|---|---|
文章号 | 11017 | |
页数 | 17 | |
段内 | 涡轮机 | |
多尔市 | https://doi.org/10.1051/e3sconf/202131211017 | |
在线发布 | 2021年10月22日 |
预知技术用于航空健康评估和剩余使用寿命估计
塞林托大学工程创新系
a)antonio.caricato1@unisalento.ii
b)antonio.ficarella@unisalento.it
C)ludovica.spadachiodo@studenti.unisalento.it
预测维护是管理和维护多家工业资产包括空机的最新前沿上几十年监测设备和机器学习算法的进步使得有可能实现,它允许个人基于性能监测和估计应用诊断预测技术后产生的性能维护进度表,无论是地面技术还是实时技术。预测维护结果与传统维护策略相比可降低运营成本并优化资产使用,而传统维护策略可能因意外故障或不必要的维护而受到影响,并因此提高运营成本研究中,根据美国航天局预测英才中心提供的历史个体和机群数据,对不同的涡轮引擎估计剩余使用寿命
预测学和健康管理算法设计首先需要分析可用数据以确定哪些数据与设备退化有效相关,因此可用于确定未来系统演化和预测故障
特别是RUL对受高压压缩机故障并呈指数退化趋势测试引擎的预测同时使用回归式网络和人工神经网络转而比较不同的回归模型和神经网络架构,即树下树深度不同、高斯进程回归函数不同和多层 Percen目的是证明机器学习算法预测引擎故障并因此支持预测维护规划的重要性,并评价算法结构结果质量
结果显示平均绝对误差和根正方误差的相似性能预测实际RUL,特别是多层感知显示最精确性预测,RPE17.38和MAE12.50
必威西汉姆赞助2021年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间