基于SRCC與Bayes_KNN的渦扇發(fā)動機剩余使用壽命預測

打開文本圖片集

摘 要： 利用斯皮爾曼秩相關系數（SRCC）、貝葉斯（Bayesian）、k最近鄰（KNN）算法提出了一種新的航空發(fā)動機剩余使用壽命預測方法。為解決關鍵特征提取不足問題，首先，利用SRCC方法對發(fā)動機的歷史多元監(jiān)測特征進行篩選，提取出衰退性能趨勢明顯的監(jiān)測特征作為預測模型的輸入;其次，構建了基于歐式距離的k最近鄰回歸預測模型，利用貝葉斯更新公式對KNN中的超參數模型進行訓練，求解目標函數并返回訓練模型最優(yōu)超參數值與最小均方根誤差；最后，推導航空發(fā)動機剩余使用壽命（RUL）概率密度函數解析式，得到發(fā)動機RUL預測結果。（剩余11706字）