航空发动机剩余使用寿命预测方法、装置、设备以及介质

本申请涉及航空发动机故障预测与健康管理领域，特别是涉及一种航空发动机剩余使用寿命预测方法、装置、电子设备以及存储介质。

背景技术：

1、航空发动机作为飞机的关键性部件，如果运行过程中如果突然出现故障，那么将会引发巨大的灾难。设备的预测健康管理技术（prognostics health management，简称phm）用于对设备进行管理，航空发动机的剩余使用寿命预测(remaining useful life，简称rul)就是phm技术中十分重要的一种，它主要是评估设备的性能状态，指导人们对设备进行更换或维修设备，有效避免由于机器故障而导致的安全问题和经济损失。

2、然而，现有技术中，对航空发动机剩余使用寿命的预测准确度低。

技术实现思路

1、基于此，本申请的目的在于，提供一种航空发动机剩余使用寿命预测方法、装置、电子设备以及存储介质，其可提高航空发动机剩余使用寿命的预测准确度。

2、根据本申请实施例的第一方面，提供一种航空发动机剩余使用寿命预测方法，包括如下步骤：

3、获取若干时序神经网络模型以及航空发动机退化数据集，对若干时序神经网络模型的权重进行初始化；

4、根据航空发动机退化数据集，对初始化后的每个时序神经网络模型进行训练，获得各个航空发动机剩余使用寿命预测模型；将各个航空发动机剩余使用寿命预测模型作为初始种群的每个个体，将各个航空发动机剩余使用寿命预测模型的每个权重作为初始种群中相应个体的每个基因；

5、计算初始种群的每个个体的适应度，对每个个体的适应度按照从高到低进行排序，将适应度排序靠前的预设数量的个体作为初始种群的父代个体，对初始种群的父代个体进行交叉操作，生成预设数量的新的后代个体；

6、对预设数量的新的后代个体中每个个体的基因进行正态分布变异操作，获得变异后的后代个体；对变异后的后代个体进行训练，获得新一代种群；

7、判断新一代种群是否满足预设条件，若是，则将新一代种群的各个个体作为最优航空发动机剩余使用寿命预测模型；若否，对新一代种群继续进行选择、交叉以及变异操作，直至满足预设条件；

8、将待测航空发动机的退化数据输入至最优航空发动机剩余使用寿命预测模型，获得待测航空发动机的剩余使用寿命。

9、根据本申请实施例的第二方面，提供一种航空发动机剩余使用寿命预测装置，包括：

10、数据集获取模块，用于获取若干时序神经网络模型以及航空发动机退化数据集，对若干时序神经网络模型的权重进行初始化；

11、模型训练模块，用于根据航空发动机退化数据集，对初始化后的每个时序神经网络模型进行训练，获得各个航空发动机剩余使用寿命预测模型；将各个航空发动机剩余使用寿命预测模型作为初始种群的每个个体，将各个航空发动机剩余使用寿命预测模型的每个权重作为初始种群中相应个体的每个基因；

12、适应度计算模块，用于计算初始种群的每个个体的适应度，对每个个体的适应度按照从高到低进行排序，将适应度排序靠前的预设数量的个体作为初始种群的父代个体，对初始种群的父代个体进行交叉操作，生成预设数量的新的后代个体；

13、基因变异模块，用于对预设数量的新的后代个体中每个个体的基因进行正态分布变异操作，获得变异后的后代个体；对变异后的后代个体进行训练，获得新一代种群；

14、条件判断模块，用于判断新一代种群是否满足预设条件，若是，则将新一代种群的各个个体作为最优航空发动机剩余使用寿命预测模型；若否，对新一代种群继续进行选择、交叉以及变异操作，直至满足预设条件；

15、剩余使用寿命获得模块，用于将待测航空发动机的退化数据输入至最优航空发动机剩余使用寿命预测模型，获得待测航空发动机的剩余使用寿命。

16、根据本申请实施例的第三方面，提供一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行如第一方面方法的步骤。

17、第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如第一方面方法的步骤。

18、本申请实施例通过获取若干时序神经网络模型以及航空发动机退化数据集，对若干时序神经网络模型的权重进行初始化；根据航空发动机退化数据集，对初始化后的每个时序神经网络模型进行训练，获得各个航空发动机剩余使用寿命预测模型；将各个航空发动机剩余使用寿命预测模型作为初始种群的每个个体，将各个航空发动机剩余使用寿命预测模型的每个权重作为初始种群中相应个体的每个基因；计算初始种群的每个个体的适应度，对每个个体的适应度按照从高到低进行排序，将适应度排序靠前的预设数量的个体作为初始种群的父代个体，对初始种群的父代个体进行交叉操作，生成预设数量的新的后代个体；对预设数量的新的后代个体中每个个体的基因进行正态分布变异操作，获得变异后的后代个体；对变异后的后代个体进行训练，获得新一代种群；判断新一代种群是否满足预设条件，若是，则将新一代种群的各个个体作为最优航空发动机剩余使用寿命预测模型；若否，对新一代种群继续进行选择、交叉以及变异操作，直至满足预设条件；将待测航空发动机的退化数据输入至最优航空发动机剩余使用寿命预测模型，获得待测航空发动机的剩余使用寿命。本申请通过对初始化后的每个时序神经网络模型进行训练，对训练后的各个航空发动机剩余使用寿命预测模型进行选择、交叉以及变异，来优化各个航空发动机剩余使用寿命预测模型的权重，并根据预设条件，获得最优航空发动机剩余使用寿命预测模型。利用最优航空发动机剩余使用寿命预测模型，来预测航空发动机的剩余使用寿命，提高了航空发动机剩余使用寿命的预测准确度。

19、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

20、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种航空发动机剩余使用寿命预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的航空发动机剩余使用寿命预测方法，其特征在于：

3.根据权利要求1所述的航空发动机剩余使用寿命预测方法，其特征在于：

4.根据权利要求1所述的航空发动机剩余使用寿命预测方法，其特征在于：

5.根据权利要求1所述的航空发动机剩余使用寿命预测方法，其特征在于：

6.根据权利要求1至5任意一项所述的航空发动机剩余使用寿命预测方法，其特征在于：

7.一种航空发动机剩余使用寿命预测装置，其特征在于，包括：

8.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至6中任意一项所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述方法的步骤。

技术总结
本申请涉及一种航空发动机剩余使用寿命预测方法、装置、电子设备以及存储介质，本申请通过对初始化后的每个所述时序神经网络模型进行训练，对训练后的各个航空发动机剩余使用寿命预测模型进行选择、交叉以及变异，来优化各个航空发动机剩余使用寿命预测模型的权重，并根据预设条件，获得最优航空发动机剩余使用寿命预测模型。利用最优航空发动机剩余使用寿命预测模型，来预测航空发动机的剩余使用寿命，提高了航空发动机剩余使用寿命的预测准确度。

技术研发人员：古书怀,王婧,邱佩臻,袭奇,谢承旺
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/3/17