文献阅读《Fault diagnosis and remaining useful life estimation of aero engine using LSTM neural network》

文献阅读《Fault diagnosis and remaining useful life estimation of aero engine using LSTM neural network》

文献阅读《Fault diagnosis and remaining useful life estimation of aero engine using LSTM neural network》

摘要 准确故障定位（SVM）和RUL预测，在复杂操作条件、混合故障和强噪音下使用LSTM同时进行故障分类和RUL预测

1.这个领域设法解决面对发动机的高复杂度，传统的维修方法无法进行准确和快速地故障定位和RUL预测

2.1⃣️使用物理方法使得研究发展变得昂贵和困难
2⃣️在基于数据的方法中，使用MLP和RBF，传统RNN预测航空发动机RUL
3⃣️使用标准RNN所有layer共享共同权值，形成很深的前馈网络，造成无法解决长期依赖（长期依赖指输出的根据离输出时刻太远，可能会造成梯度消失或梯度爆炸）
4⃣️针对确定的错误进行RUL预测，需要对不同故障模式训练多重估计量，从而使得预测系统变的复杂，难以适应真实况
下一步，针对这些挑战，使用LSTM建立一个适用于多故障和混合故障的模型，进行RUL预测和在此刻每种故障发生的可能性，从而简化RHM系统，对维修计划提供更加全面的信息