原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于深度学习的涡扇发动机多级预测性维护方法。首先采集涡扇发动机的传感器数据和操作设置数据，进行预处理形成数据集并划分为训练集和测试集。其次将训练集输入C‑Transformer网络中，预测部件剩余寿命,利用分类准则重新为训练集和剩余寿命打标签，从而形成新的训练数据集。然后，将新训练数据集输入卷积神经网络CNN预测部件失效概率并计算系统失效概率，利用试错法得出系统维护等级。最后，将优化模型与MDU‑ABC‑K算法相结合，以总综合成本最小化为目标，输出最优动态维护策略。本发明能够为航
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116362125 A
(43)申请公布日 2023.06.30
(21)申请号 202310323825.6 G06N 3/0464 (2023.01)
文档评论（0）