ViTFFN模型在航空发动机剩余使用寿命预测中的应用

摘要

提出一种结合Vision Transformer(Vi T)和特征融合层次网络的RUL概率预测模型(vision transformer and feature fusion hierarchical network,Vi TFFN)。Vi T准确捕捉输入数据序列中的长期依赖关系和关键特征，特征融合层次网络(feature fusion hierarchical network,FFHN)充分挖掘多尺度信息和上下文互补信息，并利用概率方法预测航空发动机RUL的置信区间，充分预测可能出现的结果。实验结果表明，所提Vi TFFN模型在C-MAPSS数据集的FD002数据子集上的RMSE值和Score值为16.89和1 489.36，均低于LSTM、DCNN等方法;对于FD004数据集，RMSE值为20.10。在FD001和FD003数据集上，Vi TFFN模型与MSDCNN-LSTM、CACNN-Transformer等方法具备同等RUL预测结果，RMSE值分别为12.16和12.08。相比IDMFFN、MCLSTM等方法，Vi TFFN模型具有更高的预测准确性，为航空发动机RUL预测提供了有效方法。

关键词

剩余使用寿命预测 / Vision Transformer / 多尺度特征融合 / 航空发动机 / 深度学习

基金资助

国家自然科学基金面上项目(61673160); 河北省自然科学基金项目(F2018205102); 河北省高等学校科学技术研究重点项目(ZD2021063)