科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题，提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先，使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征；然后，利用生成器生成故障样本并与真实样本混合，作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较，结果表明：与单一真实样本训练预测模型相比，使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。
- 出版日期2023
- 单位中国民航大学; 自动化学院
