收录：
摘要：
本发明公开了一种基于数据增强的航空发动机剩余寿命预测方法，本发明提出了一种多路径特征融合网络模型以及数据增强算法。首先，通过一种数据增强方式扩大数据集的样本数量，以此来提高预测的准确性；其次，构建多路径特征融合预测模型，选择两条不同路径提取特征：第一路径将数据输入卷积神经网络(CNN)与门控循环单元(GRU)，分别提取空间特征和时序特征；第二条路径将数据直接输入长短期记忆网络(LSTM)获取时序特征。最后将两条路径输出特征融合输入全连接层进行RUL预测。相对于现有网络模型，本发明能够有效提高此类设备的剩余寿命预测精度，具有实际应用价值。
关键词：
通讯作者信息：
电子邮件地址：
