基于SRCC与Bayes_KNN的涡扇发动机剩余使用寿命预测

打开文本图片集

摘 要： 利用斯皮尔曼秩相关系数（SRCC）、贝叶斯（Bayesian）、k最近邻（KNN）算法提出了一种新的航空发动机剩余使用寿命预测方法。为解决关键特征提取不足问题，首先，利用SRCC方法对发动机的历史多元监测特征进行筛选，提取出衰退性能趋势明显的监测特征作为预测模型的输入;其次，构建了基于欧式距离的k最近邻回归预测模型，利用贝叶斯更新公式对KNN中的超参数模型进行训练，求解目标函数并返回训练模型最优超参数值与最小均方根误差；最后，推导航空发动机剩余使用寿命（RUL）概率密度函数解析式，得到发动机RUL预测结果。（剩余11706字）