蔡文涛,张吕凡,徐诗奕,聂磊,董正琼,周向东

• 1:湖北工业大学机械工程学院湖北省现代制造质量工程重点实验室

摘要(Abstract)：

针对涡扇发动机监测数据维度高、存在大量噪声、退化机理复杂、难以构建用于状态评估的有效健康因子的问题，对原始数据做卡尔曼滤波以滤除传感器信号中的噪声，通过采用线性方法主成分分析和非线性方法堆叠自编码器对滤波后的数据做降维处理，提取出能够表征发动机退化的一维综合健康因子，并在C-MPASS数据集上进行了实例分析。结果表明，以上两种方法均可很好地提取健康因子，可为涡扇发动机的状态评估提供有效支撑。

关键词(KeyWords)： 涡扇发动机;主成分分析;自编码器;卡尔曼滤波

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金面上项目(51975191)

作者(Author): 蔡文涛,张吕凡,徐诗奕,聂磊,董正琼,周向东

参考文献(References)：

• [1] 蔺飞艇.轴承寿命预测中的HI曲线构建方法研究[D].北京：华北电力大学(北京),2021.
• [2] 尹双艳，吴美熹，李汉智，等.一种基于间接健康因子的锂离子电池剩余使用寿命预测方法[J].航天器环境工程，2021,38(06):648-654.
• [3] 赵沁峰，蔡艳平，王新军.锂离子电池全生命周期剩余使用寿命预测[J/OL].电源学报：1-14[2021-12-30].http://kns.cnki.net/kcms/detail/12.1420.TM.20211015.1926.004.html.
• [4] 张孝远，张金浩，蒋亚俊.基于改进TCN模型的动力电池健康状态评估[J].储能科学与技术，2022,11(05):1617-1626.
• [5] 李振恩，张新燕，胡威，等.基于健康指数的风电机组高速轴轴承状态评估与预测[J].太阳能学报，2021,42(10):290-297.
• [6] 胡启国，杜春超，罗棚.基于t-SNE和核马氏距离的滚动轴承健康状态评估[J].组合机床与自动化加工技术，2021(08):57-61.
• [7] 张梦龙，宫兵，何业梁.基于多信息卡尔曼滤波算法的锂电池SOC估计[J].哈尔滨商业大学学报(自然科学版),2021,37(06):717-723.
• [8] 彭芳春，卢雨，沈玉溪.基于主成分分析法的金融发展与经济增长关系研究[J].湖北工业大学学报，2017,32(03):50-54.
• [9] 杨锡运，吕微，王灿，等.基于滑动窗口-KL散度和改进堆叠自编码的轴承故障诊断[J].机床与液压，2021,49(17):179-184.