多模式LSTM网络用于在活塞发动机飞机中的异常预测
Waqas Rauf Khattak1, Ahmad Salman1, Salman Ghafoor1
1School of Electrical Engineering and Computer Science, National University of Sciences and Technology (NUST), Sector H-12, Islamabad, 44000, ICT, Pakistan.
Heliyon
|February 6, 2024
概括
这项研究引入了一个人工智能系统,用于使用温度数据预测飞机发动机失火. 拟议的模型准确地提前2分钟预测故障,提高了安全性并减少了维护需求.
科学领域:
- 航空航天工程 航空航天工程
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 由于其复杂的系统,飞机需要定期维护.
- 现有的AI健康监测系统比传统方法提供了效率提升.
- 发动机异常,如火焰爆发,通常与快速温度变化有关.
研究的目的:
- 开发和评估用于预测活塞发动机爆发的机器学习模型.
- 解决先前研究中关于全面异常预测和数据可变性的局限性.
- 为了研究使用发动机油和气头温度来预测故障.
主要方法:
- 来自实时飞行数据记录器的数据预处理.
- 应用传统和深度学习模型,包括定制的多模式规范的长期短期记忆网络.
- 从Textron Lycoming IO-540发动机中利用发动机油和气头温度.
主要成果:
- 拟议的长期短期内存网络实现了更高的准确性,并且具有较低的平方根平均误差 (气头0.55,发动机油温度3.20).
- 性能明显优于其他流行的机器学习方法,高达84%.
- 该系统证明了预测发动机失火事件的能力,比发动机失火事件提前2分钟发生.
结论:
- 开发的AI系统有效地使用温度数据预测发动机失火.
- 拟议的模型增强了概括性,避免了过拟合,使其适用于可变的飞行数据.
- 该系统是集成到飞机发动机控制单元的可行候选人,以提高安全性和运营效率.
