Aircraft Engines Remaining Useful Life Prediction Based on A Hybrid Model of Autoencoder and Deep Belief Network

自编码 深信不疑网络 人工智能 深度学习 预言 均方误差 计算机科学 特征(语言学) 人工神经网络 数据挖掘 机器学习 工程类 模式识别(心理学) 统计 数学 语言学 哲学
作者
Huthaifa Al-Khazraji,Ahmed R. Nasser,Ahmed Mudheher Hasan,Ammar K. Al Mhdawi,H. S. Al‐Raweshidy,Amjad J. Humaidi
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:10: 82156-82163 被引量:36
标识
DOI:10.1109/access.2022.3188681
摘要

Remaining Useful Life (RUL) is used to provide an early indication of failures that required performing maintenance and/or replacement of the system in advance. Accurate RUL prediction offers cost-effective operation for decision-makers in the industry. The availability of data using intelligence sensors leverages the power of data-driven methods for RUL estimation. Deep Learning is one example of a data-driven method that has a lot of applications in the industry. One of these applications is the RUL prediction where DL algorithms achieved good results. This paper presents an Autoencoder-based Deep Belief Network (AE-DBN) model for Aircraft engines’ RUL estimation. The AE-DBN DL model is utilized the feature extraction characteristic of AE and superiority in learning long-range dependencies of DBN. The efficiency of the proposed DL algorithm is evaluated by comparison between the proposed AE-DBRN and the state-of-the-art related method for RUL perdition for four datasets. Based on the Root Mean Square Error (RMSE) and Score indices, the outcomes reveal that the AE-DBN RUL prediction model is superior to other DL approaches.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
20231125完成签到,获得积分10
刚刚
爆米花应助笑点低蜜蜂采纳,获得10
刚刚
Shiki发布了新的文献求助10
刚刚
在水一方应助womodou采纳,获得10
刚刚
stuffmatter应助尛瞐慶成采纳,获得10
1秒前
木子草甜完成签到,获得积分10
1秒前
碧蓝筝完成签到,获得积分10
2秒前
虚幻的冷松完成签到,获得积分10
2秒前
coollz发布了新的文献求助10
2秒前
zdnhri完成签到,获得积分10
2秒前
小白完成签到,获得积分20
2秒前
小贾同学完成签到,获得积分10
2秒前
hbuhfl完成签到 ,获得积分10
3秒前
明明完成签到 ,获得积分10
3秒前
4秒前
夕风残照完成签到,获得积分10
4秒前
喜悦寒凝完成签到,获得积分10
4秒前
活力菠萝发布了新的文献求助10
5秒前
御风111发布了新的文献求助10
5秒前
6秒前
6秒前
852应助可闻春风采纳,获得10
6秒前
6秒前
Hello应助如意道消采纳,获得10
6秒前
pcyang完成签到,获得积分10
7秒前
7秒前
领导范儿应助韦觅松采纳,获得10
7秒前
7秒前
OhoOu完成签到 ,获得积分10
7秒前
tangzelun完成签到,获得积分10
8秒前
lcm完成签到 ,获得积分10
8秒前
8秒前
山大王yoyo发布了新的文献求助10
9秒前
尛瞐慶成完成签到,获得积分10
9秒前
赖向珊发布了新的文献求助10
9秒前
刘彤完成签到,获得积分10
9秒前
赵晶晶完成签到,获得积分10
10秒前
任小九完成签到,获得积分10
10秒前
SciGPT应助美文采纳,获得10
10秒前
11秒前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3069006
求助须知:如何正确求助?哪些是违规求助? 2722831
关于积分的说明 7479538
捐赠科研通 2369753
什么是DOI,文献DOI怎么找? 1256697
科研通“疑难数据库(出版商)”最低求助积分说明 609645
版权声明 596839