基于选择性深度神经网络集成的涡扇发动机剩余寿命预测

韩冬阳,林泽宇,郑宇,郑美妹,夏唐斌

Remaining useful life estimation of turbofan engine based on selective ensemble of deep neural networks

Dong-yang HAN,Ze-yu LIN,Yu ZHENG,Mei-mei ZHENG,Tang-bin XIA

表 3 神经网络与遗传算法关键参数设置

Tab.3 Key parameter setting of networks and GA

参数 数值 批尺寸 128 训练时期数 100或达到early stopping停止条件 LSTM节点数 [20，40] 卷积核数 [50，100] 卷积核大小 [1，3] 隐蔽层节点数 30 Dropout 0.5 遗传算法初始种群大小 100 终止迭代代数 1 000 交叉概率 0.7