《表2 对比模型的航空发动机剩余寿命预测误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进GRU的航空发动机剩余寿命预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在得到性能指标的时间序列预测结构后，可以设定合适的性能阈值得到剩余寿命预测结果。在本文中性能阈值为0.2，在100个循环后开始预测剩余寿命。将剩余寿命的预测值和实际值之间的均方根误差（Root mean squared error，RMSE）作为衡量模型剩余寿命预测效果的指标。选取GRU、RNN和LSTM模型作为对比实验，模型的参数设置和样本设置与改进GRU模型一致。为了模拟真实环境，将时间序列样本添加一定的高斯噪声作为对比实验，因此可以得到在有噪声和无噪声条件下，航空发动机剩余寿命预测的误差统计如表2所示。可以看出本文提出的改进GRU神经网络模型与其他模型相比有更低的误差均值和方差，同时在噪声干扰下也能得到较为准确的剩余寿命预测结果。