34、航空设备剩余使用寿命预测与海上搜救目标检测基准研究

航空设备剩余使用寿命预测与海上搜救目标检测基准研究

在航空和海上搜救领域，准确的预测和可靠的目标检测至关重要。本文将介绍航空设备剩余使用寿命（RUL）预测和海上搜救目标检测的相关基准研究，包括模型描述、属性定义等内容。

航空设备剩余使用寿命预测

• RUL的重要性 ：RUL是预测与健康管理（PHM）中广泛使用的指标，它表示组件（如机械轴承、液压泵、飞机发动机）的剩余寿命。在航空领域，RUL用于基于状态的维护，支持飞机维护和飞行准备。例如，它可以辅助组件的人工检查，安排组件的维护周期（如维修或更换），从预防性维护转向预测性维护，从而消除或延长服务运营和检查周期，优化组件维修（如润滑剂更换），生成检查和维护计划，并实现显著的成本节约。此外，RUL还可以在下次计划维护期间突出检查区域，用于提前进行维护/检查行动以防止组件故障。最后，RUL功能还可用于机载（飞行中）应用，向飞行员动态通报飞机组件的健康状态。
• 输入数据 ：多变量时间序列数据常被用作RUL函数的输入，例如一组监测组件状态的传感器在多个连续时间步（时间窗口内）的测量值。额外的输入可能包括当前飞行阶段、任务和环境等信息。这种高维输入空间促使人们使用机器学习（ML），特别是深度学习（DL）解决方案，因为它们能够从原始数据中自动提取特征。近年来，出现了许多基于深度神经网络（DNN）的解决方案。
• DL模型示例 ：一个基于DL的RUL函数示例是卷积神经网络（CNN）。该CNN接受长度为40的时间窗口作为输入，即反映轴承状态的40个连续时间步的快照。每个时间步对应1小时，每个快照包含以下信