【Python项目实战】基于时间卷积网络(Temporal Convolution Network ,TCN)的发动机剩余寿命预测
航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL)。针对此问题,采用时间卷积网络(Temporal Convolution Network ,TCN)作为一种最新出现的序列神经网络,被证明在序列数据预测上有良好的效果。采用TCN实现对发动机剩余寿命进行预测,预测过程通过建立退化模型,给每个训练样本添加RUL标签;将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,,结果表明采用TCN算法拥有更高的精度。
2022-07-12 22:05:10
6.55MB
1
第1章概述
第2章mbuf：存储器缓存
第3章接口层
第4章接口：以太网
第5章接口：SLIP和环回
第6章IP编址
第7章域和协议
第8章IP：网际协议
第9章IP选项处理
第10章IP的分片与重装
第11章ICMP：Internet控制报文协议
第12章IP多播
第13章IGMP：Intemet组管理协议
第14章IP多播选路
第15章插口层
第16章插口VO
第17章插口选项
第18章Radk树路由表
第19章选路请求和选路消息
第20章选路插口
第21章ARP：地址解析协议
第22章协议控制块
第23章UDP：用户数据报协议
第24章TCP：传输控制协议
第25章TCP的定时器
第19章选路请求和选路
第26章TCP输出
第27章TCP的函数
第28章TCP的输入
第29章TCP的输入（续）
第30章TCP的用户需求
第31章BPF：BSD分组过滤程序
第32章原始IP
附录A部分习题的解答
附录B源代码的获取
2022-07-12 18:06:05
18.38MB
1
2022台湾职称计算机考试-计算机应用能力考试考试考前冲刺卷（7）.docx
2022-07-12 09:05:23
22KB