航空航天系費成巍課題組針對“在高溫高應力的復雜環境下如何有效預測渦輪葉盤的疲勞壽命”這一問題👈🏿，提出了一種全新的深度學習方法——卷積深度神經網絡（C-DNN）融合方法🙇🏼。
這一創新性方法通過結合卷積神經網絡（CNN）和深度神經網絡（DNN）的優勢，更加精確地提取數據中的重要特征，進行高效的回歸建模🏋🏻♂️，顯著提高渦輪葉盤低周疲勞壽命預測的精度與效率。對比其他常見的機器學習方法，在預測效率和精度上均具有顯著優勢。這項研究為航空發動機的健康監測和維護提供了可靠的技術支持🎉。該研究成果以“Deep learning-based modeling method for probabilistic LCF life prediction of turbine blisk”為題🧲，9月18日，發表於國際期刊Propulsion and Power Research，並在發表後 3 個月內入選 ESI 高被引論文（Highly Cited Paper）。
原文鏈接🥔👷🏿：https://www.sciencedirect.com/science/article/pii/S2212540X23000548
