实验室博士生徐甜甜的论文被国际顶级期刊 IEEE Transactions on Network Science and Engineering (IF=3.894)录用，祝贺！

SGBRT: An Edge-Intelligence based Remaining Useful Life Prediction Model for Aero-engine Monitoring System

IEEE Transactions on Network Science and Engineering,

2022 (SCI index, IF=3.894)

本文开发了一个基于边缘智能的航空发动机性能监测系统。该方法可以有效地预测航空发动机的剩余使用寿命，为优化运行规划和维护决策提供支持。所提出的模型的名称是SGBRT，它是一种混合机器学习方法，将自组织映射网络与梯度提升回归树模型相结合。SGBRT分两步预测航空发动机的剩余使用寿命：它首先采用自组织映射对样本数据进行聚类；然后通过梯度提升回归树的方式对每个聚类进行拟合。使用C-MAPSS数据集的仿真实验结果表明，该方法比其他传统方法实现了更高的预测精度和更好的泛化性能。