面向航空发动机多传感器并行预测模型的设计与实现
为了准确预测航空发动机工作时传感器数据的变化趋势,有效监控航空发动机的工作状态,该文就发动机高压压气机转子转速、燃烧室燃油喷嘴压力、涡轮后温度等数个航空发动机主要传感器数据,使用滑动窗口算法截取子序列构建数据集并对其进行标准化.提出了一种基于Seq2Seq的面向航空发动机多传感器数据预测神经网络模型(AMSDPNN),并对该网络进行优化,最终实现了对航空发动机多传感器数据的预测.实验表明,相较于其他传统数据预测模型,该模型有着更好的预测效果,其均方误差值为0.1%,同时提前320 ms实现了对航空发动机传感器数据的预测.
数据标准化、长短期记忆网络、Seq2Seq、滑动窗口、时序数据预测
50
TP391(计算技术、计算机技术)
四川省科技计划2019YFG0424
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
580-585