面向航空发动机多传感器并行预测模型的设计与实现

摘要：

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.

关键词：数据标准化、长短期记忆网络、Seq2Seq、滑动窗口、时序数据预测

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技计划2019YFG0424

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：580-585