基于集成学习的航空发动机排气温度预测

摘要：

准确预测排气温度对预知航空发动机未来的工作状态至关重要.然而,传统航空发动机排气温度预测模型存在预测精度有限、对时间序列数据的信息利用率不足等问题.提出了一种多模型集成的航空发动机排气温度预测方法,被集成的子模型包括差分整合移动平均自回归模型、一次指数平滑模型和门控循环单元.对所有子模型的预测序列进行加权集成处理,提出了一种在历史发动机性能参数数据上学习最优权重系数的方法,避免了传统优化算法依赖于初始点的选取且其适用性局限于可微函数等问题.在Cessna-172R型飞机发动机排气温度预测问题中相较子模型准确性更高.

关键词：集成学习、排气温度、神经网络、航空发动机

所属期刊栏目：52

分类号：O232(控制论、信息论（数学理论）)

资助基金：工信部民机专项项目MJ-2018-Y-56

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：87-91