10.3969/j.issn.1006-9348.2022.11.007
基于改进PSO-LSTM的APU排气温度预测研究
为了提高辅助动力装置排气温度的预测精度,采用基于粒子群算法优化长短期记忆网络的方法.通过分析不同参数间相关性,选出影响排气温度的主要参数作为预测模型的输入,构造惯性权重和学习因子的动态调节函数来解决粒子群算法存在的早熟收敛问题,得到一种改进粒子群算法.结果表明,改进PSO-LSTM模型比传统的RNN模型、LSTM模型、基本PSO-LSTM模型、标准PSO-LSTM模型具有更高的预测精度.上述研究结果可为短期APU性能变化趋势预测提供一定的参考.
排气温度预测、辅助动力装置、改进粒子群优化算法、长短期记忆网络
39
V235.1(航空发动机(推进系统))
国家自然科学基金;中央高校基本科研业务费项目
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
32-37