首页> 
				
					根据【作者:张晓丰,陈继成,田舢,李世良,】搜索到相关结果 2 条
				
		 
	 
 		
			
				
					
					
							
								- 
									
										考虑误差不确定的航空制导弹药使用消耗预测方法
									
								
 
								- 
									作者:
										
											刘显光
										 
										
											张晓丰
										 
										
											苗青林
										 
										
											高杨军
										 
										
											秦丕胜
										 
									
									来源:
										
											空军工程大学学报
										
									
									年份:
										2023
									
									文献类型 :
										期刊
									
									关键词:
										
											航空制导弹药
										 
										
											消耗预测
										 
										
											最高密度域
										 
										
											误差不确定性
										 
										
											核密度估计
										 
									
								
 
								- 
									描述:
										针对航空制导弹药的使用消耗预测问题,分别建立了航空制导弹药使用消耗点预测和区间预测模型。根据航空制导弹药使用消耗数据小样本、非线性和随机性强等特点,采用支持向量回归模型来对航空制导弹药使用消耗数据进行点预测,并通过粒子群优化算法寻找最优参数;结合点预测误差数据,通过核密度估计法开展误差不确定性分析,确定误差概率密度曲线,并在核密度估计的基础上采用最高密度域确定给定置信度下的最佳置信区间。结果表明,该方法对于航空制导弹药使用消耗数据而言能提供更为精确的预测结果和不确定性置信区间,为航空制导弹药的后续使用安排提供参考依据。
								
 
							
							
								- 
									
										基于多尺度融合预测模型的航空发动机剩余寿命预测
									
								
 
								- 
									作者:
										
											刘纳川
										 
										
											郭建胜
										 
										
											张晓丰
										 
										
											余稼洋
										 
										
											解涛
										 
									
									来源:
										
											兵器装备工程学报
										
									
									年份:
										2023
									
									文献类型 :
										期刊
									
									关键词:
										
											静态协变量编码器
										 
										
											分位数
										 
										
											剩余寿命
										 
										
											LSTM神经网络
										 
										
											多头注意力机制
										 
										
											门控残差机制
										 
									
								
 
								- 
									描述:
										针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择,将SCCN生成的静态协变量连接到模型的不同位置,以提升模型捕捉不同尺度时间特征的能力,并融入门控残差机制构建模型基本框架,既能提高模型的适应性也能保证信息在网络中传递的效率,采用分位数误差作为损失函数实现了多尺度的预测,有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析,FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比,RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。