一种基于Transformer编码器与LSTM的飞机轨迹预测方法

作者： 李明阳     鲁之君     曹东晶     曹世翔   来源： 航天返回与遥感 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Encoder   轨迹预测   Transformer编码器   飞机目标   神经网络   LSTM模型  

描述： 为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer编码器和长短期记忆网络（Long Short Term Memory,LSTM）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTMAttention模型的0.35。相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。

基于IPSO-AM-LSTM的飞机地面空调能耗预测

作者： 刘涵     林家泉   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 地面空调   长短时记忆神经网络   粒子群优化   飞机客舱   能耗预测  

描述： 作为一个复杂的热力系统，飞机地面空调能耗受到多种因素的影响，包括各种天气数据和时间特征。为提升飞机客舱使用地面空调制冷时地面空调能耗预测精度，构造了一种基于长短时记忆网络(LSTM)的地面空调能耗预测模型。该模型融合长短时记忆网络和注意力机制构建预测部分，用于提取和利用数据中的时序信息，并以预测精度作为算法的适应度函数，提出一种基于改进粒子群优化(IPSO)算法的超参数优化方法，与标准粒子群优化(PSO)算法相比，该优化算法将迭代次数与适应度相结合，构建了惯性权重的动态调节函数，对其进行动态调节，并引入粒子到全局最优位置的距离参数，提出一种粒子交叉策略，提高粒子群的多样性。所提方法在实际数据集上的仿真预测结果的均方误差为4.394，平均绝对百分比误差为0.774%，决定系数为0.968。与其他预测方法进行对比，结果表明：所提方法有更高的准确度。

基于注意力Seq2Seq模型的终端区航空器航迹预测

作者： 卢婷婷     刘博     李纯柱   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 注意力机制   终端区   序列到序列框架   航空运输   航迹预测  

描述： ，进行了航迹预测实验，实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能；以4种预测长度1、3、5和10 min进行建模，与基线模型中

基于Prophet的民航商务旅客出行量预测研究

作者： 鲍斌     云雄     甘国操     谢佳     刘辉   来源： 航空计算技术 年份： 2024 文献类型 ： 期刊 关键词： 时间序列模型   出行量预测   商务旅客   Prophet模型  

描述： 随着民航业竞争日益加剧，民航市场需求的细分和预测对于民航业的发展具有重要意义。而商务旅客作为民航客源重要组成部分，民航商务旅客出行量的准确预测，为民航业的科学规划、运营管理和收益管理等提供重要的决策依据。为探索一种准确率高、可解释性强的预测算法，对民航商务旅客出行量数据进行了可视化和分析，结合数据特点提出了基于Prophet模型的民航商务旅客出行量预测方法，并通过真实的民航商务旅客出行量数据进行实验和分析。实验结果表明，基于Prophet的模型与同类的ARIMA模型和LSTM模型相比，具有更高的预测精准度，同时具有更强的可解释性，证明了方法的有效性。

基于长短期记忆网络与轻梯度提升机的航空发动机大修期内剩余寿命预测

作者： 杨硕     高成   来源： 航空发动机 年份： 2024 文献类型 ： 期刊 关键词： 长短期记忆网络   航空发动机   组合模型   轻梯度提升机   剩余寿命预测  

描述： 针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单一模型面临特征提取不充分、预测精度不足等问题，提出一种长短期记忆网络（LSTM）与轻梯度提升机（LightGBM）的组合新模型方法进行大修期内剩余使用寿命（RUL）预测。通过LSTM对原始数据进行特征提取，将LSTM的输出门中特征提取后的数据作为LightGBM模型的输入进行RUL预测。利用NASA提供的发动机实测数据集进行了仿真试验，实现了对单个发动机的RUL预测，并与其他6种模型预测结果进行对比，对其预测剩余使用寿命的有效性进行验证。结果表明：LSTM和LightGBM组合模型比其他模型的预测误差显著减小，其4组数据集均方根误差仅为12.45、20.23、12.58、21.75。

基于MIC特征提取与BO-CatBoost的航空发动机RUL预测

作者： 李东君     李亚     李东文     朱贵富   来源： 空军工程大学学报 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   MIC   贝叶斯优化   剩余使用寿命   Bo   CatBoost  

描述： 针对航空发动机传感器监测的退化参数提取困难，易受噪声干扰及发动机剩余使用寿命预测精度不足等问题，利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法，提出了一种新的发动机剩余使用寿命预测模型。首先，为有效解决特征提取不足的问题，对采集的传感器历史监测特征进行最大信息系数相关性计算，提取出对发动机寿命运行周期影响较大的关键退化特征。其次，为解决剩余使用寿命预测中的梯度偏差及预测偏移问题，使用基于贝叶斯优化的类别特征梯度提升方法对航空发动机进行剩余使用寿命预测。最后，在美国航空航天局提供的商用模块化航空推进系统仿真数据集上进行实验，结果表明所提预测方法的性能较好，验证了该方法的有效性。

航空整体结构件数控加工变形预测及控制技术研究

作者： 丁明亮   来源： 模具制造 年份： 2024 文献类型 ： 期刊 关键词： 变形预测   变形机理   变形控制   航空整体结构件  

描述： 航空整体结构件是航空器的重要组成部分，其制造过程中需要考虑多种因素，包括材料的选择、结构的设计和加工过程的控制等。其中，材料特性和结构特性对航空整体结构件数控加工变形具有重要影响。分析了航空整体结构件数控加工变形机理，探讨了基于有限元模型和数字孪生技术的加工变形预测方法，并提出了毛坯残余应力调控技术、加工参数优化、走刀路径优化和优化装夹布局等控制策略。

航空齿轮薄辐板车削加工变形预测及切削参数优化研究

作者： 宦海祥     王孟雄     张可   来源： 机械科学与技术 年份： 2024 文献类型 ： 期刊 关键词： 齿轮薄辐板   变形预测   参数优化   切削力   切削仿真  

描述： 为了满足直升机传动系统轻量化的需求，作为直升机关键零部件的传动齿轮具有薄壁的显著特征，在切削加工中容易出现变形严重和尺寸精度难以保证的问题。本文以高强度中合金渗碳钢齿轮薄辐板为研究对象，基于ABAQUS有限元分析软件，开展了切削加工仿真研究，通过建立三维动态切削仿真模型，分析了加工过程中工件所受的切削力与切削参数之间的关系；并运用静态仿真分析了切削力和夹紧力叠加对薄辐板加工变形的影响，对仿真结果进行了极差分析。最后，通过开展试验对仿真结果进行了验证。结果表明：齿轮薄辐板加工变形量静力学分析显示齿轮辐板轴向变形量最大，径向变形在轮毂处最大；极差分析发现，切削速度为150 m/min、进给量为0.06 mm/r、切削深度为1.8 mm为最优切削参数，最大变形量的预测误差小于10%。

基于AM-LSTM的飞行区航空器滑行轨迹预测与冲突识别

作者： 王兴隆     许晏丰   来源： 中国安全科学学报 年份： 2024 文献类型 ： 期刊 关键词： 长短期记忆网络(LSTM)   飞行区   注意力机制(AM)   航空器滑行   滑行轨迹  

描述： 为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题，构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置；在此基础上，根据航空器型号和滑行航向对其进行轮廓扩展，以航空器速度作为安全距离权重，通过射线法实现轮廓冲突的判定；并以乌鲁木齐地窝堡机场为例进行验证，利用训练完成的轨迹预测模型预测飞行区航空器滑行轨迹，以识别航空器轮廓间的滑行冲突。结果表明：AM-LSTM预测模型能够准确预测飞行区航空器运动轨迹。未来3 s内轨迹位置预测的平均位移误差为1.05 m,轨迹点位置预测精准性可达94.37%,故能在轨迹预测的基础上精确识别滑行冲突风险，有利于保障飞行区的安全运行。

基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测

作者： 刘海瑞     武宪威     李鹏     钱征华     李锟   来源： 测控技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机轴承   支持向量机   主成分分析   轴承诊断   粒子群算法  

描述： 航空发动机轴承在高速、高温、高载荷等极端工况下易发生机械故障，为了提前预警，提出了一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization, APSO)算法的最小二乘支持向量机(APSO Least Squares Support Vector Machine, APSO-LSSVM)对滑油系统中轴承磨屑进行在线监测的故障诊断及寿命预测。通过主成分分析法(Principal Components Analysis, PCA)对滑油磨屑信息进行降维处理，构建特征向量，并将特征向量输入APSO-LSSVM模型，对轴承故障状态进行分类并对轴承剩余寿命进行预测。结果表明：使用PCA可以保留数据样本99.9%的信息，同时还能极大地降低数据维度；与遗传算法(Genetic Algorithm, GA)、灰狼优化(Grey Wolf Optimization, GWO)算法、粒子群优化(Particle Swarm Optimization, PSO)算法的支持向量机相比，所提算法因采用了自适应调节粒子移动步幅，在进行轴承状态分类时准确率更高，分类正确率可达95.56%,同时在进行轴承剩余寿命预测时具有较好的准确度和泛化性。