首页>
根据【关键词:航空大数据,循环神经网络,时间序列预测,深度迁移学习】搜索到相关结果 3 条
-
基于改进GRU的航空发动机剩余寿命预测
-
作者:
车畅畅
王华伟
倪晓梅
付强
来源:
航空计算技术
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
时间序列预测
性能退化分析
GRU神经网络
剩余寿命预测
-
描述:
针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多状态参数输入到第一层GRU进行性能退化分析得到性能指标;利用剩下的GRU层对性能指标进行时间序列预测;在得到性能指标预测的基础上,通过设定阈值得到最终的剩余寿命预测结果。通过实验验证证明:与传统的时间序列预测模型相比,改进GRU模型解决了传统GRU模型在处理多状态参数时的重复建模问题,并且有更高的剩余寿命预测准确率和更强的抗干扰能力。
-
飞机完好率预测仿真研究
-
作者:
孙璐璐
滕曰
黄锐
来源:
兵器装备工程学报
年份:
2018
文献类型 :
期刊
关键词:
数据驱动
支持向量机
时间序列预测
飞机完好率
神经网络
-
描述:
利用飞机完好率时间序列特性,建立了NAR神经网络模型和基于不同核函数的3种支持向量机模型对平时状态下的飞机完好率变化趋势进行建模、训练和预测;运用Matlab仿真软件进行试验验证,结果表明:支持向量机模型具有较好的拟合效果,预测精度优于NAR神经网络模型,基于RBF核函数的支持向量机预测准确率相对较高。两种预测模型相比于部队现行的预测方法均具有更高的准确度和可靠度。
-
航空器爬升与下降阶段4D航迹预测
-
作者:
赵元棣
李科频
朱文心
来源:
科学技术与工程
年份:
2023
文献类型 :
期刊
关键词:
长短期记忆网络
4D航迹预测
循环神经网络
机器学习
航空运输
-
描述:
准确的4D航迹预测可以在冲突探测与解脱、航迹优化和空中交通流量管理等多个领域发挥重要作用。为提高预测的准确性,提出了基于机器学习的航空器4D航迹预测方法。首先,利用爬升阶段提取研究指标,构建循环神经网络(recurrent neural network, RNN)和长短期记忆网络(long short/term memory, LSTM);其次,在下降阶段进行数据维度拓展,构建RNN、LSTM模型进行航迹预测;最后,对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明,爬升阶段模型和下降阶段模型对于航空器位置预测准确性高,展现了航迹预测模型的良好鲁棒性。