首页>
根据【关键词:LSTM神经网络】搜索到相关结果 4 条
-
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
-
作者:
张小龙
汪曦
于晓光
薛政坤
崔芷宁
吕佳文
来源:
液压与气动
年份:
2022
文献类型 :
期刊
关键词:
液压管路卡箍
故障诊断
LSTM神经网络
VMD
-
描述:
航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型。针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)-长短时记忆(Long Short-Term Memory, LSTM)神经网络模型的智能故障诊断方法。首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解处理;最后,将分解后的模态分量输入LSTM网络中进行特征学习,从而实现卡箍故障的识别。实验表明:该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别,故障总体识别准确率能够达到98.5%以上,有效地提高了航空液压管路卡箍故障识别的准确率。
-
航空发动机虚拟自学习控制方法研究
-
作者:
董建华
朱建铭
黎瀚涛
刘文烁
唐炜
来源:
航空工程进展
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
LSTM神经网络
智能控制
强化学习
TD3算法
-
描述:
随着人工智能技术的发展,智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强,而基于发动机气热动力学公式的机理建模会引入较大的建模误差,给控制器设计带来困难。对此,提出一种基于强化学习的航空发动机控制虚拟自学习方法,首先利用航空发动机的试验数据通过LSTM神经网络建立虚拟学习环境,然后采用深度强化学习TD3算法,在虚拟环境中训练智能控制器,最后采用JT9D发动机模型验证智能控制器的性能。结果表明:相比于传统PID控制,智能控制器产生的超调量更小,调节时间更短。
-
航空网络延误预测及延误消解特性研究
-
作者:
张渤
来源:
北京交通大学
年份:
2021
文献类型 :
学位论文
关键词:
延误消解
航班延误预测
随机森林
LSTM神经网络
k
航空网络
modes算法
-
描述:
航空网络延误预测及延误消解特性研究
-
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%。