基于融合神经网络的发动机排气温度裕度预测

作     者：李杰 孟凡熙 张子辰 朱玮 Li Jie;Meng Fanxi;Zhang Zichen;Zhu Wei

作者机构：长安大学电子与控制工程学院陕西西安710064 

基　　金：国家市场监督管理总局科技计划项目(2021MK104) 科技部国际科技合作项目(G2021171024L) 

出 版 物：《华东交通大学学报》 (Journal of East China Jiaotong University)

年 卷 期：2022年第39卷第6期

页      码：90-97页

摘      要：民用航空发动机排气温度裕度(EGTM)的变化趋势反映了其性能衰退情况,为使用EGTM的变化趋势来映射其性能衰退情况,提出了一种经验模态分解(EMD)算法与卷积长短期记忆网络(CNN-LSTM)相融合的EGTM组合预测模型。采用EMD将原始EGTM序列分解为多个固有模态分量和残差分量,并将所有分量作为模型输入,利用卷积长短期记忆网络捕获各分量非线性相关性并提取长时依赖关系,构建深度学习模型框架。为验证所提方法的有效性,采用某航空公司10 a的EGTM的实际测试数据进行实验分析,并设计了5种神经网络作为竞争模型进行对比研究。实验结果表明:相比于竞争模型,所提出的EMD-CNN-LSTM组合预测模型可使平均绝对误差和均方根误差降低37.82%和33.01%,拟合优度提高1.02%,此外,当EGTM处于敏感区域时,所提出模型的EGTM单点预测精度显著高于其他竞争模型。结果表明,该融合神经网络模型在民航发动机EGTM预测中具有较好的准确性和稳定性。

主 题 词：排气温度裕度预测 民航发动机 经验模态分解 融合神经网络 

学科分类：082502[082502] 08[工学] 0825[工学-环境科学与工程类] 

D　O　I：10.16749/j.cnki.jecjtu.20221104.009

馆 藏 号：203115617...