基于AQPSO-LSTM-BN的APU故障诊断模型

• 作者: 高丹妮
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 长短期记忆网络 量子粒子群 自适应量子粒子群 故障诊断 飞机辅助动力装置 批规范化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: ITNS主题专栏:人工智能技术
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP206+.3
• 字数: 4914字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.05.005

摘要

针对飞机APU的常见故障,提出了一种基于量子粒子群优化的长短期记忆网络与批规范化相结合的飞机APU故障诊断模型.从QAR数据库中整理出需要的APU故障数据,将其进行归一化处理并分为训练集和测试集两部分,建立CSV文档数据库;对量子粒子群进行改进,使用改进后的量子粒子群对长短期记忆网络的隐含层单元数目进行寻优;将优化参数后的长短期记忆网络与批规范化相结合搭建网络模型,并在网络最顶层加入 Softmax 模型,生成 AQPSO-LSTM-BN故障诊断模型,使用训练集对故障诊断模型进行训练,然后使用测试集进行实验.实验结果表明,该模型可以有效识别APU故障,与单一长短期记忆网络模型、支持向量机模型、循环神经网络模型和极限学习机模型相比,识别准确度有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高丹妮	中国民航大学电子信息与自动化学院	1	0	0.0	0.0