面向航空发动机多传感器并行预测模型的设计与实现

• 作者: 陆超 李晓瑜 姚艳玲 唐晓澜 彭宇 王书福
• 来源期刊: 电子科技大学学报
• 关键词: 数据标准化 长短期记忆网络 Seq2Seq 滑动窗口 时序数据预测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机工程与应用|Computer Engineering and Applications
• 页码范围: 580-585
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.12178/1001-0548.2020365

摘要

为了准确预测航空发动机工作时传感器数据的变化趋势,有效监控航空发动机的工作状态,该文就发动机高压压气机转子转速、燃烧室燃油喷嘴压力、涡轮后温度等数个航空发动机主要传感器数据,使用滑动窗口算法截取子序列构建数据集并对其进行标准化.提出了一种基于Seq2Seq的面向航空发动机多传感器数据预测神经网络模型(AMSDPNN),并对该网络进行优化,最终实现了对航空发动机多传感器数据的预测.实验表明,相较于其他传统数据预测模型,该模型有着更好的预测效果,其均方误差值为0.1％,同时提前320 ms实现了对航空发动机传感器数据的预测.