空军工程大学学报

作者：孔晨亦，李学仁，杜军

单位：空军工程大学航空工程学院， 西安， 710038\

关键词：航空发动机;排气温度;自编码器;时间卷积神经网络

基金：国家自然科学基金（61573373）

针对目前航空发动机排气温度预测模型精度不高、传统RNN类神经网络对飞行数据时间维度信息挖掘不充分的问题，提出了一种结合自编码器Autoencoder和时间卷积神经网络TCN的航空发动机排气温度预测模型。首先通过Autoencoder方法从飞行数据中提取与排气温度相关的特征，以降维后的特征作为输入，建立TCN网络深度学习模型，以航空发动机排气温度作为输出，充分挖掘飞行数据的时间维度信息，从而提高模型精度。最后选取真实飞行数据进行实验，结果表明，与BP、LSTM神经网络模型相比，该模型的平均绝对百分比误差由13.035%和9.593%降低至3.369%，有效提高了模型预测精度。

来源：2020年第5期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2020年第5期