首页> 中文期刊> 《计算机测量与控制》 >基于DAM和CNN-LSTM的辅助动力装置性能参数预测模型

基于DAM和CNN-LSTM的辅助动力装置性能参数预测模型

         

摘要

针对辅助动力装置(APU,auxiliary power unit)性能参数难以准确预测的问题,提出一种基于特征与时序的双阶段注意力机制(DAM,dual-stage attention mechanism)和卷积神经网络(CNN)-长短期记忆网络(LSTM)的混合模型;所提的方法在特征提取阶段加入了通道注意力机制(CAM,channel attention mechanism);输出阶段加入了时序注意力机制(TAM,temporal attention mechanism),加强了CNN对重要特征的提取能力和历史关键信息对预测输出的影响,并利用改进的粒子群算法对模型关键参数寻优,提高预测精度;实验结果表明,所提出的新方法在多变量输入和多步长的APU排气温度(EGT,exhaust gas temperature)预测中均取得了很好的效果,预测精度大幅提高。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号