基于Autoencoder-TCN的航空发动机排气温度预测
孔晨亦
李学仁
杜军
1.空军工程大学航空工程学院,西安,7100382.空军工程大学航空工程学院,西安,7100383.空军工程大学航空工程学院,西安,710038
摘要：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.
关键词：航空发动机排气温度自编码器时间卷积神经网络
分类号：V239(航空发动机（推进系统）)
资助基金：国家自然科学基金(61573373)
论文发表日期：2020-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 55-61 )
英文信息