基于DAM-QLSTM混合模型的辅助动力装置性能参数预测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：对飞机辅助动力装置（APU）排气温度（EGT）进行准确预测，能有效监测APU未来工作状态，预防安全事故发生。本文提出一种融合双阶段注意力机制（DAM），以及分位数损失（quantile-loss）引导的长短期记忆（LSTM）网络的APU排气温度预测模型。采用双阶段注意力机制，能有效量化输入变量与EGT的关联度，并加强历史关键信息对输出的作用效果。（剩余11616字）

试读结束

目录
monitor