典型文献
基于MSCNN-LSTM编解码器的飞机辅助动力装置EGT预测模型
文献摘要：
针对提高飞机辅助动力装置(auxiliary power unit,APU)排气温度(exhaust gas temperature,EGT)参数的预测精度问题,提出了一种基于特征选择和多尺度卷积-长短期记忆网络编码器-解码器的EGT预测模型.首先,利用随机森林方法确定重要度较高的APU监测参数;其次,利用多尺度卷积神经网络能够提取信号深度特征和LSTM网络能够学习序列长时间依赖的特性,建立了编码器-解码器预测模型;最后,以某型APU实时报文数据为例,通过与其他方法进行对比验证了模型的可行性,能够提高EGT预测的准确度.
文献关键词：
辅助动力装置;排气温度;多尺度卷积神经网络;长短期记忆网络;编码器-解码器
中图分类号：
作者姓名：
白春垣;孙有朝
作者机构：
南京航空航天大学民航学院,南京211106
文献出处：
引用格式：
[1]白春垣;孙有朝-.基于MSCNN-LSTM编解码器的飞机辅助动力装置EGT预测模型)[J].组合机床与自动化加工技术,2022(02):45-49
A类：
B类：
MSCNN,编解码器,辅助动力装置,EGT,高飞,auxiliary,power,unit,APU,排气温度,exhaust,gas,temperature,精度问题,特征选择,长短期记忆网络,网络编码,编码器,随机森林方法,重要度,监测参数,多尺度卷积神经网络,取信,深度特征,够学,学习序列,时间依赖,时报,报文,其他方法,对比验证
AB值：
0.348827
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
