Page 54 - 2023中国无损检测年度报告
P. 54
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
工神经网络（LSTM），构建了面向发动机气路 总体性能衰退的预测和最佳换发时机的确定。
性能的 6 个重要指标（ΔEGT、ΔFF、ΔN2、 5 结语
EGT1、N21 和 FF1）的单特征输入和多特征输
入 LSTM 预测模型，分析了模型的单步和多步预 厦门大学重大装备健康管理研究团队在先进
测能力。与传统 ARMA 和支持向量回归模型进行 传感、无损检测、结构健康监测和航空发动机健
对比，发现 LSTM 模型整体上具有较高的预测精 康管理等领域系统开展了基础理论、测量方法、
度和稳定性。研究表明，LSTM 模型在进行气路 检测应用以及装备系统开发研究。开发的相关技
参数预测时能够更好地捕捉时序关系，算法精度 术在国产大飞机、航空发动机等重大装备上进行
较高，同时克服了传统 RNN 网络长依赖的问题。 了验证和应用，取得了系列创新性成果。
将 LSTM 应用于发动机健康管理，有助于发动机
44
