Page 146 - 无损检测2024年第九期

院企风采

工神经网络（LSTM），构建了面向发动机气路 检测应用以及装备系统开发研究。开发的相关技
性能的 6 个重要指标（ΔEGT、ΔFF、ΔN2、 术在国产大飞机、航空发动机等重大装备上进行
EGT1、N21 和 FF1）的单特征输入和多特征输 了验证和应用，取得了系列创新性成果。
入 LSTM 预测模型，分析了模型的单步和多步预
测能力。与传统 ARMA 和支持向量回归模型进行
对比，发现 LSTM 模型整体上具有较高的预测精
度和稳定性。研究表明，LSTM 模型在进行气路
参数预测时能够更好地捕捉时序关系，算法精度
较高，同时克服了传统 RNN 网络长依赖的问题。
将 LSTM 应用于发动机健康管理，有助于发动机
总体性能衰退的预测和最佳换发时机的确定。

5 结语 厦门大学 航空航天学院 飞行器设计工程研究中心
厦门大学重大装备健康管理研究团队在先进 曾志伟 , 孙 虎 , 王奕首 , 方 正 , 李卫彬 , 周绮凤 ,
传感、无损检测、结构健康监测和航空发动机健 颜佳佳 , 卿新林 供稿
康管理等领域系统开展了基础理论、测量方法、 2024 年 4 月

108
2024 年 第46 卷 第9 期
无损检测