發(fā)布時間：2025-01-01 02:18

　　輔助動力裝置(Auxiliary Power Unit,APU)作為飛機的重要裝置,不僅可以保證飛機安全啟動,在飛機停在地面時,還為飛機供氣,供電,保證客艙舒適性。因此,對飛機APU進行故障診斷研究顯得尤為重要,針對APU故障診斷開展如下研究:首先,提出了一種優(yōu)化的LSTM飛機APU故障診斷模型,LSTM存在人工選擇參數(shù)的較大不確定性和隨機性,嚴重影響到故障診斷結(jié)果,改進粒子群算法對LSTM的隱含層節(jié)點數(shù)進行優(yōu)化。改進粒子群算法先以聚類思想重新規(guī)劃粒子群,劃分學習小組,將粒子分為普通學生粒子和學習小組組長粒子,以傳統(tǒng)更新方式更新普通學生粒子,以各學習小組組長粒子的信息權(quán)重和來指導(dǎo)更新組長粒子,增加了各學習小組的信息交互,并加入修正向量對局部最優(yōu)粒子批判繼承,避免陷入局部最優(yōu)解,對得到的自適應(yīng)粒子群算法進行性能測試,結(jié)果表明自適應(yīng)粒子群算法比傳統(tǒng)粒子群算法效果更佳。將LSTM隱含層節(jié)點作為自適應(yīng)粒子群算法中的班級粒子,初始化后對其進行尋優(yōu),將得到的最優(yōu)值代入LSTM網(wǎng)絡(luò)模型,用得到的APSO-LSTM故障診斷模型對飛機APU進行故障診斷,實驗結(jié)果表明與人工選取節(jié)點的LSTM以及其它相關(guān)算法...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

圖 3-4 訓(xùn)練 2000 次學習率對比曲線

中國民航大學碩士學位論文23圖3-4訓(xùn)練2000次學習率對比曲線由圖3.4可知，（1）訓(xùn)練850次后，三種正確率都有下降，為了保持運行速度，避免梯度爆炸，訓(xùn)練次數(shù)選擇為800次；（2）學習率決定了循環(huán)迭代的快慢，訓(xùn)練次數(shù)達到800次之前，三種學習率中，學習率為0.006時正確率曲....

圖3-5不同樣本對比曲線

中國民航大學碩士學位論文23圖3-4訓(xùn)練2000次學習率對比曲線由圖3.4可知，（1）訓(xùn)練850次后，三種正確率都有下降，為了保持運行速度，避免梯度爆炸，訓(xùn)練次數(shù)選擇為800次；（2）學習率決定了循環(huán)迭代的快慢，訓(xùn)練次數(shù)達到800次之前，三種學習率中，學習率為0.006時正確率曲....

圖 3-6 APSO-LSTM 模型診斷結(jié)果圖

中國民航大學碩士學位論文24圖3-6APSO-LSTM模型診斷結(jié)果圖圖3-6中橫坐標0-100為正常數(shù)據(jù)，測試結(jié)果顯示可以完全識別；100-200為滑油故障，判錯2個；200-300為排氣系統(tǒng)故障，判錯1個；300-400為發(fā)電機故障，判錯2個。為驗證優(yōu)化算法的合理性，將模型結(jié)果....

圖 3-7 APSO-LSTM 和 LSTM 對比圖

中國民航大學碩士學位論文24圖3-6APSO-LSTM模型診斷結(jié)果圖圖3-6中橫坐標0-100為正常數(shù)據(jù)，測試結(jié)果顯示可以完全識別；100-200為滑油故障，判錯2個；200-300為排氣系統(tǒng)故障，判錯1個；300-400為發(fā)電機故障，判錯2個。為驗證優(yōu)化算法的合理性，將模型結(jié)果....

本文編號：4021901