輔助動(dòng)力裝置(Auxiliary Power Unit,APU)作為飛機(jī)的重要裝置,不僅可以保證飛機(jī)安全啟動(dòng),在飛機(jī)停在地面時(shí),還為飛機(jī)供氣,供電,保證客艙舒適性。因此,對(duì)飛機(jī)APU進(jìn)行故障診斷研究顯得尤為重要,針對(duì)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(jī)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(jī)性,嚴(yán)重影響到故障診斷結(jié)果,改進(jìn)粒子群算法對(duì)LSTM的隱含層節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化。改進(jìn)粒子群算法先以聚類思想重新規(guī)劃粒子群,劃分學(xué)習(xí)小組,將粒子分為普通學(xué)生粒子和學(xué)習(xí)小組組長粒子,以傳統(tǒng)更新方式更新普通學(xué)生粒子,以各學(xué)習(xí)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(xué)習(xí)小組的信息交互,并加入修正向量對(duì)局部最優(yōu)粒子批判繼承,避免陷入局部最優(yōu)解,對(duì)得到的自適應(yīng)粒子群算法進(jìn)行性能測(cè)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(diǎn)作為自適應(yīng)粒子群算法中的班級(jí)粒子,初始化后對(duì)其進(jìn)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(duì)飛機(jī)APU進(jìn)行故障診斷,實(shí)驗(yàn)結(jié)果表明與人工選取節(jié)點(diǎn)的LSTM以及其它相關(guān)算法...

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖 3-4 訓(xùn)練 2000 次學(xué)習(xí)率對(duì)比曲線

中國民航大學(xué)碩士學(xué)位論文23圖3-4訓(xùn)練2000次學(xué)習(xí)率對(duì)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(yùn)行速度，避免梯度爆炸，訓(xùn)練次數(shù)選擇為800次；（2）學(xué)習(xí)率決定了循環(huán)迭代的快慢，訓(xùn)練次數(shù)達(dá)到800次之前，三種學(xué)習(xí)率中，學(xué)習(xí)率為0.006時(shí)正確率曲....

圖3-5不同樣本對(duì)比曲線

中國民航大學(xué)碩士學(xué)位論文23圖3-4訓(xùn)練2000次學(xué)習(xí)率對(duì)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(yùn)行速度，避免梯度爆炸，訓(xùn)練次數(shù)選擇為800次；（2）學(xué)習(xí)率決定了循環(huán)迭代的快慢，訓(xùn)練次數(shù)達(dá)到800次之前，三種學(xué)習(xí)率中，學(xué)習(xí)率為0.006時(shí)正確率曲....

圖 3-6 APSO-LSTM 模型診斷結(jié)果圖

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

圖 3-7 APSO-LSTM 和 LSTM 對(duì)比圖

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

本文編號(hào)：4021901