基于改进LSTM的航空发动机气路参数预测方法.pdfVIP

测控技术

燃气涡轮发动机测控技术专刊（二）２０２４４３２·１·

年第卷第期

基于改进ＬＳＴＭ的航空发动机气路参数预测方法



马帅，吴亚锋，郑华，缑林峰

（西北工业大学动力与能源学院，陕西西安７１００７２）

摘要以航空燃气涡轮发动机气路故障诊断为导向提出了一种用于发动机气路参数预测的特征注意力

：，

增强型长短时记忆网络（ＦｅａｔｕｒｅＡｔｔｅｎｔｉｏｎＥｎｈａｎｃｅｄＬｏｎｇＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙＮｅｔｗｏｒｋ，ＦＡＥＬＳＴＭ）。

ＦＡＥＬＳＴＭ－

是具有编码解码结构的动态网络，首先通过编码器中的特征注意力单元对工况序列进行

动态特征提取然后通过特征拼接层融合编码器输出序列工况序列和历史性能参数最后通过解码器

，、，

实现最终的参数预测ＦＡＥＬＳＴＭ基于发动机飞行过程数据建立发动机在健康状态下的动态模型从

。，

。

而作为参数预测模型应用于基于残差的故障诊断系统中针对网络的预测性能和应用方式进行了仿真

分析，结果表明，相比于其他常用多变量时间序列预测模型，ＦＡＥＬＳＴＭ的长期预测误差最低减少

２４５％；相比于使用串－并联结构，故障检测系统使用并联结构的ＦＡＥＬＳＴＭ网络能够获得更精确的检

测结果。

关键词：航空发动机；性能参数预测；故障诊断；特征注意力机制；ＬＳＴＭ网络

中图分类号：Ｖ２６３．６文献标志码：Ａ文章编号：１０００－８８２９（２０２４）０２－０００１－１０

：

ｄｏｉ１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０６．２４１

ＡｅｒｏｅｎｇｉｎｅＧａｓＰａｔｈＰａｒａｍｅｔｅｒＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＬＳＴＭ



ＭＡＳｈｕａｉ牞ＷＵＹａｆｅｎｇ牞ＺＨＥＮＧＨｕａ牞ＧＯＵＬｉｎｆｅｎｇ

牗ＳｃｈｏｏｌｏｆＰｏｗｅｒａｎｄＥｎｅｒｇｙ牞ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ牞Ｘｉａｎ７１００７２牞Ｃｈｉｎａ牘

Ａｂｓｔｒａｃｔ牶Ｏｒｉｅｎｔｅｄｂｙｔｈｅｇａｓｐａｔｈｆａｕｌｔｄｉａｇｎｏｓｉｓ牞ａｎｏｖｅｌｐａｒａｍｅｔｅｒｐｒｅｄｉｃｔｉｏｎａｐｐｒｏａｃｈｂａｓｅｄｏｎｆｅａｔｕｒｅａｔ

ｔｅｎｔｉｏｎｅｎｈａｎｃｅｄｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙｎｅｔｗｏｒｋ牗ＦＡＥＬＳＴＭ牘ｉｓｐｒｏｐｏｓｅｄｆｏｒｇａｓｔｕｒｂｉｎｅｅｎｇｉｎｅｓ．ＦＡＥ

ＬＳＴＭｉｓａｄｙｎａｍｉｃｎｅｔｗｏｒｋｗｉｔｈａｎｅｎｃｏｄｉｎｇｄｅｃｏｄｉｎｇｓｔｒｕｃｔｕｒｅ．Ｆｉｒｓｔｌｙ牞ｔｈｅｅｎｃｏｄｅｒｅｘｔｒａｃｔｓｔｈｅｄｙｎａｍｉｃｆｅａ

ｔｕｒｅｓｏｆｔｈｅｅｘｏｇｅｎｏｕｓｉｎｐｕｔｓｅｑｕｅｎｃｅ牞ａｎｄｔｈｅｎａｆｅａｔｕｒｅｆｕｓｉｏｎｐｒｏｃｅｓｓｉｓａｐｐｌｉｅｄｔｈｒｏｕｇｈａｃｏｎｃａｔｅｎａｔｅｌａｙｅｒ

ｂｙｃｏｎｃａｔｅｎａｔｉｎｇｔｈｅｅｎｃｏｄｅｒｏｕｔｐｕ