基于PSO⁃BiLSTM神经网络的机身筒段应力预测

作     者：杨超 张开富 YANG Chao;ZHANG Kaifu

作者机构：西北工业大学机电学院西安710072 中国航空工业集团公司北京长城航空测控技术研究所北京101111 

出 版 物：《航空学报》 (Acta Aeronautica et Astronautica Sinica)

年 卷 期：2023年第44卷第7期

页      面：261-270页

核心收录：

学科分类：08[工学] 0825[工学-航空宇航科学与技术] 

基　　金：国家级项目 

主　　题：装配 机身筒段 形状控制 实时监测 应力预测 粒子群算法 

摘      要：飞机机身部件在装配对接前,通常需要使用形状控制工装调节机身筒段形状以达到对接标准,为避免出现控形过程中筒段局部应力过大损坏机身的情况,需实时监测机身筒段应力变化,为此提出基于粒子群优化算法和双向长短期记忆(PSO-BiLSTM)神经网络的应力预测方法。通过机身筒段控形历史数据对应力预测模型进行训练和测试,采用粒子群优化算法迭代优化神经网络超参数,实验结果表明,PSO-BiLSTM神经网络凭借长记忆细胞和高模型容量优势在处理序列式数据方面具有明显优势,应力预测损失在0.3%的均方根误差范围内收敛。与竞争模型循环神经网络(RNN)、标准长短期记忆(LSTM)神经网络和双向长短期记忆(BiLSTM)神经网络相比,PSO-BiLSTM神经网络模型不仅预测结果更准确,训练效率也明显提高。