融合注意力机制的航空发动机推力估计方法研究
作者机构:南京航空航天大学能源与动力学院
出 版 物:《航空工程进展》 (Advances in Aeronautical Science and Engineering)
年 卷 期:2024年
学科分类:082502[工学-航空宇航推进理论与工程] 08[工学] 0825[工学-航空宇航科学与技术]
基 金:国家科技重大专项(J2019-I-0010-0010) 中央高校基本科研业务费(NS2022027) 航空发动机及燃气轮机基础科学中心项目(P2022-B-V-002-001)
主 题:推力估计 时间序列预测 LSTM 注意力机制 多任务学习 迁移学习
摘 要:准确预测航空发动机推力大小对直接控制发动机推力具有重要意义。为了提升航空发动机推力估计模型的准确性和实用性,针对时间序列预测构建融合LSTM和注意力机制的多任务LSTM-Attention模型;针对不同飞行条件下推力估计的问题,运用Fine-tune和改进DANN的迁移学习方法以增强模型对于多工况条件下的适应性。结果表明:LSTM融合注意力机制可以有效地对长时间序列数据进行建模,修正了LSTM在全局建模能力上不足的问题,同时也克服了注意力机制难以捕捉相对位置信息的局限;多任务学习策略能显著提高模型在油门杆突变节点处的预测精度,进一步提高了模型的准确性;当目标域数据较少时应当选择Fine-tune,而在目标域数据充足的情况下使用改进DANN方法将得到准确性更高的模型。