基于DAM和CNN-LSTM的辅助动力装置性能参数预测模型

来源：计算机测量与控制杂志2022年第5期北京时间：

作者：王 力,马 宪

单位：中国民航大学 职业技术学院

摘要：针对辅助动力装置(auxiliary power unit, APU)性能参数难以准确预测的问题，提出一种基于特征与时序的双阶段注意力机制(dual-stage attention mechanism,DAM)和卷积神经网络(CNN)-长短期记忆网络(LSTM)的混合模型。所提的方法在特征提取阶段加入了通道注意力机制(Channel attention mechanism ,CAM)；输出阶段加入了时序注意力机制(Temporal attention mechanism ,TAM)，加强了CNN对重要特征的提取能力和历史关键信息对预测输出的影响，并利用改进的粒子群算法对模型关键参数寻优，提高预测精度。实验结果表明，所提出的新方法在多变量输入和多步长的APU排气温度(exhaust gas temperature，EGT)预测中均取得了很好的效果，预测精度大幅提高。

关键词：辅助动力装置;性能参数预测;双阶段注意力机制;长短期记忆网络;排气温度;粒子群算法

基金资助：国家自然科学基金民航联合基金(U1733119)