基于LSTM的航空发动机电气附件性能预测

电气附件是航空发动机重要组成部分,包括电磁活门、作动器、传感器等,其结构复杂,种类庞多,还因振动、疲劳、应力等原因性能衰减,导致信号错误或控制失灵,严重时造成发动机空中停车,直接影响到飞机飞行安全。对此设计开发一套发动机电气附件性能预测系统,通过长短期记忆神经网络(Long Short-Term Memory Network,LSTM)构建基于数据驱动的电气附件静态性能预测模型,通过机器的训练与学习,预测分析电气附件的性能衰减状况,为发动机的维修提供有力的技术支持。