机器学习在航空发动机排气温度预测中的应用研究

排气温度是优化发动机性能和排放的关键参数,目标是在预测排气温度的基础上评估四种经典机器学习回归算法,即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入,所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时,门控循环单元的预测精度最高,但它通常需要高质量的无噪声数据;随机森林的精度最低,但需要的计算资源最少;支持向量回归在耗费高计算资源的前提下保证了较好的预测精度;人工神经网络是最合适的预测算法,但它存在繁琐的超参数调整过程。结果表明,经过良好训练的机器学习模型可以准确预测航空发动机排气温度,同时也有助于优化发动机性能、排放和寿命。