数据驱动的载人舱球壳下潜过程推演与异常诊断

针对大深度载人舱球壳下潜过程难以推演等问题,本文提出一种数据驱动的下潜过程推演与异常诊断算法。首先,对大深度载人舱球壳结构及历史下潜数据进行分析。其次,将下潜深度作为输入,关键热点应力作为输出,利用长短时记忆神经网络(long short-term memory network,LSTM)构建下潜过程推演模型,并对推演结果进行分析。与DNN模型和BP模型进行对比,推演误差分别降低35.89%和68.30%。最后,基于LSTM模型,提出一种数据异常诊断算法,该算法可对传感器出现故障时的异常数据进行及时诊断与修正。