基于AQPSO-LSTM-BN的APU故障診斷模型
所屬分類：技術(shù)論文
上傳者：muyx
文檔大小：2275 K
標(biāo)簽： 長短期記憶網(wǎng)絡(luò) 量子粒子群 自適應(yīng)量子粒子群
所需積分：0分積分不夠怎么辦？
文檔介紹：針對飛機(jī)APU的常見故障，提出了一種基于量子粒子群優(yōu)化的長短期記憶網(wǎng)絡(luò)與批規(guī)范化相結(jié)合的飛機(jī)APU故障診斷模型。從QAR數(shù)據(jù)庫中整理出需要的APU故障數(shù)據(jù)，將其進(jìn)行歸一化處理并分為訓(xùn)練集和測試集兩部分，建立CSV文檔數(shù)據(jù)庫；對量子粒子群進(jìn)行改進(jìn)，使用改進(jìn)后的量子粒子群對長短期記憶網(wǎng)絡(luò)的隱含層單元數(shù)目進(jìn)行尋優(yōu)；將優(yōu)化參數(shù)后的長短期記憶網(wǎng)絡(luò)與批規(guī)范化相結(jié)合搭建網(wǎng)絡(luò)模型，并在網(wǎng)絡(luò)最頂層加入Softmax模型，生成AQPSO-LSTM-BN故障診斷模型，使用訓(xùn)練集對故障診斷模型進(jìn)行訓(xùn)練，然后使用測試集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該模型可以有效識別APU故障，與單一長短期記憶網(wǎng)絡(luò)模型、支持向量機(jī)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型和極限學(xué)習(xí)機(jī)模型相比，識別準(zhǔn)確度有所提高。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。