基于PSO-LSTM-Attention算法的液压管路压力预测

作者：李昂; 徐梓敬; 徐凯宏^*; 谈子所

来源：中国电子科学研究院学报, 2023, 18(12): 1094-1099.

• 液压管路
• 粒子群算法
• LSTM
• 压力预测
• 注意力机制

在液压系统中，液压管路是实现压力传导功能的重要组成部分，其压力值的变化不容忽视。在环境误差等因素的影响下，液压管路的压力变化呈现非线性和不稳定性。为解决该问题，提出基于粒子群优化算法(PSO)改进的基于注意力机制(Attention)的长短期记忆神经网络(LSTM)的液压管路压力预测方案。用某飞机液压管路的压力检测值作为输入数据，实现液压管路某支路位置的压力预测，并完成预测结果的可视化。实验结果表明，该模型预测平均误差为1.78%,符合液压管路压力预测要求。

• 单位
  东北林业大学; 上海望源测控仪表设备有限公司