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。
科研之友
微信
新浪微博
Facebook
分享链接
