文献类型：期刊文章

作　　者：陈聪[1] 候磊[2] 李乐乐[3] 杨鑫涛[1]

CHEN Cong;HOU Lei;LI Le-le;YANG Xin-tao(Aeronautical Engineering College, Civil Aviation University of China, Tianjin 300300, China;School of Aeronautic Science and Engineering, Beihang University, Beijing 100191, China;School of Energy and Power Engineering, Beihang University, Beijing 100191, China)

机构地区：[1]中国民航大学航空工程学院,天津300300 [2]北京航空航天大学航空科学与工程学院,北京100191 [3]北京航空航天大学能源与动力学院,北京100191

出　　处：《科学技术与工程》

基　　金：工信部民机专项(MJZ-2017-Y-82);中央高校基本科研业务费(3122020032)。

年　　份：2021

卷　　号：21

期　　号：27

起止页码：11663-11673

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：利用从飞机快速存储记录器(quick access recorder,QAR)中获取的大量数据设计研究了一种利用循环神经网络(recurrent neural network,RNN)及其改进网络门控循环单元(gate recurrent unit,GRU)进行飞机燃油流量预测的模型。首先使用基于时间的反向传播算法(back propagation trough time,BPTT)训练网络,Adam优化算法加速迭代更新神经网络权重。在参数调整实验中发现循环神经网络对历史信息利用能力不足,极易发生梯度消失与梯度爆炸,遂提出改进网络结构,引入GRU重构燃油流量预测模型。在最优的超参数条件下,重构模型在训练集和测试集上的损失函数均方误差(mean squared error,MSE)值分别为0.00108、0.00097。通过与朴素RNN的预测曲线和MSE对比可以发现,改进后的GRU网络能够“记忆”更多历史信息而不易出现梯度消失或梯度爆炸的问题,预测精度与曲线拟合能力显著提高。因此,GRU重构模型显著改善了预测能力,并通过实际案例验证该预测模型在故障诊断等领域的应用。

关 键 词：燃油流量预测  RNN神经网络  GRU神经网络  BPTT算法  

分 类 号：TP391.9]