[发明专利]基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法

权利要求书

1.基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，该预测方法的具体过程为：

S1、通过飞机通信寻址与报告系统获得飞机辅助动力装置的在翼监测数据，从在翼监测数据中筛选出排气温度；

S2、对排气温度进行滑动平均预处理，将排气温度分为训练集和测试集；

S3、采用S2获得的训练集分别训练LSTM和SVR模型；

S4、采用卡尔曼滤波将LSTM和SVR模型融合，获得融合模型；

S5、采用S2获得的测试集对S4获得的融合模型进行性能预测；

其特征在于，S3所述采用训练集训练LSTM的具体过程为：

令g(t)表示输入元，h(t)表示输出元，M表示记忆元，i(t)表示输入控制门，O(t)表示输出控制门，f(t)表示遗忘控制门；

输入控制门、输出控制门和遗忘控制门分别连接到三个乘法单元上，分别控制记忆元的读、写和遗忘操作；

若模型的输入长度为T，输入序列为x，在时刻t时，第l层的第j个记忆模块的状态为：

表示第l层的第j个记忆模块在t时刻的输入元，x^l(t)表示第l层的记忆模块在t时刻的输入序列，h^l(t-1)表示第l层的记忆模块在t-1时刻的输出，表示x^l(t)到的权重，表示h^l(t-1)到的权重，表示x^l(t)到的偏置；

表示第l层的第j个记忆模块在t时刻的输入控制门，表示x^l(t)到的权重，表示h^l(t-1)到的权重，表示x^l(t)到的偏置；

表示第l层的第j个记忆模块在t时刻的遗忘控制门，表示x^l(t)到的权重，表示h^l(t-1)到的权重，表示x^l(t)到的偏置；

表示第l层的第j个记忆模块在t时刻的记忆元，表示第l层的第j个记忆模块在t-1时刻的记忆元；

表示第l层的第j个记忆模块在t时刻的输出控制门，表示x^l(t)到的权重，表示h^l(t-1)到的权重，表示x^l(t)到的偏置；

表示第l层的第j个记忆模块在t时刻的输出。

2.根据权利要求1所述的基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，其特征在于，S1所述通过飞机通信寻址与报告系统获得飞机辅助动力装置的在翼监测数据的具体过程为：

对飞机通信寻址与报告系统的报文进行报文解析，获得飞机辅助动力装置的在翼监测数据。

3.根据权利要求1所述的基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，其特征在于，S2所述将排气温度分为训练集和测试集的具体方法为：

排气温度的数据集包括960个采样数据点，将数据集按照73:27的比例划分训练集和测试集，训练集为前701个样本点，测试集为259个样本点。

4.根据权利要求1所述的基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，其特征在于，S3所述采用训练集训练SVR模型的具体过程为：

SVR模型为：

其中，ω表示法向量，C表示正则化常数，m表示训练SVR模型所使用的训练样本的个数，r为中间变量，r＝1,2,…,m，z_ε(·)表示ε不敏感损失函数，ε表示SVR模型输出与真实值之间的偏差，u_r表示第r个训练样本的特征，v_r表示第r个训练样本的标记，q(u_r)表示输入为u_r时的模型输出；

令d＝q(u_r)-v_r，则z_ε(q(u_r)-v_r)表示为：

引入松弛变量ξ_i和则SVR模型改写为：

5.根据权利要求4所述的基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，其特征在于，S5所述对融合模型进行性能预测的具体过程为：

离散控制过程用线性随机差分方程来描述，线性随机差分方程为：

X(k)＝AX(k-1)+BU(k)+S(k)；

测量值表示为：

Z(k)＝HX(k)+V(k)；

X(k)表示系统在k时刻的状态，X(k-1)表示系统在k-1时刻的状态，U(k)表示系统在k时刻的控制量，S(k)表示过程噪声，A和B为系统参数，Z(k)表示k时刻的测量值，H为多测量系统的矩阵，V(k)表示测量噪声；

假设过程噪声和测量噪声是高斯白噪声，协方差分别为Q和R；

假设当前状态为k时刻，根据系统模型和系统前一时刻状态，预测方程为：

X(k|k-1)＝AX(k-1|k-1)+BU(k)；

其中，X(k|k-1)表示前一时刻状态的预测结果，X(k-1|k-1)表示前一时刻状态的最优结果；

X(k|k-1)的协方差P(k|k-1)为：

P(k|k-1)＝AP(k-1|k-1)A^T+Q；

其中，P(k-1|k-1)是X(k-1|k-1)的协方差，A^T表示A的转置矩阵；

获得当前状态X(k|k)的最优估计值：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))；

其中，Kg(k)表示卡尔曼增益，

Kg(k)＝P(k|k-1)H^T/(HP(k|k-1)H^T+R)；

其中，H^T表示H的转置矩阵。