节点文献
基于改进TFT-GCN元学习融合网络的航空发动机性能预测
【机构】 南京航空航天大学,航空航天结构力学及控制全国重点实验室；
【摘要】 针对航空发动机传统性能参数预测方法在不同环境中存在准确性与稳定性不足的问题,提出了一种基于TFT与GCN元学习融合网络的发动机性能参数预测方法。该方法设计了基于粒子群优化超参数寻优算法,TFT利用门控机制和自注意力算法提取全局特征,GCN借助图卷积层捕捉邻域特征,在此基础上进一步实现对环境特征的有效提取,并发展了元学习融合方法,依据权重学习方法分配权重融合二者优势。开展了不同环境条件下的准确性分析与验证,结果表明相对于传统预测方法,融合模型在推力、耗油率和高压涡轮出口温度预测中均方根误差最低,在消融实验中相对误差绝对值相比单一模型显著降低,在鲁棒性实验中面对多种典型环境条件也表现最优,这表明融合模型预测精度高、鲁棒性强,为航空发动机性能预测及健康管理提供了有效方案。
【基金】 国家重点研发计划(2023YFB3307100)
- 【会议录名称】 第九届空天动力联合会议暨中国航天第三专业信息网第四十五届技术交流会论文集（第五册）
- 【会议名称】第九届空天动力联合会议暨中国航天第三专业信息网第四十五届技术交流会
- 【会议时间】2025-08-15
- 【会议地点】中国贵州贵阳
- 【分类号】V263.6
- 【主办单位】中国空天动力联合会、冲压发动机技术全国重点实验室、空间高效能推进技术及应用全国重点实验室、航天液体动力全国重点实验室、固体推进全国重点实验室、空天飞行高温气动全国重点实验室、航空动力系统与等离子体技术全国重点实验室、绿色氢电全国重点实验室、先进内燃动力全国重点实验室、空天飞行技术全国重点实验室