基于CM-BiLSTM的APU排气温度预测模型

排气温度(EGT)是表征辅助动力装置(APU)性能的重要指标,针对EGT长周期预测精度低、传统线性预测方法难预测等问题,以长短期记忆网络(LSTM)模型为基础,提出CM-BiLSTM模型对APU未来时刻EGT进行预测.首先,采用基于相关系数矩阵(CM)的方法对APU主要性能参数进行特征选择,提取出与EGT相关性最高的参数,即转速,并以此构建训练集、测试集和验证集;然后,将转速和EGT数据归一化处理后输入CM-BiLSTM网络进行训练;最后,将验证集输入模型进行预测,预测结果经过反归一化后输出最终EGT的预测值.实验结果表明,CM-BiLSTM模型输出的EGT预测值能够较好地逼近真实值,CM-BiLSTM模型预测结果的平均绝对误差与均方根误差均低于LSTM和CM-LSTM模型,有效提高了预测精度.