|
|
32.
基于AttResVGG模型的燃烧室点火预测算法
廖清, 陈泓佑, 刘重阳, 屈凌峰, 段纪平, 夏萍, 田宝单, 范勇
应用科学学报
2026, 44 (3):
390-408.
DOI: 10.3969/j.issn.0255-8297.2026.03.004
针对航空发动机燃烧室点火预测中工况特征复杂,训练样本量小且数据不平衡,一般深度学习预测模型难以满足预测任务需求的问题,提出了融合残差连接与自注意力机制的网络模型——注意力残差视觉几何组网络(attention residual visual geometry group,Att ResVGG)。该模型通过多头自注意力机制捕捉工况参数间的依赖关系,建立工况参数与点火状态之间的映射关系。针对数据量不足和类别不平衡问题,设计了基于物理约束的数据增广策略,通过维持燃油空气比、温度压强比等关键物理参数关系合成新工况样本。此外,设计基于贝叶斯优化自动机器学习算法优化模型超参数,进一步提升模型预测能力。为验证模型效果,在两个数据集上的实验表明,AttResVGG模型的准确率分别达97.67%和90.48%,Kappa系数分别达0.950 5和0.834 6,优于所对比的模型。
参考文献 |
相关文章 |
多维度评价 |
评论(0)
|
|