为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法。针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term ...为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法。针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term memory network,LSTM)优异的数据预测能力相结合,并进行预测分析实验。实验结果表明:该方法预测的数据与原始数据之间的均方根误差值较小,且优于直接对原始数据进行预测的结果,能为火箭炮电气系统故障预测提供可靠的数据。展开更多
文摘为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法。针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term memory network,LSTM)优异的数据预测能力相结合,并进行预测分析实验。实验结果表明:该方法预测的数据与原始数据之间的均方根误差值较小,且优于直接对原始数据进行预测的结果,能为火箭炮电气系统故障预测提供可靠的数据。
