数字技术与应用杂志社

摘要：<正>针对强耦合、非线性的复杂伺服系统，各传感器采集的数据存在时空耦合性。本文结合胶囊网络（CapsNet）与长短期记忆网络（LSTM）的优点，提出了一种CapsNet与LSTM相融合的深度学习预测方法。该算法融合CapsNet对多源参数空间关联、层次结构表示能力以及LSTM对时序动态演化规律的建模的能力，通过B777真实飞行数据建立数据集，对“飞行航迹角”进行单步及多步预测。实验结果表明，本文所提CapsNet-LSTM模型的综合预测误差较TCN-LSTM平均降低12.78%，较CNN-LSTM平均降低23.15%。

基金资助： 山西省教育科学“十四五”规划2023年度规划课题“新工科背景下‘OBE-CDIO’模式课程建设的创新研究”（GH-230214）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 航空航天科学与工程;自动化技术

分类号： TP212;TP18;V249.1