机床与液压

作者：张运龙，李龙飞，张永康，曲兴闯，耿冬寒

单位：天津工业大学机械工程学院；天津工业大学机械工程学院；天津工业大学机械工程学院；天津工业大学机械工程学院；天津工业大学机械工程学院

关键词：自由活塞斯特林发动机;性能预测;蜣螂优化算法;双向长短期记忆网络

基金：国家自然科学基金青年科学基金项目(51705361)

为解决自由活塞斯特林发动机性能预测精度低的问题，提出一种基于蜣螂优化算法（DBO）结合双向长短期记忆网络（BiLSTM）的自由活塞斯特林发动机性能参数预测模型——DBO-BiLSTM。利用蜣螂优化算法对双向长短期记忆网络的隐藏层节点数、正则化系数、学习率等超参数进行寻优，得到最优参数值。将最优参数导入BiLSTM中，并以FPSE的膨胀腔温度、压缩腔温度、充气压力、动力活塞弹簧刚度、配气活塞弹簧刚度作为输入，以FPSE的频率、相位角、功率为输出，对该模型进行训练和验证分析。最后，将该模型的预测结果与ANN、LSTM、BiLSTM和DBO-LSTM模型的预测结果进行对比分析。结果表明：该模型的MAPE、RMSE、MAE均最小，?R2最大，说明其预测精度高；该预测模型对应的频率、相位角、功率的?R2分别为0.999 7、0.999 0、0.999 8，接近最佳状态；该模型对FPSE的频率、相位角和功率的预测曲线和真实曲线基本吻合，说明该预测模型可有效用于FPSE的性能预测，并且该算法较传统浅层ANN以及单一算法具有更高的预测精度。

来源：2025年第19期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第19期