来源：期刊VIP网 时间：
作者：王龙;宋卫星;张鑫;武婧婧;
单位：西部战区陆军保障部;武警工程大学乌鲁木齐校区;装甲兵工程学院;
摘要：着眼解决装备故障预测难度大、精度低，影响装备维修期确定及装备维修资源筹措的现实矛盾，在总结分析现有装备故障预测研究的基础上，针对装备故障数据时序性强的特点，引用当前最新流行、对时序数据处理效果最好的LSTM算法，提出一种基于改进LSTM循环神经网络的装备故障数量预测方法。对网络结构进行详细设计，给出了网络训练和网络预测的实现算法，融合果蝇算法求解效率高的优势对网络参数进行优选，并利用某型装备故障发生的实际数据进行实验，与BP神经网络、广义回归神经网络、小波神经网络、压缩和激励网络等预测模型进行性能对比，证明方法效果良好，为科学预测装备故障数量、提高装备维修效益提供了一种有效方法。
关键词：长短时记忆神经网络;;装备故障预测;;神经网络;;果蝇算法
基金资助：陕西省重点研发一般计划基金资助项目（2023-YBGY-175,2023-YBGY-317）
