2021-08 兵工自动化 40(8) Ordnance Industry Automation ·1· doi: . 基于 EMD 和 LSTM 的火箭炮电气系统状态预测 张建新，李永保，谢立中，张 震，王小召 (湖北江山重工有限责任公司火箭炮研究院，湖北 襄阳 441057) 摘要：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。 关键词：火箭炮；电气系统；数据预测；经验模态分解；长短期记忆网络；均方根误差 中图分类号：TJ393 文献标志码：A State Prediction of Rocket Launcher Electrical System Based on EMD and LSTM Zhang Jianxin, Li Yongbao, Xie Lizhong, Zhang Zhen, Wang Xiaozhao (Rocket Launcher Institute, Hubei Jiangshan Heavy Industry Co., Ltd., Xiangyang 441057, China) Abstract: In order to predict the state of the rocket launcher electrical system, this paper proposes a data prediction method based on EMD-LSTM. Aiming at the changing characteristics of the sta
