集成自適應(yīng)變異混沌松鼠搜索和LSTM算法的RUL預(yù)測(cè)方法及應(yīng)用

摘要： 針對(duì)松鼠搜索算法(SSA)優(yōu)化長短期記憶人工神經(jīng)網(wǎng)絡(luò)(LSTM)時(shí)，存在優(yōu)化參數(shù)易陷入局部最優(yōu)以及LSTM預(yù)測(cè)效率下降的問題，提出一種自適應(yīng)變異混沌松鼠搜索算法(AMCSSA)優(yōu)化LSTM學(xué)習(xí)率及其下降因子的預(yù)測(cè)模型。通過計(jì)算AMCSSA的時(shí)間復(fù)雜度證明其在未增加算法復(fù)雜度的前提下提高尋優(yōu)效率，AMCSSA采用切比雪夫混沌映射生成混沌初始種群，并將捕食者概率改為非線性遞減模式，...