集成自適應變異混沌松鼠搜索和LSTM算法的RUL預測方法及應用

摘要： 針對松鼠搜索算法(SSA)優(yōu)化長短期記憶人工神經網絡(LSTM)時，存在優(yōu)化參數(shù)易陷入局部最優(yōu)以及LSTM預測效率下降的問題，提出一種自適應變異混沌松鼠搜索算法(AMCSSA)優(yōu)化LSTM學習率及其下降因子的預測模型。通過計算AMCSSA的時間復雜度證明其在未增加算法復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，...