文档介绍：第 34 卷第 2 期 机电产品开发与创新 Ｖoｌ．34,Ｎo．2
2021 年 3 月 Ｄｅｖｅｌｏｐｍｅｎｔ ＆ Ｉｎｎｏｖａｔｉｏｎ ｏｆ Mａｃｈｉｎｅｒｙ ＆ Eｌｅｃｔｒｉｃａｌ Pｒｏｄｕｃｔｓ Mar．,2021
文章编号： １００２-６６７３ （２０２１） ０２-００5-０5
基于 LSTM 网络模型的航天器热变形预测
王 丁 1， 罗文波 1， 吴 琼 1， 赵震波 1， 王云锋 2
（， 北京 １０００94； ， 北京 １０００44）
摘 要： 针对在轨航天器结构热变形问题， 提出了一种基于贝叶斯优化的长短期记忆 （LSTM） 网络预测方法。
结合航天器在轨温度测量数据和有限元模型仿真数据， 完成了温度测点选取、 LSTM 网络模型结构设计、 模型
训练及热变形预测过程算法实现。 实现了较少温度测点为输入下的航天器结构热变形预测。 通过多组实验算例
结果对比， 验证了所提出的 LSTM 网络模型及其超参数优化方法适用于在轨航天器热变形预测， 可以达到的最
小均方误差为 。
关键词： 长短期记忆（LSTM）模型； 热变形； 贝叶斯优化
中图分类号： 文献标识码： Ａ doi:.１００２-
Thermal Deformation Prediction of Spacecraft based on LSTM Network
WANG Ding１， LUO Wen-Bo１， WU Qiong１， ZHAO Zhen-Bo１， WANG Yun-Feng２
（ Institute of Spacecraf