| 基于粒子群核极限学习机的涡扇发动机加速过程模型辨识 |
| |
| 作者姓名： | 赵姝帆 李本威 钱仁军 朱飞翔 |
| |
| 作者单位： | 海军航空大学 航空基础学院,海军航空大学 航空基础学院,海军航空大学 航空基础学院,海军航空大学 航空基础学院 |
| |
| 基金项目： | 国家自然科学基金(51505492);山东省自然科学基金(ZR2016FQ19);泰山学者建设工程专项经费资助。 |
| |
| 摘 要： | 针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。
|
| 关 键 词： | 涡扇发动机 加速过程 核极限学习机 数据驱动 模型辨识 |
| 收稿时间： | 2019-08-27 |
| 修稿时间： | 2019-09-24 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
|
点击此处可从《推进技术》下载全文 |
|
