| 涡轴发动机高精度实时部件级模型研究 |
| |
| 引用本文： | 廖光煌,焦洋,李秋红,黄金泉.涡轴发动机高精度实时部件级模型研究[J].推进技术,2016,37(1):25-33. |
| |
| 作者姓名： | 廖光煌 焦洋 李秋红 黄金泉 |
| |
| 作者单位： | 南京航空航天大学 能源与动力学院，江苏省航空动力系统重点实验室，江苏 南京 210016; 中国航空动力控制系统研究所，江苏 无锡 214063,南京航空航天大学 能源与动力学院，江苏省航空动力系统重点实验室，江苏 南京 210016,南京航空航天大学 能源与动力学院，江苏省航空动力系统重点实验室，江苏 南京 210016,南京航空航天大学 能源与动力学院，江苏省航空动力系统重点实验室，江苏 南京 210016 |
| |
| 摘 要： | 提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据，以共同工作方程迭代求解前的残差为输入，迭代收敛后的共同工作方程猜值修正量为输出，训练BP神经网络，对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数，提高了猜值修正量的预测精度。在飞行包线的某一区域内，采集额定发动机在直升机前飞过程的数据进行神经网络离线训练，并将网络参数代入部件级模型对共同工作方程进行求解，在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试，计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差，与一次通过算法相比，本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4，模型运行耗时约为一次通过算法的2/5，验证了算法的有效性。
|
| 关 键 词： | 涡轴发动机 数学模型 共同工作方程 BP神经网络 萤火虫算法 |
| 收稿时间： | 2014/9/23 0:00:00 |
| 修稿时间： | 2014/10/27 0:00:00 |
Research on High Accuracy Real-Time Component-Level Modeling Method for Turbo-Shaft Engine |
| |
| LIAO Guang-huang,JIAO Yang,LI Qiu-hong and HUANG Jin-quan.Research on High Accuracy Real-Time Component-Level Modeling Method for Turbo-Shaft Engine[J].Journal of Propulsion Technology,2016,37(1):25-33. |
| |
| Authors: | LIAO Guang-huang JIAO Yang LI Qiu-hong and HUANG Jin-quan |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 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》下载免费的PDF全文 |
