基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究

为充分发挥航空推进系统的性能，提高性能寻优控制的实时性，将樽海鞘群算法（SSA）与极限学习机（ELM）相结合，基于进/发一体化部件级模型建立数据集，提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络（GRNN）、BP神经网络（BPNN）和极限学习机（ELM）比较，结果表明，相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差（RMSE）分别降低7.41%,17.01%,72.57%，安装油耗的RMSE分别降低4.32%,19.41%,66.77%，具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制，结果表明，该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析，该机载模型相比于进/发一体化部件级模型，平均计算时间由184.05 ms缩短至1.357 ms，实时性得到显著改善，大大提高了寻优效率。