| 基于K-均值聚类与粒子群核极限学习机的推力估计器设计 |
| |
| 引用本文： | 赵姝帆,李本威,宋汉强,逄珊,朱飞翔.基于K-均值聚类与粒子群核极限学习机的推力估计器设计[J].推进技术,2019,40(2):259-266. |
| |
| 作者姓名： | 赵姝帆 李本威 宋汉强 逄珊 朱飞翔 |
| |
| 作者单位： | 海军航空大学 航空基础学院，山东 烟台 264001,海军航空大学 航空基础学院，山东 烟台 264001,海军装备研究院，上海 200436,鲁东大学 信息与电气工程学院，山东 烟台 264025,海军航空大学 航空基础学院，山东 烟台 264001 |
| |
| 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： | 鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。
|
| 关 键 词： | 航空发动机 推力估计器 K-均值聚类 粒子群核极限学习机 直接推力控制 |
| 收稿时间： | 2018/1/20 0:00:00 |
| 修稿时间： | 2018/2/24 0:00:00 |
Thrust Estimator Design Based on K-Means
Clustering and Particle Swarm Optimization
Kernel Extreme Learning Machine |
| |
| ZHAO Shu-fan,LI Ben-wei,SONG Han-qiang,PANG Shan and ZHU Fei-xiang.Thrust Estimator Design Based on K-Means
Clustering and Particle Swarm Optimization
Kernel Extreme Learning Machine[J].Journal of Propulsion Technology,2019,40(2):259-266. |
| |
| Authors: | ZHAO Shu-fan LI Ben-wei SONG Han-qiang PANG Shan and ZHU Fei-xiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 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》下载免费的PDF全文 |
|
