基于PSO-NARX网络的涡轴发动机稳态模型辨识
提出一种基于粒子群优化算法-外部输入非线性自回归网络(PSO-NARX)的涡轴发动机稳态模型数据驱动辨识方法.构建涡轴发动机稳态模型,然后结合三点自适应判断法从直升机飞参数据提取发动机稳态时的数据,采用PSO-NARX方法对涡轴发动机稳态模型进行回归辨识.结果表明,辨识所得模型输出参数燃气发生器转速ng、发动机排温EGT和发动机扭矩T的最大相对误差分别为0.11%、0.26%和0.95%.辨识模型输出参数辨识结果很好地逼近飞参数据实测值且优于NARX、粒子群算法优化的前馈神经网络、粒子群算法优化的支持向量机方法所辨识得到的模型,精度和实时性均达到实际应用要求.
涡轴发动机、粒子群优化算法、非线性自回归网络、稳态识别算法、数据驱动、模型辨识
42
V216.5(基础理论及试验)
国家自然科学基金;山东省"泰山学者"建设工程专项
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
250-257