基于粒子群极限学习机的排气温度裕度预测

• 作者: 刘志豪 戴洪德 戴邵武 陈强强
• 来源期刊: 仪表技术
• 学科: 航空航天
• 关键词: 排气温度裕度 粒子群优化算法 极限学习机 预测
• 年，卷（期）: 2019,（6）
• 页码范围: 10-13
• 页数: 4页
• 分类号: V235.13
• 语种: 中文

摘要

排气温度是表征发动机工作状态的主要参数之一,通过对多个飞行架次的排气温度裕度(Exhaust Gas Temperature Marsin,EGTM)进行预测分析,能够在一定程度上反映发动机工作性能,为后续故障检测工作提供理论依据.针对EGTM数据的非线性、非平稳特征,提出了基于粒子群优化算法(Particle Swarm Optimization,PSO)的极限学习机(Extreme Learning Machine,ELM)预测方法.通过ELM构建EGTM的预测模型,并利用PSO算法对其参数进行优化以保证模型的精确性;以某航空发动机EGTM数据作为验证,结果表明,相比于传统的预测方法,RMSE与MAE分别降低至1.889 8、1.0,有效提高了预测精度.