基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

• 作者: 朱飞翔 李本威 赵姝帆 钱仁军
• 来源期刊: 推进技术
• 学科: 航空航天
• 关键词: 涡扇发动机 加速过程 核极限学习机 数据驱动 模型辨识
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 测试 试验 控制
• 页码范围: 2358-2366
• 页数: 9页
• 分类号: V233.7
• 语种: 中文
• DOI: 10.13675/j.cnki.tjjs.190586

摘要

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识.试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013％,0.355％和1.055％,平均计算时间为0.04ms.精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制.