基于遗传算法的压气机性能曲线拟合方法研究

• 作者: 路绪坤 张士杰 迟金玲 王波
• 来源期刊: 热能动力工程
• 学科: 工学
• 关键词: 压气机特性 神经网络 遗传算法 曲线拟合
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 叶轮机械|Turbomachinery
• 页码范围: 105-109,123
• 页数: 6页
• 分类号: TK472
• 语种: 中文
• DOI: 10.16146/j.cnki.rndlgc.2022.01.014

摘要

为了研究人工神经网络在压气机性能曲线拟合中的应用,分别利用BP神经网络、RBF神经网络、极限学习机以及BP-GA神经网络对某微型燃气轮机压气机的性能映射关系进行模拟,分析了不同网络模型在压气机特性曲线拟合上的优劣,以及样本容量对不同神经网络模型性能的影响.结果表明:BP-GA神经网络模型不仅收敛速度快,而且精度高;相比传统BP神经网络模型,其平均绝对百分比误差可控制在0.189％以内,训练时间可缩短至19.07 s;当样本容量较少时,传统BP神经网络模型不再适用,而基于遗传算法的BP-GA模型仍然保持较高的精度.