用于航空发动机动态辨识的MSMEA-ELM算法

发布时间：2017-10-18 19:00

  本文关键词：用于航空发动机动态辨识的MSMEA-ELM算法

  更多相关文章： 航空发动机 传感器 动态辨识 思维进化算法 极端学习机 泛化能力

【摘要】：针对传统思维进化算法搜索半径缺乏目的性,临时子群体补充缺乏方向性以及神经网络训练速度慢、泛化能力不足,传统极端学习机隐含层神经元个数多的缺点,提出一种多群体自适应思维进化算法优化的极端学习机(MSMEA—ELM)算法,通过传感器数据训练该算法用于对航空发动机大范围动态过程进行辨识。以训练均方误差与权值2范数的加权和最小为优化目标,采用多群体自适应思维进化算法优化极端学习机。以某型涡扇发动机为研究对象,采用MSMEA—ELM算法进行航空发动机动态过程辨识,验证了该算法的有效性。
【作者单位】： 南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室;先进航空发动机协同创新中心;
【关键词】： 航空发动机 传感器 动态辨识 思维进化算法 极端学习机 泛化能力
【基金】：国家自然科学基金资助项目(51406084) 航空科学基金资助项目(2013ZB52030) 南京航空航天大学研究生创新基地(实验室)开放基金资助项目(KFJJ20150205)
【分类号】：V263.6;TP18
【正文快照】： 0引言航空发动机模型通常包括动态模型和稳态模型,其中动态模型在航空发动机控制和故障诊断等方面有重要作用。基于智能算法进行航空发动机动态辨识具有重要的研究价值,文献[1,2]采用不同方法对航空发动机进行了动态辨识,但其研究的动态过程较小。文献[3]提出了训练速度快,泛，

本文编号：1056589