基于粒子群极限学习机的排气温度裕度预测

论文摘要

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 Margin,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。

论文目录

• 0 引言
• 1 极限学习机
• 2 PSO-ELM优化算法预测模型
• 3 实验验证
• 4 结论

文章来源

类型: 期刊论文

作者: 戴邵武,陈强强,刘志豪,戴洪德

关键词: 排气温度裕度,粒子群优化算法,极限学习机,预测

来源: 仪表技术 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,武器工业与军事技术,自动化技术

单位: 海军航空大学,海军92214部队

基金: 航空基金(20160884004),国防科技项目基金(F062102009)

分类号: TP18;V271.4;V263.5

DOI: 10.19432/j.cnki.issn1006-2394.2019.06.003

页码: 10-13

总页数: 4

文件大小: 853K

下载量: 118