系统工程与电子技术

作者：董庆, 李本威, 闫思齐, 钱仁军

单位：1. 海军装备部驻苏州地区军事代表室, 江苏 苏州 215000；2. 海军航空大学航空基础学院, 山东 烟台 264001

关键词：涡轴发动机,加速过程,头脑风暴优化算法,极限学习机,模型辨识,性能参数预测

基金：国家自然科学基金(51505492);泰山学者建设工程专项经费资助课题

建立精度和实时性均满足要求的航空发动机性能参数预测模型是实现发动机性能优化和实时监控的基础。极限学习机(extreme learning machine, ELM)对复杂的非线性航空发动机系统具有良好的适应性, 本文提出了利用头脑风暴优化算法(brain storm optimization, BSO)优化ELM的网络参数以提高其性能。并提出以发动机的台架试车加速过程数据为训练和验证样本, 利用BSO-ELM算法回归辨识得到涡轴发动机加速过程性能参数预测模型。结果表明预测参数燃气发生器转速ng、燃气发生器出口温度T4和增压比πc的两项精度指标均优于BSO算法优化的反向传播神经网络和粒子群优化算法优化的ELM方法得到的预测模型, 表明了BSO-ELM预测模型的可行性与优越性; 在相同仿真环境下, BSO-ELM算法可大幅提高计算效率使预测模型的实时性更优。

来源：2021年第8期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2021年第8期