全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于Online-RBFNN的航空发动机动态模型研究
- 作者： 王志浩 魏民祥 叶志锋 吴昊 杨佳伟 来源： 重庆理工大学学报(自然科学) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机 RBFNN 在线学习 动态模型 Online
- 描述： 为解决航空发动机在出现性能退化时模型精度下降的问题，提出了一种基于在线径向基函数神经网络(online radial basis function neural network, Online-RBFNN)的航空发动机动态模型。采用连续K均值(K-Means)算法和FTRL(follow the regularized leader)在线学习算法，对典型RBFNN进行改进，实现在线学习功能。以某型涡扇发动机正常退化数据为原始样本，建立低压涡轮机(low pressure turbine, LPT)出口总温度动态模型，并与其他多种算法建立的模型进行对比，动态模型的平均绝对误差、均方根误差和校正决定系数分别为0.59、1.7和0.997 8;将所建立的动态模型在同型号但不同飞行包线区域、不同退化形式的发动机运行数据上进行测试，模型输出结果的误差可分别控制在[-9,8]K和[-10,9]K范围内。研究结果表明，基于Online-RBFNN的动态模型能有效避免模型精度下降的问题，且具有良好的自适应能力。