本文關(guān)鍵詞：用于航空發(fā)動機動態(tài)辨識的MSMEA-ELM算法

  更多相關(guān)文章： 航空發(fā)動機 傳感器 動態(tài)辨識 思維進(jìn)化算法 極端學(xué)習(xí)機 泛化能力

【摘要】：針對傳統(tǒng)思維進(jìn)化算法搜索半徑缺乏目的性,臨時子群體補充缺乏方向性以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢、泛化能力不足,傳統(tǒng)極端學(xué)習(xí)機隱含層神經(jīng)元個數(shù)多的缺點,提出一種多群體自適應(yīng)思維進(jìn)化算法優(yōu)化的極端學(xué)習(xí)機(MSMEA—ELM)算法,通過傳感器數(shù)據(jù)訓(xùn)練該算法用于對航空發(fā)動機大范圍動態(tài)過程進(jìn)行辨識。以訓(xùn)練均方誤差與權(quán)值2范數(shù)的加權(quán)和最小為優(yōu)化目標(biāo),采用多群體自適應(yīng)思維進(jìn)化算法優(yōu)化極端學(xué)習(xí)機。以某型渦扇發(fā)動機為研究對象,采用MSMEA—ELM算法進(jìn)行航空發(fā)動機動態(tài)過程辨識,驗證了該算法的有效性。
【作者單位】： 南京航空航天大學(xué)能源與動力學(xué)院江蘇省航空動力系統(tǒng)重點實驗室;先進(jìn)航空發(fā)動機協(xié)同創(chuàng)新中心;
【關(guān)鍵詞】： 航空發(fā)動機 傳感器 動態(tài)辨識 思維進(jìn)化算法 極端學(xué)習(xí)機 泛化能力
【基金】：國家自然科學(xué)基金資助項目(51406084) 航空科學(xué)基金資助項目(2013ZB52030) 南京航空航天大學(xué)研究生創(chuàng)新基地(實驗室)開放基金資助項目(KFJJ20150205)
【分類號】：V263.6;TP18
【正文快照】： 0引言航空發(fā)動機模型通常包括動態(tài)模型和穩(wěn)態(tài)模型,其中動態(tài)模型在航空發(fā)動機控制和故障診斷等方面有重要作用�；谥悄芩惴ㄟM(jìn)行航空發(fā)動機動態(tài)辨識具有重要的研究價值,文獻(xiàn)[1,2]采用不同方法對航空發(fā)動機進(jìn)行了動態(tài)辨識,但其研究的動態(tài)過程較小。文獻(xiàn)[3]提出了訓(xùn)練速度快,泛，

本文編號：1056589