典型文献
基于Online-RBFNN的航空发动机动态模型研究
文献摘要：
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.
文献关键词：
航空发动机;Online-RBFNN;在线学习;动态模型
中图分类号：
作者姓名：
王志浩;魏民祥;叶志锋;吴昊;杨佳伟
作者机构：
南京航空航天大学能源与动力学院,南京 210016
文献出处：
引用格式：
[1]王志浩;魏民祥;叶志锋;吴昊;杨佳伟-.基于Online-RBFNN的航空发动机动态模型研究)[J].重庆理工大学学报,2022(04):203-212
A类：
FTRL
B类：
Online,RBFNN,航空发动机,动态模型,性能退化,模型精度,径向基函数神经网络,online,radial,basis,function,neural,network,Means,follow,regularized,leader,在线学习算法,学习功能,涡扇发动机,退化数据,低压涡轮,涡轮机,pressure,turbine,LPT,总温,平均绝对误差,决定系数,同型号,飞行包线,机运,运行数据,模型输出,输出结果,差可,自适应能力
AB值：
0.403044
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
