典型文献
基于CRBMs-RVR的涡轴发动机输出功率衰退预测
文献摘要：
针对涡轴发动机全寿命期内输出功率衰退预测问题,提出一种含多层连续受限玻尔兹曼机(CRBMs)深度特征提取的相关向量回归(RVR)功率预测方法.对发动机气路部件测量数据进行重构,利用CRBMs深度网络提取数据深层特征,将特征数据作为RVR模型的输入,实现对输出功率的预测,并对预测结果提供概率分布.以某型双转子涡轴发动机部件级模型为试验对象,模拟全寿命期内发动机气路部件性能退化,对输出功率进行衰退预测.试验结果表明:基于CRBMs-RVR的预测模型与传统的RVR预测模型相比,训练时间缩短30.2％,预测结果的均方根误差减小64.6％;与基于主成分分析(PCA)进行特征提取的PCA-RVR预测模型相比,预测结果均方根误差减小42.4％,验证了所提出的预测方法具有模型结构简单、预测精度高、可提供概率式输出的优点.
文献关键词：
输出功率衰退;预测模型;连续受限玻尔兹曼机;特征提取;相关向量回归;涡轴发动机
中图分类号：
作者姓名：
童志伟;鲁峰;黄金泉
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]童志伟;鲁峰;黄金泉-.基于CRBMs-RVR的涡轴发动机输出功率衰退预测)[J].航空发动机,2022(03):76-82
A类：
CRBMs,输出功率衰退,连续受限玻尔兹曼机,相关向量回归
B类：
RVR,涡轴发动机,对涡,全寿命期,深度特征提取,功率预测,气路,测量数据,深度网络,提取数据,深层特征,特征数据,概率分布,双转子,部件性能,性能退化,训练时间,模型结构,结构简单
AB值：
0.173608
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。
