许梦阳， 黄金泉,2， 潘慕绚

(1.南京航空航天大学 能源与动力学院 江苏省航空动力系统重点实验室，江苏 南京 210016；2.先进航空发动机协同创新中心，北京 100191)



用于航空发动机动态辨识的MSMEA-ELM算法*

许梦阳1， 黄金泉1,2， 潘慕绚1

(1.南京航空航天大学 能源与动力学院 江苏省航空动力系统重点实验室，江苏 南京 210016；2.先进航空发动机协同创新中心，北京 100191)

针对传统思维进化算法搜索半径缺乏目的性，临时子群体补充缺乏方向性以及神经网络训练速度慢、泛化能力不足，传统极端学习机隐含层神经元个数多的缺点，提出一种多群体自适应思维进化算法优化的极端学习机(MSMEA—ELM)算法，通过传感器数据训练该算法用于对航空发动机大范围动态过程进行辨识。以训练均方误差与权值2范数的加权和最小为优化目标，采用多群体自适应思维进化算法优化极端学习机。以某型涡扇发动机为研究对象，采用MSMEA—ELM算法进行航空发动机动态过程辨识，验证了该算法的有效性。

航空发动机; 传感器; 动态辨识; 思维进化算法; 极端学习机; 泛化能力

0 引 言

航空发动机模型通常包括动态模型和稳态模型，其中动态模型在航空发动机控制和故障诊断等方面有重要作用。基于智能算法进行航空发动机动态辨识具有重要的研究价值，文献[1,2]采用不同方法对航空发动机进行了动态辨识，但其研究的动态过程较小。文献[3]提出了训练速度快，泛化能力强的极端学习机，但其输入层到隐含层的权值及隐含层的阈值随机确定，且需要更多的隐含层神经元。……