基于PSO-NARX网络的涡轴发动机稳态模型辨识
2021-05-06李本威钱仁军滕怀亮
兵器装备工程学报 2021年4期
董 庆,李本威,钱仁军,滕怀亮,张 赟
(1.海军装备部驻苏州地区军事代表室, 江苏 苏州 215000;2.海军航空大学 航空基础学院, 山东 烟台 264000)
航空发动机是一个复杂的非线性时变系统[1]。在发动机故障诊断[2]、性能分析与仿真及其控制规律设计[3]等多个领域,发动机模型都发挥着无可代替的作用。针对装配某型涡轴发动机的直升机将在不同大气环境(高原、高空及高低温等)下进行飞行试验的相关工作,为实现对发动机状态的实时监控和对发动机稳态控制规律的进一步研究,建立精度和实时性均满足实际要求的发动机稳态模型成为相关工作关键的一环。
目前,航空发动机模型建立的方法主要有两种:一种是分析部件气动特性、机械关系的解析法,另一种是系统辨识的方法。解析法通过假设、近似处理和大量的迭代运算来获取发动机的性能数据,过程复杂。而系统辨识的方法无需了解发动机复杂的部件特性,只需足够的发动机输入输出参数即可快速建立精度满足要求的发动机模型。目前,基于数据驱动的模型辨识方法得到快速的发展,常用的辨识方法有最小二乘法[4]和子空间状态辨识法[5]等。它们假设发动机是线性时不变系统,导致建立的发动机动态模型精度不能达到很好的效果。近几年,人工神经网络[6]。(artificial neural networks,ANN)、支持向量机[7](support vector machine,SVM)和极限学习机[8]。(extreme learning machine,ELM)等机器学习算法快速发展,具有了很好的非线性学习能力,很多人也将它们应用到航空发动机模型的建立。……
登录APP查看全文
