[發明專利]基于PSO-NARX的渦軸發動機穩態模型辨識方法

在審

• 申請號: 202010531659.5
• 申請日: 2020-06-11
• 公開（公告）號: CN111651940A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 董慶;李本威;閆思齊;錢仁軍;周鵬宇;韋祥;王永華
• 申請（專利權）人: 中國人民解放軍海軍航空大學
• 主分類號: G06F30/27
• 分類號: G06F30/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于PSO-NARX的渦軸發動機穩態模型辨識方法，其特征在于，包括以下步驟：

步驟1：根據渦軸發動機的穩態過程，建立環境參數和條件參數與發動機狀態參數和性能參數關系的渦軸發動機穩態模型：

其中，T₀為大氣靜溫，H_p為絕對氣壓高度，Ma為飛行馬赫數，W_f為燃油流量，n_g為燃氣發生器轉速，T₄為發動機排氣溫度，T為發動機扭矩，f_ss為需要辨識的發動機模型，k、m為輸入輸出延時階次；

步驟2：根據建立的渦軸發動機穩態模型，利用三點自適應法從實際飛行數據中提取辨識所需的發動機處于穩態時的數據，將這些數據作為訓練和驗證樣本集，并對提取的數據進行預處理；

步驟3：根據NARX網絡結構，得到影響NARX網絡辨識精度的待優化的特征參數；

步驟4：根據粒子群優化算法，將影響NARX網絡辨識精度的特征參數作為待優化的參數，設置PSO算法的基本參數；

步驟5：采用PSO-NARX的渦軸發動機穩態模型輸出和實際輸出的均方誤差作為適應度函數，計算所有粒子的適應度函數值；

步驟6：更新粒子個體最優值和種群全局最優值，并判斷是否達到最大的迭代次數或者設定的最小閾值，如果沒有滿足設定的條件，則返回步驟5，如果滿足設定的條件則繼續步驟7；

步驟7：PSO優化NARX網絡參數結束，得到最優的NARX網絡參數和辨識精度最高的渦軸發動機穩態模型。

2.根據權利要求1所述的辨識方法，其特征在于，步驟1所述的環境參數和條件參數作為模型的輸入參數，發動機狀態參數和性能參數關系作為模型的輸出參數。

3.根據權利要求1所述的辨識方法，其特征在于，步驟2所述的輸入輸出參數是指從不同飛行架次同一臺發動機實際飛行數據提取的穩態數據；渦軸發動機穩態是指處于空中慢車狀態和最大連續狀態之間的穩態；數據預處理具體是指進行異常數據剔除、平滑與濾波處理，對數據集進行歸一化，并以歸一化處理后的數據作為訓練與驗證樣本，在完成訓練和驗證后對數據進行還原。

4.根據權利要求1所述的辨識方法，其特征在于，步驟3所述的NARX網絡具有TDL延時單元，使得NARX網絡具有延時層、輸入層、隱含層和輸出層，影響NARX網絡辨識精度的待優化的特征參數包括輸入權重、輸出權重、隱含層偏置和輸出層偏置；根據樣本集大小初始化待優化選取的粒子特征參數具體是指種群當中的每一個粒子X_i:

X_i＝(v_1h,v_2h,...,v_ih,w_1j,w_2j,...,w_hj,b₁,b₂,...,b_j,b₁,b₂,...,b_h)

其中，v_ih為由輸入層到隱含層的權值，w_hj為隱含層到輸出層的權值，b_j為輸出層神經元的偏置，b_h為隱含層神經元的閾值。

5.根據權利要求1所述的辨識方法，其特征在于，步驟4所述的在PSO算法中，設置PSO算法的基本參數具體是指設置種群粒子數量、最大迭代次數、粒子各參數的取值范圍。

6.根據權利要求1所述的辨識方法，其特征在于，步驟5所述的適應度函數為：

其中：E_mse(y,y_d)為均方誤差；y(t)為模型的預測值；y_d(t)為輸出實測值。