基于BP神经网络的涡扇发动机机载模型

作     者：陈前景 邹泽龙 滕家柱 徐天润 彭瑞轩 鲁峰 CHEN Qianjing;ZOU Zelong;TENG Jiazhu;XU Tianrun;PENG Ruixuan;LU Feng

作者机构：中国航空发动机研究院北京101399 南京航空航天大学航空航天结构力学及控制全国重点实验室江苏南京210016 

出 版 物：《软件》 (Software)

年 卷 期：2023年第44卷第6期

页      面：57-61页

学科分类：082502[工学-航空宇航推进理论与工程] 08[工学] 0825[工学-航空宇航科学与技术] 

基　　金：航空发动机及燃气轮机基础科学中心项目(P2022-B-V-002-001) 

主　　题：涡扇发动机 部件级模型 BP神经网络 

摘      要：针对发动机机载的工程需求,利用BP神经网络建立一种涡扇发动机机载模型。本文利用部件级模型建立起两个部件“输入参数-输出参数数据集,并采用BP神经网络算法对数据集进行训练,建立足以替换部分旋转部件和全部尾喷管的BP神经网络。并在设计点状态对建立的机载模型进行仿真验证,结果表明,风扇部件离线神经网络模型较热力学模型节省约40%的耗时,压气机部件离线神经网络模型较热力学模型节省约50%的耗时,尾喷管部件节省耗时达70%以上。在精度比较上,离线建立的神经网络输出与基于气动热力学建立的部件级模型基本精度一致,具有一定的实际使用价值。