连分式扩充的粒子群神经网络压气机特性重构方法

作     者：王星博 李本威 王永华 杨欣毅 

作者机构：海军航空工程学院飞行器工程系山东烟台264001 

出 版 物：《航空动力学报》 (Journal of Aerospace Power)

年 卷 期：2012年第27卷第7期

页      面：1464-1471页

核心收录：

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] 

主　　题：航空发动机 压气机特性 连分式 粒子群优化 趋利避害 BP神经网络 重构模型 

摘      要：对航空发动机压气机原始二维等转速线的数据点进行连分式扩充,通过两次网络训练,增加转速特性数据,在三维空间中进行BP(back propagation)网络模型重构.根据压气机特性数据空间分布的特点,引入压力比函数,调整计算区域,定义网络的输入输出数据,利用试探法确定隐含层维数.采用基于趋利避害原则的粒子群算法对网络的初始权值和阈值进行优化,建立了压气机压比和效率特性的整体代理模型.最后以某型发动机的低压压气机为例进行了压气机特性模型的重构.通过模型的校核与验证表明:采用这种方法建立的模型精度较高,优于普遍采用的传统二维插值方法和普通BP神经网络模型.最终建立的重构模型对于采用选配法、坐标法和部件法等以压气机通用特性曲线为基础的发动机模型的求解,可提高计算精度和迭代速度,具有一定的工程应用价值.