基于分式聚合过程神经网络的发动机气路参数偏差值预测

作者：钟诗胜; 崔智全; 王体春

来源：计算机集成制造系统, 2013, (05): 1071-1077.

DOI：10.13196/j.cims.2013.05.177.zhongshsh.015

• 分式聚合
• 过程神经网络
• 航空发动机
• 气路参数偏差值
• 时间序列预测 fractional aggregation
• process neural network
• aeroengine
• gas path parameter deviation
• time series prediction

为解决航空发动机气路参数偏差值时间序列中突变值难以预测的问题,基于有理式函数具有更好的非线性逼近能力的理论,提出一种分式非线性聚合过程神经网络模型。该网络结构在隐层中存在一个过程神经元对偶层,通过分式非线性空间聚合的方式,分别实现信号对神经元的激励和抑制作用。根据采样点离散化的特点,采用离散Walsh变换对的内积运算替代积分算子,在简化计算过程的同时消除了数据拟合中的精度损失。采用基于离散Walsh变换LM算法进行网络训练,将训练好的模型应用在气路参数偏差值时间序列预测中。从预测结果可以看出,该模型对存在突变值的时间序列预测具有更高的效率和灵敏性。

• 单位
  机电工程学院; 哈尔滨工业大学（威海）; 南京航空航天大学