科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于遗传算法对某型涡扇发动机全状态实时NARX神经网络模型结构参数进行了优化,通过采用二进制编码形式,将输入输出延迟信息转换成两个输入状态,节省了遗传算法求解空间。而后,对优选后的模型输出结果进行了讨论。采用优选算法获得的模型结构在包含更多数据样本信息的同时,也能够保持神经网络结构的简便性,在高压转速、低压转速的模型优选上效果较为显著。而在涡轮后温度的模型结构优选上,由于数据样本量最大延迟的限制,未能得到可靠的针对涡轮后温度的优选结构,后续工作可对此进行完善。本文采用的方法可推广至神经网络模型其他经验确定、未定参数的优选中,同时还可基于遗传算法对建模样本点进行优选,以获得最小数目的试验样本。
- 单位
