科研之友
微信
新浪微博
Facebook
分享链接
摘要
航空发动机的构造复杂性使得发动机工况监测成为一项困难的任务。为了准确预测航空发动机运行时传感器数据的变化趋势，提出一种基于粒子群算法优化的NARX神经网络预测模型。通过准确预测航空发动机输出的传感器数据，达到有效监测航空发动机工况状态的目的。实验结果显示，预测模型所得性能参数——发动机工作站温度、高压转子转速、发动机工作站压力值和低压转子转速的均方误差分别为0.006 52,0.005 25，0.009 3,0.009 12。结果表明，所提出的基于粒子群算法优化NARX网络能够有效预测发动机性能参数，相较于传统NARX网络、传统BP神经网络和粒子群算法优化的BP神经网络，在预测准确度上有较大优势，为基于飞参数据进行发动机健康管理与监测提供了良好的数据支持。
- 单位
