【技术实现步骤摘要】
航空发动机电气附件静态性能预测方法
本专利技术属于自动测试与计算机
，具体是指一种基于粒子群优化算法的航空发动机电气附件静态性能预测方法。
技术介绍
目前航空发动机上运用了大量的电气附件设备，包括电磁活门、作动器、传感器等。这些部件种类庞杂，并且连接的电气线路极其复杂。通常如果出现短路、电路老化、接触不良等故障，都会导致附件的电气静态性能的变化。因此，航空发动机电气附件静态性能预测是航空发动机电气附件排故及维修策略制定的重要依据。当前静态性能预测的主要方法包括线性预测及非线性预测两种。线性预测方法主要基于统计学习理论，采用基于最小二乘法的多元线性回归拟合方法，该方法的预测误差较大，不适用于复杂多变量相互影响的非线性预测。非线性预测方法主要基于机器学习理论，采用神经网络等复杂非线性预测方法时存在学习速度慢、训练时间长、网络难以收敛及过拟合等问题。
技术实现思路
针对现有技术中所存在的上述技术问题的部分或者全部，本专利技术提出一种基于粒子群优化算法的航空发动机电气附件静态性能预测方法，该方法实现对航空发动机电气...
【技术保护点】
1.一种航空发动机电气附件静态性能预测方法，其特征在于，该方法包括以下步骤：/n发动机电气附件静态预测模型的构建，其包括系统建模和构建基于粒子群优化算法模型；/n发动机电气附件静态性能预测模型的训练，其包括对构建的粒子群优化算法模型进行初始化、并对粒子群优化模型进行训练，获得粒子群优化模型结果；/n发动机电气附件静态性能，其包括将测试数据输入粒子群优化模型，通过性能趋势得到发动机电气附件的预测结果。/n
【技术特征摘要】
1.一种航空发动机电气附件静态性能预测方法，其特征在于，该方法包括以下步骤：
发动机电气附件静态预测模型的构建，其包括系统建模和构建基于粒子群优化算法模型；
发动机电气附件静态性能预测模型的训练，其包括对构建的粒子群优化算法模型进行初始化、并对粒子群优化模型进行训练，获得粒子群优化模型结果；
发动机电气附件静态性能，其包括将测试数据输入粒子群优化模型，通过性能趋势得到发动机电气附件的预测结果。
2.根据权利要求1所述的航空发动机电气附件静态性能预测方法，其特征在于，通过建立粒子群优化算法的航空发动机电气附件静态性能预测模型，确定模型的输入向量、产生输入向量的非线性变换权值矩阵、输入传递函数非线性映射、输出传递函数非线性映射，再采用基于迭代式的最小二乘法求解模型的输出权值矩阵，能够将测试数据自动加载，在无人干预的情况下实现对航空发动机电气附件静态性能的精确预测。
3.根据权利要求1或2所述的航空发动机电气附件静态性能预测方法，其特征在于，该方法包括：
采用航空发动机电气附件静态测试历史数据序列、测试环境及飞机起降循环次数构建训练样本集；
建立基于粒子群优化算法的航空发动机电气附件静态性能预测模型，确定模型的输入向量、产生输入向量的非线性变换权值矩阵、输入传递函数非线性映射、输出传递函数非线性映射，将所述训练样本集输入到建立的所述预测模型中，再采用适应度函数更新粒子群求解模型的输出权值矩阵，完成所述预测模型的训练；
将航空发动机电气附件静态测试数据输入到训练得到的预测模型中，预测当前状态下航空发动机电气附件静态性能，实现静态性能预测。
4.根据权利要求3所述的航空发动机电气附件静态性能预测方法，其特征在于，所述发动机电气附件静态性能预测数据样本参数包括：测试环境温度、起降循环测试和被测电气附件电阻值。
5.根据权利要求3所述的航空发动机电气附件静态性能预测方法，其特征在于，所述输入传递函数非线性映射过程如下：
fin(Ai)＝cos(β·Ai)·exp(-Ai2/2)
式中，Ai表示输入向量的第i个线性变换，β为变换系数，通过改变β的大小，可改变输入传...
【专利技术属性】
技术研发人员：孙兆荣，英福君，王亚锟，石旭东，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。