基于改进QPSO-SVR的航空发动机排气温度预测

论文摘要

为了减少航空发动机排气温度的随机性对飞机安全飞行的影响,提出了改进量子粒子群优化支持向量回归机（improved quantum behaved particle swarm optimization support vector regression,简称IQPSO-SVR）的航空发动机排气温度预测模型,以A319飞机的V2500发动机为例,选取状态监控所监测的性能参数数据作为训练样本和测试样本,其中航空发动机的高压转子转速、低压转子转速、燃油流量、高压压气机出口温度以及时间t作为模型的输入,以航空发动机排气温度作为模型的输出,在不同组训练样本的条件下,对改进量子粒子群优化过的支持向量回归基模型进行测试,并与量子粒子群优化支持向量回归机（quantum behaved particle swarm optimization support vector regression,简称QPSO-SVR）、支持回归机（support vector regression,简称SVR）进行对比。研究结果表明,改进量子粒子群优化支持向量回归机在航空发动机排气温度预测中相较其他两方法准确性更高,同时,在添加噪声的情况下,IQPSO-SVR也具有较好的预测能力。

论文目录

• 引言
• 1 支持向量回归基
• 2 改进量子群优化算法
•   2.1 量子粒子群优化算法
•   2.2 改进量子粒子群
•     2.2.1 算法改进判断准则
•     2.2.2 进化因子
•     2.2.3 动态压缩-扩展系数
• 3 IQPSO-SVR的航空发动机排气温度预测
•   3.1 归一化
•   3.2 适应度函数
•   3.3 预测模型评价标准
•   3.4 IQPSO-SVR的预测流程图
•   3.5 改进QPSO-SVR算法步骤
• 4 IQPSO-SVR验证
•   4.1 参数设置
•   4.2 仿真结果
• 5 结论

文章来源

类型: 期刊论文

作者: 皮骏,黄江博,黄磊,高树伟,刘光才

关键词: 航空发动机,改进量子粒子群,支持向量回归机,排气温度,预测

来源: 振动.测试与诊断 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,自动化技术

单位: 中国民航大学通用航空学院

基金: 国家自然科学基金委员会与中国民用航空局联合资助项目(U1633101),中央高效基本科研业务费中国民航大学专项资助项目(3122013H001)

分类号: TP18;V263.6

DOI: 10.16450/j.cnki.issn.1004-6801.2019.02.006

页码: 267-272+440

总页数: 7

文件大小: 292K

下载量: 205