基于人工智能的涡轴发动机实时部件级模型建立方法

摘要

本发明公开了一种基于人工智能的涡轴发动机实时部件级模型建立方法。提出了采用智能映射求解涡轴发动机共同工作方程的方法。以部件共同工作平衡方程初始残差为智能映射网络输入，平衡方程猜值修正量为网络输出，训练极端学机(ELM，Extreme Learning Machine)，并采用自适应微分进化算法(ADE，Adaptive Differential Evolution)优化极端学机参数，提高网络映射精度。在ADE算法中采用了自适应缩放因子，提高了DE算法的寻优能力。本发明的结果表明，基于人工智能的涡轴发动机实时部件级模型最大建模误差为一次通过算法的1/3，模型运行耗时约为一次通过算法的1/3。

主权项

一种基于人工智能的涡轴发动机实时部件级模型建立方法，其特征在于，包括以下步骤：步骤A、在额定涡轴发动机部件级模型上，采取牛顿‑拉夫逊迭代法求解动态过程平衡方程，采集牛顿‑拉夫逊迭代法迭代运算前的平衡方程初始残差和迭代运算收敛后的平衡方程猜值修正量；步骤B、采用ADE自适应微分进化算法对ELM极端学习机映射网络的输入至隐含层权值和偏置进行优化，形成ADE‑ELM算法；步骤C、利用步骤A采集到的平衡方程初始残差以及平衡方程猜值修正量训练ADE‑ELM网络，得到ADE‑ELM网络参数；步骤D、将训练获得的ADE‑ELM网络参数，代替牛顿‑拉夫逊迭代法，用于求解涡轴发动机模型中动态过程平衡方程，建立基于人工智能网络的涡轴发动机部件级实时模型。