基于特征选择和极限学习机的发动机性能预测

利用PW4000发动机的实时监控数据建立数据库,以平均影响值为评价标准进行了特征选择,筛选出8个特征参数作为模型输入,训练基于极限学习机算法的单隐层神经网络,建立了排气温度预测模型。用PW4000发动机的运行数据进行了模型验证,与误差逆传播算法进行了对比,并用发动机水洗恢复之后的数据进行了拓展性研究。测试结果显示利用平均影响值进行特征选择结果可信度较高,极限学习机的运算速度快于误差逆传播算法,有利于多次运算充分发挥其优势,整个算法误差较小,修正后的模型具有良好的拓展性。