为进一步减小排气温度裕度计算误差,对发动机起飞排气温度裕度基线观察值和雷诺数影响系数进行了多元非线性拟合,提出了利用雷诺数影响系数修正排气温度(Exhaust Gas Temperature,EGT)基线观察值的方法,将雷诺数影响系数加入神经网络的...为进一步减小排气温度裕度计算误差,对发动机起飞排气温度裕度基线观察值和雷诺数影响系数进行了多元非线性拟合,提出了利用雷诺数影响系数修正排气温度(Exhaust Gas Temperature,EGT)基线观察值的方法,将雷诺数影响系数加入神经网络的输入层,利用遗传算法(Genetic Algorithm,GA)优化Elman网络模型,建立排气温度裕度(Exhaust Gas Temperature Margin,EGTM)的预测模型。通过结合飞行数据计算,对比多元非线性拟合以及Elman网络模型和基于Elman网络优化的GA-Elman模型的计算误差效果,得出实验结果:GA-Elman对EGTM计算精度更高,鲁棒性更强。展开更多
文摘为进一步减小排气温度裕度计算误差,对发动机起飞排气温度裕度基线观察值和雷诺数影响系数进行了多元非线性拟合,提出了利用雷诺数影响系数修正排气温度(Exhaust Gas Temperature,EGT)基线观察值的方法,将雷诺数影响系数加入神经网络的输入层,利用遗传算法(Genetic Algorithm,GA)优化Elman网络模型,建立排气温度裕度(Exhaust Gas Temperature Margin,EGTM)的预测模型。通过结合飞行数据计算,对比多元非线性拟合以及Elman网络模型和基于Elman网络优化的GA-Elman模型的计算误差效果,得出实验结果:GA-Elman对EGTM计算精度更高,鲁棒性更强。