来源：期刊VIP网 时间：
作者：王巍;李哲;刘祎阳;姜孝谟;刘朋;李士龙;
单位：大连理工大学能源与动力学院;大连理工大学力学与航空航天学院;中国联合重型燃气轮机技术有限公司;
摘要：为了提高压气机特性曲线的预测精度和边界工况点的泛化能力，本文提出了一种改进布谷鸟搜索算法优化BP (ICS-BP)的模型，应用于某轴流压气机流量-压比特性预测方法研究，并对比分析了采用传统BP、遗传算法优化BP (GA-BP)、布谷鸟搜索算法优化BP (CS-BP)、径向基函数神经网络（RBF）、极限学习机（ELM）、自优化支持向量机（MSVM）和ICS-BP模型的预测结果。分析显示，ICS-BP模型整体预测结果的相对误差最小，普遍在±1%以内，评价指标展现出最高的精度和鲁棒性，预测结果具有最佳的泛化能力，且优化后的模型解决BP易陷入局部最优的问题；ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度，但对于边界工况点预测效果欠佳，适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线，通过ICS-BP模型预测的压比特性精度较高，整体预测结果的平均绝对百分误差分别为1.129%和0.590%，进一步验证了其在特性预测方面的优势。
关键词：压气机特性;;曲线预测;;改进布谷鸟搜索算法;;神经网络;;泛化能力
基金资助：国家基础研究（J2019-I-0012-0012）;; 中央高校科技领军人才团队基金（DUT22LAB502）~~
