来源：期刊VIP网 时间：
作者：于子洋;王晨;杜宪;聂聆聪;孙希明;
单位：大连理工大学控制科学与工程学院;北京动力机械研究所;
摘要：为充分发挥航空推进系统的性能，提高性能寻优控制的实时性，将樽海鞘群算法（SSA）与极限学习机（ELM）相结合，基于进/发一体化部件级模型建立数据集，提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络（GRNN）、BP神经网络（BPNN）和极限学习机（ELM）比较，结果表明，相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差（RMSE）分别降低7.41%,17.01%,72.57%，安装油耗的RMSE分别降低4.32%,19.41%,66.77%，具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制，结果表明，该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析，该机载模型相比于进/发一体化部件级模型，平均计算时间由184.05 ms缩短至1.357 ms，实时性得到显著改善，大大提高了寻优效率。
关键词：航空发动机;;进/发一体化;;樽海鞘群优化算法;;极限学习机;;数据驱动模型;;性能寻优控制
基金资助：国家自然科学基金（61890921;61890924）;; 国家科技重大专项（J2019-I-0019-0018）;; 中央高校基本科研业务费（DUT22QN204）~~
