公开(公告)号：CN104102769A

公开(公告)日：2014-10-15

申请号：CN201410303181.5

申请日：2014-06-27

Applicant: 南京航空航天大学

Inventor： 李秋红 ,  焦洋 ,  聂友伟 ,  任冰涛 ,  廖光煌

IPC: G06F17/50

Abstract: 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，训练极端学习机(ELM，Extreme Learning Machine)，并采用自适应微分进化算法(ADE，Adaptive Differential Evolution)优化极端学习机参数，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。

公开(公告)号：CN104102769B

公开(公告)日：2017-02-22

申请号：CN201410303181.5

申请日：2014-06-27

Applicant: 南京航空航天大学

Inventor： 李秋红 ,  焦洋 ,  聂友伟 ,  任冰涛 ,  廖光煌

IPC: G06F17/50

Abstract: 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，训练极端学习机(ELM，Extreme Learning Machine)，并采用自适应微分进化算法(ADE，Adaptive Differential Evolution)优化极端学习机参数，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。