[发明专利]一种基于改进QPSO-ELM的涡轴发动机起动过程模型辨识方法

摘要

一种基于改进QPSO‑ELM的涡轴发动机起动过程模型辨识方法，本发明公开了一种基于改进QPSO‑ELM的涡轴发动机起动过程模型辨识方法。其特点是在量子粒子群优化算法中引入位置交叉变异和β因子分段线性取值策略来对算法进行改进，采用训练误差和验证误差之和作为适应度函数，以提升对极限学习机的优化效果。将改进的QPSO‑ELM方法应用于某型涡轴发动机起动过程模型的辨识，并与常规QPSO‑ELM、PSO‑ELM以及ELM方法对比，可得改进QPSO‑ELM方法辨识的某型涡轴发动机起动过程模型精度更高，能够满足实际应用的精度需求，方法表现出更好的收敛效果。本发明能较好的解决涡轴发动机起动过程建模难的问题。

主权项

1.一种基于改进QPSO‑ELM的涡轴发动机起动过程模型辨识方法，其特征在于，包括以下步骤：步骤1：根据涡轴发动机的起动过程，建立环境参数和条件参数与发动机状态参数和性能参数关系的模型辨识架构；步骤2：根据建立的模型辨识架构，选取辨识的训练和验证样本集，并进行数据的前处理；步骤3：根据极限学习机的回归辨识原理，得到影响ELM辨识精度的待优化的特征参数，并根据样本集大小初始化待优化的粒子特征参数；步骤4：根据量子粒子群优化算法的优化原理和存在的缺陷，引入位置交叉变异和β因子分段线性取值策略来对算法进行改进，设置改进QPSO算法的基本参数；步骤5：采用训练误差和验证误差之和作为适应度函数，计算所有粒子的适应度函数值；步骤6：更新粒子的位置，并判断是否达到最大的迭代次数或者设定的最小阈值，如果没有达到，则返回步骤5，如果达到则继续步骤7；步骤7：优化辨识结束，得到最优的ELM参数和辨识精度最高的涡轴发动机起动过程模型。