CAJ | 학술논문

介绍一种特殊的前向神经网络--自联想神经网络(Autoassociative artificial neural networks,AANN),然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将AANN应用于发动机全包线、大范围工况下参数估计的仿真研究.本文提出的选取测量矢量加入样本集的EMP方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练.用EMP方法在全包线内仅用746组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差<0.5% .仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础.
개소일충특수적전향신경망락--자련상신경망락(Autoassociative artificial neural networks,AANN),연후장발동궤삼수재전포선、대범위공황하적변화규률여신경망락적비선성영사능력결합기래,개전료장AANN응용우발동궤전포선、대범위공황하삼수고계적방진연구.본문제출적선취측량시량가입양본집적EMP방법,유효지감소료양본집중양본시량적수목,간화료망락적훈련.용EMP방법재전포선내부용746조측량시량작위양본집,재망락훈련호후,임선포선내적일공황점작위산례운행발동궤모형,소득각삼수적은태고계급동태고계적평균백분비오차<0.5% .방진결과표명,상술적삼수고치방법시가행적,위진일보실현대발동궤공제계통전감기적상태감시화고장진단타하료기출.