计算机集成制造系统
計算機集成製造繫統
계산궤집성제조계통
COMPUTER INTEGRATED MANUFACTURING SYSTEMS
2013年
5期
1071-1077
,共7页
分式聚合%过程神经网络%航空发动机%气路参数偏差值%时间序列预测
分式聚閤%過程神經網絡%航空髮動機%氣路參數偏差值%時間序列預測
분식취합%과정신경망락%항공발동궤%기로삼수편차치%시간서렬예측
fractional aggregation%process neural network%aeroengine%gas path parameter deviation%time series prediction
为解决航空发动机气路参数偏差值时间序列中突变值难以预测的问题,基于有理式函数具有更好的非线性逼近能力的理论,提出一种分式非线性聚合过程神经网络模型.该网络结构在隐层中存在一个过程神经元对偶层,通过分式非线性空间聚合的方式,分别实现信号对神经元的激励和抑制作用.根据采样点离散化的特点,采用离散Walsh变换对的内积运算替代积分算子,在简化计算过程的同时消除了数据拟合中的精度损失.采用基于离散Walsh变换LM算法进行网络训练,将训练好的模型应用在气路参数偏差值时间序列预测中.从预测结果可以看出,该模型对存在突变值的时间序列预测具有更高的效率和灵敏性.
為解決航空髮動機氣路參數偏差值時間序列中突變值難以預測的問題,基于有理式函數具有更好的非線性逼近能力的理論,提齣一種分式非線性聚閤過程神經網絡模型.該網絡結構在隱層中存在一箇過程神經元對偶層,通過分式非線性空間聚閤的方式,分彆實現信號對神經元的激勵和抑製作用.根據採樣點離散化的特點,採用離散Walsh變換對的內積運算替代積分算子,在簡化計算過程的同時消除瞭數據擬閤中的精度損失.採用基于離散Walsh變換LM算法進行網絡訓練,將訓練好的模型應用在氣路參數偏差值時間序列預測中.從預測結果可以看齣,該模型對存在突變值的時間序列預測具有更高的效率和靈敏性.
위해결항공발동궤기로삼수편차치시간서렬중돌변치난이예측적문제,기우유리식함수구유경호적비선성핍근능력적이론,제출일충분식비선성취합과정신경망락모형.해망락결구재은층중존재일개과정신경원대우층,통과분식비선성공간취합적방식,분별실현신호대신경원적격려화억제작용.근거채양점리산화적특점,채용리산Walsh변환대적내적운산체대적분산자,재간화계산과정적동시소제료수거의합중적정도손실.채용기우리산Walsh변환LM산법진행망락훈련,장훈련호적모형응용재기로삼수편차치시간서렬예측중.종예측결과가이간출,해모형대존재돌변치적시간서렬예측구유경고적효솔화령민성.