[发明专利]一种基于K-均值聚类与粒子群核极限学习机的航空发动机推力估计方法

摘要

本发明公开了一种基于K‑均值聚类与粒子群核极限学习机的航空发动机推力估计方法。其特点是采用K‑均值聚类对训练数据进行聚类，然后在每一个子类中采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化以提升核极限学习机的估计效果，通过核极限学习机建立推力估计模型。将基于K‑均值聚类与粒子群核极限学习机的航空发动机推力估计方法应用于某型涡扇发动机的推力估计中，并与现有的粒子群极限学习机和粒子群支持向量机方法对比，可得基于K‑均值聚类与粒子群核极限学习机的航空发动机推力估计方法精度更高，实时性满足机载在线状态评估和直接推力控制需求，能够较好地解决航空发动机推力估计的问题。

主权项

1.一种基于K‑均值聚类与粒子群核极限学习机的航空发动机推力估计方法，其特征在于，包括以下步骤：步骤1，以某一固定频率采集航空发动机整个台架试车中的推力值以及与推力联系紧密的7个相关参数，并进行数据预处理，构成数据集；7个相关参数指燃油流量、进气总压、高压转子换算转速、燃烧室进口总压、低压涡轮出口总压、低压涡轮出口总温和尾喷口喉部直径；步骤2，对步骤1中的数据集进行归一化处理，得到已归一化的数据集；步骤3，采用K‑均值聚类算法对步骤2中已归一化的数据集进行聚类，将其分成若干个子集；步骤4，将步骤3所得子集的7个相关参数作为输入，推力作为输出，对子集的核极限学习机进行训练，并采用粒子群算法对子集的核极限学习机的特征参数进行寻优，得到最优特征参数和子集对应的核极限学习机；利用所述核极限学习机估计发动机推力；步骤5，训练结束，得到由若干个子集的核极限学习机组成的航空发动机推力估计模型。