热能动力工程

作者：路绪坤，张士杰，迟金玲，王 波

单位：中国科学院大学，北京 100049,,中国科学院大学，北京 100049,,中国矿业大学 机械工程系，北京 100083,,中国科学院工程热物理研究所 先进能源动力重点实验室，北京 100190,

关键词：压气机特性;神经网络;遗传算法;曲线拟合

基金：国家科技重大专项（2017-I-0002-0002）

为了研究人工神经网络在压气机性能曲线拟合中的应用，分别利用BP神经网络、RBF神经网络、极限学习机以及BP-GA神经网络对某微型燃气轮机压气机的性能映射关系进行模拟，分析了不同网络模型在压气机特性曲线拟合上的优劣，以及样本容量对不同神经网络模型性能的影响。结果表明：BP-GA神经网络模型不仅收敛速度快，而且精度高；相比传统BP神经网络模型，其平均绝对百分比误差可控制在0.189%以内，训练时间可缩短至19.07 s；当样本容量较少时，传统BP神经网络模型不再适用，而基于遗传算法的BP-GA模型仍然保持较高的精度。

来源：2022年第1期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第1期