要实现航空发动机的性能退化缓解控制,需要设计一个高精度并具有良好实时性的推力估计器。针对这种需要,本文提出了一种新的加权最小二乘支持向量回归机,并在此基础上设计了性能退化推力估计器。和现有的加权策略相比较,基于此新的加权策略的推力估计器不仅能满足性能退化缓解控制对精度的要求也能满足实时性的要求。最后,仿真实验证明此加权最小二乘支持向量回归机以及基于
No 1 .
S es e g, ta .No e e g t d Le s q a e u p r c o g e so u W ih n e 1 v lW i h e a tS u r s S p o tVe t rRe r s i n
…
2 9
2 EXPERI ENTS M The pr p e g— LSSVR wih h a v n— o os d W t t e d a
c m p n n e e d l ( o o e tlv lmo e CLM )o u ls o lt r fd a -p o u . - . b fn e g n t xn x a s ( g 2 . Fo o a n ie wih mi ig e h u t Fi . ) r c n e i n o a io n a u i g,a p r o— o v n e t c mp rs n a d me s rn e f r ma c n e n e i d x RD, r l tv e i t n, i e i e ea ie d v ai o s d f d n aS
t g s o f e t e e s a d f a i i t s a p id t a e f e f c i n s n e sb l y i p l o v i e d sg h u te tma o o e i n t r s s i t rf rPDM C.A l t e e p r l h x e— i n s n t e s u y a e c rid o t y me t i h t d r a re u b M l b a a t
2 0 a n p ro a c mp t r 0 7 o a e s n l o u e wih n e R ) t I tl( Co e *i r l ̄7CPU 5 r e s ra i owsXP o— 9 0 p oc s o nd W nd D
R D=
( 3 1)
wh r f h a ue au, ( f t e p e it eed t eme s rdv le f x) h r d c— i s e au . d v l e
e ai n s s e r t y tm.Th e e r h o jc san ni e r o er s a c b e ti o l a n
Fi Il s r to g.2 lu t a i n ofdua- p lt bofn ngi t i ng ex us ls oo ur a e ne wih m xi ha t
g W LS VR s f s l s d t e i n t r s — S i i ty u e o d sg h u t r e tma o f r DM C. Th n s i t r o P e Su k n, e a y e s t l s
me t . Th x e i n a r s ls o o r fi h ns e e p r me t l e u t n f u l t g c n ton u i
t e r p e Z— LSSVR a e o dii s sng h p o os d W r
p u e LS VR (— S rnd S S LS VR ) i lo t ie o s s u i z d t a l d m o s r t h r a i n l y o u k n, e l e n ta e t e ir t ai fS y e s ta o t s we g tn t a e y i h s s t i g i h i g s r t g t i e t .F ra f i o n n o art m— p rs n, l l o ih s r i ii l e wi t e a io a l g rt m a e n ta i d a z t h h s m e m o e a a e e s t e k r e a a t r y a d l p r m t r: h e n 1 p r me e a d t e r g l rz to a a t r C, d t r i e n h e u a ia i n p r me e e em n d b C O S v l a i n e h i u ̄] wih n r l y R S a i t t c n q e d o。 t o ma LS SVR. I h x e i e t,t e p ro ma c e n t e e p rm n s h e f r n e d— t ro a i n e i r to of ou c f r ompo nt i c ud n f n, ne s n l i g a c ompr s or h gh pr s u e t r i e s, i— e s r u b ne, a l w— nd o p e s e t r n s c sde e t he e fce y r s ur u bi e i on i r d wih t fiinc
da g 3 r wn i Fi, .Du o t e s a elmi to n o t h p c i t i n,sm— a i u a i ns wih o h r a g rt l to t t e l o ihms,i c u ng no ma n l di r l
LS V Rw]— S S,S LS VR[ l— L S 1,S W S VR[] n 9 1,a d g— S W LS VR, a e n t me t n d h r u h e S r o n i e ee b tt e d— o t i d r s ls a e l t d i b e 1 al e u t r i e n Ta l . e s Ac o d n o F g 3,t e m a i m ft e a— c r ig t i . h
x mu o h b
s lt au fRD o r h n 3 5,whc o u ev l eo i n tmo et a .‰ s ih s ts is t e r q ie n fP a if h e u r me to DM C. W h n n r l e e o ma L S S VR s s d t e i n t r s s i t r t e i u e o d s g h u t e tma o, h p e i t n tme i h o g s,u u l r h n r d c i i s t e l n e t s a l mo e t a o y 2 m s wh c o sn tme tt e r q ie n fd— , ih d e o e h e u r me to e sg ig a r—n i ec n r l r i n n e o e g n o t o l .H e c e n e,S LS VR— S i mpl y d t u own t e c i n tme wih se o e o c td he pr dito i t t e a e nt he nh nc me of he e ltme e f ma c t r a— i p ror n e t o h e hr ug r ducng t e nu b r o up r e t r . i h m e fs po t v c o s
d g a a i n r n i g r m O一 5 . Th P e r d t a g n f o o e LA
sae n t ecoe n ev lE 5,l O] cls i h lsd itr a z。 1。.Wh n e PLA s s t b y nd 7。 h f e bu ne t r s t i e e o 5。t e a t r r r s a t o
wo k As f r t e i p t v ra l s a c r i g t r. o h n u a ib e, co dn o
R f D,svn mesrmet r eetdi— e. 3 3 ee aue nsaeslce n cu ig t e a t u e ( ) M a h n m b r ( a) ld n h li d t日, c u e M,
S W LS VR s a s tl e o mo e h u t e t—— S i l o u i z d t d lt r s s i i ma o o f r he n r a e r a— i e f r nc . t r t u t r i c e s e ltme p r o ma e
t e t t lp e s r f
t eo te fb p s ( 6, h o a r s u e o h u lto y a s Pl) t et t ltmp r t r fs c in 8 ( ) h e— h o a e e a u e o e t 8,t e tr o n p r t r a i f a r - n ie ( e a u e r to o e o e g n ETR ) t e man, h i r e fo u l l w ( FB ) a d feb r e r e f w W, n a tr u n r u l l o ( A ) Th s ip t a ibe a e o maie . e e n u v ra ls r n r l d z
Du o t e i a p o ra e weg t g s r t g e t h n p r p i t i h i t a e y,t e n h r a—i e p r o ma e i n t m p ov d un r t e ltm e f r nc s o i r e de he
l s h e l h o d t n .Th r d c i n t e i a tt r e fi t n ii s g c o e p e ito i m s
s o tn d o vo sy y— LS V R c mp r d h re e b iu l b Z W S o ae wih S— t LSSVR,wh c s ve ih a smor i ef r e i e e tm o ng n
w t i h a g f O b fr p tnotr s i ntern e[,1 eoei u t u t h o 3 n i h e tm a or b c u e s i t e a s of he r d fe e m e s le t i if r nt al - r
c n r le .Be a s ft e s c e s o o s r c i g o tolr c u e o h u c s fc n t u t n t r s s i t rf r P h u te tma o o DM C,t e e f c i e e s a d h fe tv n s n

Boosting稀疏最小二乘支持向量回归机及其在推力估计中的应用_专业资料。为实现航空发动机的直接推力控制代替传统的基于传感器的液压机械式控制,本文使用boosting技术...
在线稀疏最小二乘支持向量回归机及其应用_专业资料。提出了一种简单有效的方法——OPLS—SVR来实现在线最小二乘支持向量回归机解的稀疏性。由于稀疏性的实现,在线...
一种改进的在线最小二乘支持向量机回归算法_信息...从而产生出各种具有某一方面优势或者一定 应用范围的...动态加权最小二乘支持向量机 ( Fan Y G , Li ...
一种 稀疏化 策略, 应用此 方 法建立了航空发动机... 性能预测; 仿真; 最小二乘支持向量机; 稀疏化...和 b, 从而得到最小二乘支持向量机回归模型, 其...
将最小二乘支持向量机(least square support vector machine,LS-SVM)应用于航空发动机气路故障诊断。首先,分析了用于气路故障诊断的巡航偏差数据类别,建立用于进行...
pn 檭檭檭檭檭殐2 研究论文 基于粗差判别的参数优化自适应加权最小二乘 支持向量机在 P 氧化过程参数估计中的应用 X陶莉莉1 ,钟伟民1 ,罗 娜2 ,钱 锋11...
加权支持向量回归机及其在水质预测中的应用_专业资料。支持向量机是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法。本文对用于...
ComputerEngineeringandApplications 计算机工程与应用 2007,43(11) 33 一种新的最小二乘支持向量机算法张 猛1, 付丽华 2,张维1 ZHANGMeng1,FULi-hua2,ZHANGWei...
2008 Contr ol and Deci sion 一种快速稀疏最小二乘支持向量回归机赵永平, 孙健国 ( 南京航空航天大学 能源与动力学院, 南京 210016) 摘要: 将 Jiao 法直接...
最小二乘支 持向量机是一种有发展前途的新方法,...而最小 二乘估计作为函数回归最基本的工具之一,在...问题中的应用 2007 加权最小二乘支持向量机权重隶属...
热门文档