基于小波神经网络的航空发动机建模研究

摘要

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法,并采用高效率的初始化方法缩短了训练时间.采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练,建立了全包线适用的动态小波神经网络航空发动机模型,用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力.与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较,结果表明WNN建立的模型训练精度高而且泛化能力强.