一种基于神经网络的航空发动机压缩部件特性修正方法

摘要

本发明公开了一种基于神经网络的航空发动机压缩部件特性修正方法，包括步骤：步骤1)建立神经网络输出及部件级模型输出参数的数学模型，利用设计点仿真数据与试验测量数据，采用小扰动法计算偏差，将模型偏差传递到各个压缩部件神经网络输出数据；步骤2)根据步骤1)得到的各个压缩部件的神经网络输出偏差对相应的神经网络进行训练，通过网络权值更新，对部件特性进行修正。本发明解决了以往部件特性不准确导致发动机模型精度不高的问题，保证了模型的稳定性和泛化能力，并且能利用较小的计算量提升部件特性的准确性，有效解决了压缩部件特性修正不准确或者难以修正的问题，适用于任何型号燃气涡轮发动机模型。