基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型_皮骏
利用广义回归神经网络（GRNN）良好的非线性映射能力,对航空发动机排气温度（EGT）进行预测。由于GRNN的预测性能受宽度系数的影响,因此采用改进的果蝇算法优化广义回归神经网络（IFOAGRNN）,并用优化后的GRNN对航空发动机的EGT进行预测。以某发动机为案例,选取相关参数作为预测模型的输入变量,EGT作为预测模型的输出变量。在相同的样本分配下,将FOA-GRNN（fruit fly optimization algorithm to optimize GRNN）、GRNN、自回归预测模型和优化的支持向量回归机作为对比算法。分析结果表明:IFOA-GRNN的收敛精度高于FOA-GRNN；IFOA-GRNN对EGT预测的平均相对误差为2.47%、拟合优度为0.850 6,其预测效果均优于其他对比算法；同时,IFOA-GRNN对噪声的敏感性也低于其他对比算法。
- 2021-05-07
- 阅读942
- 下载0
- 10页
- pdf
