作者：刘自然¹, 王律强¹, 李爱民², 颜丙生¹, 甄守乐¹, 熊伟¹

作者单位：1.河南工业大学机电工程学院, 河南 郑州 450007;
2.河南工业大学 工程训练中心, 河南 郑州 450007

关键词：附件试车台;遗传算法;BP神经网络;振动预测

摘要：

为解决航空发动机附件试车台主要监测参数振幅与流量、压力等其他参数之间的关系难以用线性模型来预测的问题,建立具有7-8-1结构并经遗传算法(genetic algorithm,GA)优化过阈值和权值的遗传反向误差传播(back propagation,BP)神经网络。以输出转速、增压泵入口流量、增压泵入口温度、增压泵入口压力、增压级出口流量、增压级出口温度和增压级出口压力为网络输入,附件的径向振幅为网络输出建立预测模型。将训练后的网络用于某型航空发动机附件振动趋势的预测,得到的预测值符合要求。

Vibration trend prediction of test bed based on genetic BP neural network

LIU Ziran¹, WANG Lüqiang¹, LI Aimin², YAN Bingsheng¹, ZHEN Shoule¹, XIONG Wei¹

1. College of Mechanical and Electrical Engineering, He'nan University of Technology, Zhengzhou 450007, China;
2.Engineering Training Center, He'nan Unitersity of Technology, Zhengzhou 450007, China

Abstract: To solve the problem that linear mode can't predict the relationship between amplitude, which is the main monitoring parameter, flow, pressure and other parameters of Aero engine accessory test bed, a 7-8-1 genetic back propagation(BP) neural network structure is established, whose threshold and weight optimized by genetic algorithm(GA). A prediction model is built by using the output speed, booster pump entrance flow, booster pump entrance temperature, booster pump entrance pressure, booster stage outlet flow, booster stage outlet temperature and booster stage outlet pressure as the network input and radial amplitude of aircraft accessory as the network output. The trained network is used to predict the vibration trend of a certain type of aircraft accessory and the error between the acquired prediction value and the actual value is under the requirement.

Keywords: accessory test bed;genetic algorithm;BP neural network;vibration prediction

2015, 41(8): 118-121  收稿日期: 2014-9-21;收到修改稿日期: 2014-11-16

基金项目: 

作者简介: 刘自然(1964-),男,河南信阳市人,教授,硕士,主要从事机电传动与控制、动态测试研究。

参考文献

[1] 金向阳,林琳,钟诗胜,等. 航空发动机振动趋势预测的过程神经网络法[J]. 振动、测试与诊断,2011,31(3):333-334.
[2] 田亮,罗宇,王阳. 基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型[J]. 上海交通大学学报,2013,47(11):1691-1693.
[3] 刘学士,肖旭,戴勇. 基于遗传算法优化BP神经网络的磨削力预测[J]. 机械设计与制造,2013(1):227-228.
[4] 郭琮. 基于遗传神经网络盲检测的音频水印技术研究[D].北京:北京邮电大学,2012.
[5] 钟诗胜,雷达,丁刚. 卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用[J]. 北京:航空学报,2012,
33(3):339-441.
[6] 杨晋朝,黄敏超. 深度交叉遗传神经网络在液体火箭发动机故障检测中的应用[J]. 火箭推进,2009,35(2):42.
[7] 王德明,王莉,张广明. 基于遗传BP神经网络的短期风速预测模型[J]. 浙江大学学报:工学版,2012,46(5):839.
[8] 欧健,孙才新,胡雪松. 基于遗传优化BP网络的振动故障诊断[J]. 高压电技术,2006,32(7):46-47.
[9] 肖丽,孙鹤旭,高峰. GA优化的BP神经网络在SRM间接位置检测的应用[J]. 计算机测量与控制,2013,21(6):1460.
[10] 朱艳妹,朱石沙,朱大洲,等. 基于遗传算法和BP神经网络的离心泵性能预测[J]. 机械科学与技术,2012,31(8):1275-1276.