论文部分内容阅读
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。