基于进化神经网络的压气机结垢性能退化评估

贺星，刘永葆，赵雄飞

（1.海军工程大学船舶与动力学院，武汉 430033;2.海军驻431厂军事代表室，辽宁 葫芦岛 125004）

基于进化神经网络的压气机结垢性能退化评估

贺星1，刘永葆1，赵雄飞2

（1.海军工程大学船舶与动力学院，武汉 430033;2.海军驻431厂军事代表室，辽宁 葫芦岛 125004）

贺星(1982)，男，博士，讲师，研究方向为现代热力学与燃气轮机性能。

采用进化神经网络方法，通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数（Radial Base Function，RBF）神经网络的初始权值，即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数，对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索，设计了进化RBF神经网络，并对模拟得到的压气机结垢的样本进行训练和测试。结果表明：进化RBF神经网络的模式识别能力比普通RBF神经网络的要强，对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。

性能退化；压气机；结垢；进化神经网络；径向基函数；评估；优化

0 引言

综合的故障诊断、预测与健康管理技术（Prognostics and Health Management，PHM）[1-2]已经成为欧美等国提高复杂系统“5性”（可靠性、维修性、测试性、保障性和安全性）和降低系统寿命费用的关键技术。作为PHM技术在燃气轮机上的应用，燃气轮机健康管理(Engine Health Management，EHM)[3-6]就是在传统发动机状态监控、故障诊断的基础上，综合利用信息技术、人工智能等学科的最新研究成果提出的1种全新解决方案。EHM建立在对发动机信息……