ACO-ELM与CFSFDP结合的机载动力系统参数估计*

孟蕾，许爱强，牛景华

(1. 海军航空工程学院 a.科研部； b.飞行器工程系, 山东 烟台 264001； 2.中国人民解放军92212部队, 山东 青岛 266000)

ACO-ELM与CFSFDP结合的机载动力系统参数估计*

孟蕾1a，许爱强1b，牛景华2

(1. 海军航空工程学院 a.科研部； b.飞行器工程系, 山东 烟台 264001； 2.中国人民解放军92212部队, 山东 青岛 266000)

针对机载动力系统测试数据的不确定性，求解参数实时性差的问题，提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类，然后在每一个子类中用极限学习机设计了子参数估计器，并用蚁群算法寻找极限学习机的最优隐层神经元数目。训练与测试表明，参数估计测试相对误差明显优于传统的RBF神经网络方法，且参数估计时间能够满足机载在线实时状态评估的需求，该方法可应用到其他不可测参数的估计。

飞行器；推力；参数估计；蚁群；快速寻找密度极点聚类；蚁群极限学习机

0 引言

研究参数估计是作为机载动力系统健康管理系统重要的评估指标，在参数估计问题上主要有3个研究重点：一是输入特征参数选择，常采用相关性分析[1]、交叉验证中的留一法[2]和核诱导至高维空间[3]等方法提取输入特征数据；二是机载电子状态划分，通常按照高度与马赫数直接划分包线[4]、K-均值聚类[5]以及其他聚类等方法；三是参数估计映射方法的选择，主要采用神经网络、支持向量机等。……