基于Kriging 算法的压气机健康参数主从式插值建模

曾 力，陈仁祥，董绍江

（重庆交通大学机电与车辆工程学院，重庆 400074）

研究航空燃气轮机建模理论对于其性能分析与飞控系统的设计改进具有重要意义.压气机是燃气轮机的主要气路部件，通过对空气压缩做功确保其在燃烧室能够与燃油充分燃烧.压气机的流量系数是表征压气机流通能力的重要指标，同时也是进行燃气轮机数字化建模的重要参数.通常情况下，流量系数的获取首先需要进行燃气轮机试车，然后基于试车数据构造插值模型，利用该模型计算出满足燃气轮机建模所需的流量系数.目前，传统的插值模型在进行流量参数扩展时普遍存在插值精度较低的问题[1-3].

为了提高压气机流量系数的计算精度，涂环等[4]提出了基于Kriging 算法的压气机流量特性预测模型，并讨论了模型中相关参数的初值以及模型本身对预测结果的影响.尹大伟等[5]引入元建模的原理，通过定义原模型的输入输出维数，利用Kriging算法建立了流量和效率参数的代理模型，并基于此模型对其他转速下的特性数据进行估计.赵勇等[6]针对Kriging 模型对初始参数取值敏感的特点提出利用量子粒子群优化算法对原始Kriging 模型中相关参数进行寻优，建立了优化后的Kriging 代理模型.Gholamrezaei 等[7]提出基于有限的实验样本，利用前馈神经网络对压气机的特性数据进行重构.网络的权重和偏差由带贝叶斯正则化的Levenberg-Marquardt 算法进行调节.Marek 等[8]提出利用两个变量逼近特性数据曲线，提出……