文献

J-GLOBAL ID：201802225229043092   整理番号：18A1454307

改良ウェーブレット極端学習機械のアンサンブルに基づく航空エンジン推力推定【JST・京大機械翻訳】

Aero-engine Thrust Estimation Based on Ensemble of Improved Wavelet Extreme Learning Machine

資料名： Transactions of Nanjing University of Aeronautics & Astronautics  (Transactions of Nanjing University of Aeronautics & Astronautics)
巻： 35  号： 2  ページ： 290-299  発行年： 2018年 
JST資料番号： W0400A  ISSN： 1005-1120  CODEN： TNUAFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 航空エンジン直接推力制御は,推力制御精度を改善するだけでなく,設計における保存マージンを低減し,航空機エンジンの潜在性能を完全に利用することにより,運転コストを節約することができる。しかし,エンジン推力を正確に推定することは大きな課題である。この問題に取り組むために,本論文は航空機エンジン推力推定のための改良ウェーブレット極値学習機械(EW-ELM)の集合を提案した。Extreme学習機械(ELM)は,高効率の新しい学習技術として証明されている。ELMとウェーブレット理論の組合せが両方の優れた特性を有するので,ウェーブレット活性化関数を,非線形性処理能力を強化するために隠れたノードにおいて使用した。さらに,元のELMは,隠れたノードに対するパラメータのランダム決定による悪条件とロバスト性問題をもたらす可能性があるので,粒子群最適化(PSO)アルゴリズムを採用して,入力重みと隠れバイアスを選択した。さらに,改良ウェーブレットELMのアンサンブルを用いて,センサ測定と推力の間の関係を構築した。シミュレーション結果は,開発した方法の有効性と効率を検証し,EW-ELMを用いた航空エンジン推力推定は,推定精度と計算時間に関して直接推力制御の要求を満たすことができることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 非線形性 ,  アルゴリズム ,  ロバスト性 ,  *学習機械 ,  センサ ,  バイアス ,  スループット ,  推力制御 ,  シミュレーション ,  *波束 ,  *推力 ,  *学習
準シソーラス用語： 粒子群最適化 ,  高効率 ,  *航空エンジン , 【Automatic Indexing@JST】

分類 (1件)： 運航技術  (QK05030K)

タイトルに関連する用語 (6件)： ウェーブレット ,  極端学習機械 ,  アンサンブル ,  航空エンジン ,  推力 ,  推定