利用神经网络模型实现压气机特性图的三维逼近.pdfVIP

排放、增压与性能05 利用神经网络模型实现压气机 特性图的三维逼近 装甲兵I程学院陈 策 毕小平 1引言 在进行增压发动饥的模拟计葬当中，如何对压气机的流通特性和效率特性进行数值表示 是一个比较繁琐的过程目前，人们基本上采用网格插值和三维曲面拟台的办法来表示压气机 的特性。网格插值法制啊正交的网格离散特性图上的数据点，要求知道通过网格节点上的数 据，然而由于所获得的压：气机特性图数据点较少，只能得到较少的几条等转速线和等效率线， 因而不得不对网格节点上的数据进行人为的估计，这样就不可避免地带来了一定的方法误差。 利用三维曲面拟合理沦．必须能正确地选择拟合基函数．一般人们：果用多项式来实现这种逼 近，但是多项式阶数的选取必须适当，既要保证一定的拟合精度，又要保证在非样本点具有良 好的内插和外推，这两玎面的要求往往是矛盾的，阶数过低，精度就会下降，而阶数过高又往往 在数据点稀疏时，内插和外推效果变差一“。 神经网络具有高度j：线性映射的特点，适当选择网络的结构就能够逼近任何多维非线性 函数，而且这种逼近是连：卖的，具：自‘一定的内插和外推性能”]。因此，本文采用BP神经网络模 型处理压气机特性图，这j砷处理办法思路简单，逼近精度很好。 2 BP神经网络模型 2．1模型结构 多层前馈神经网络bALA又称13P神经同络，其拓扑结构如图1听示．它的特点是除了输 入层与输出层以外．还有一层或者多层中间层(隐含层)。其中只有前一层到后一层的连接而没 有后层到前层的连接，同一层节点 间没有任何连接。信号从输入层输 入向前传播，依次经过各个中间隐 辅出 层单元，最后传到各个输出层节点， 每一层节点的输出只影响下一层节 电的输出，各个节点都具有其单元 特性，即活化函数。通过各个节点间 活化函数的简单复合便可以完成从 输入到输出的非线性映射，可以证 辅^幔-℃ 明，只要每一层有足够多的单元，至 多三屡网络便可“以任意精度逼近 图l 神蛭棚络拓仆结构图 任何非线性函数。 96 神经网络模型的数学描述如下： 设第z层有某节点i，其前一层即，～1层具有节点数为M…州，为节点i的净输入m为 5Ui的连接 神经元i的输出，馥为神经元闽值，o，为，一1层节点的j的输出信号，w．，为节点J 权，对于BP网络的输入神经元，其输出与输入相同，即n=x，，对于中问隐含层和输出层神经 元来说，其操作特性为： Ni uet(,”一∑w：’×q+口 (I) … o{一，『(net，) (2) 其中√(·)称为活化函数，通常采用能够同时满足非线性与连续可傲条件的Sigmoid函数， 即：／(z)一1／(1+F2)