基于改进遗传算法的燃气轮机自适应建模仿真
Adaptive Modeling and Simulation of Gas Turbine Based on Improved Genetic Algorithms
DOI: 10.12677/DSC.2019.82016, PDF,    科研立项经费支持
作者: 赵建锋, 梁前超：海军工程大学动力工程学院，湖北 武汉；李华志*：国防科技大学信息通信学院，湖北 武汉
关键词: 燃气轮机；自适应遗传算法；灰度预测；建模仿真；Gas Turbine； Adaptive Genetic Algorithm； Gray Scale Prediction； Modeling and Simulation
摘要: 为了保证对燃气轮机的性能与故障进行精准的描述及诊断，建立精确的燃气轮机模型便起到关键作用。燃气轮机处于变工况条件下，其模型计算准确性取决于燃气轮机各部件(压气机与透平)特性的精度。为保证获得燃气轮机模型特性的精度，本文建立一种改进的遗传算法与自适应技术对燃气轮机的特性进行获取。采用自适应遗传算法(AGA)和灰度预测(GM)相结合的方法，对部件特向修正因子进行优化，保证在获得最优的燃气轮机特性的同时，能提高遗传算法的收敛速度。
Abstract: In order to guarantee the accurate description and diagnosis of gas turbine performance and fault, the establishment of accurate gas turbine model plays a key role. Under variable working condi-tions, the accuracy of gas turbine model calculation depends on the accuracy of the characteristics of gas turbine components (compressor and turbine). In order to ensure the accuracy of gas turbine model characteristics, an improved genetic algorithm and adaptive technology are established in this paper to obtain gas turbine characteristics. Adaptive genetic algorithm (AGA) and gray scale prediction (GM) were combined to optimize the component characteristic correction factor to ensure the optimal gas turbine characteristics and improve the convergence speed of the genetic algorithm.
文章引用：赵建锋, 梁前超, 李华志. 基于改进遗传算法的燃气轮机自适应建模仿真[J]. 动力系统与控制, 2019, 8(2): 140-147. https://doi.org/10.12677/DSC.2019.82016

参考文献

[1] 刘前智. 多级轴流压气机非设计性能的数值预估[J]. 航空动力学报, 2004, 19(1): 108-112.
[2] 段守付, 樊思齐, 卢燕. 航空发动机自适应建模技术研究[J]. 航空动力学报, 1999, 14(4): 440-443.
[3] 谢光华, 曾庆福, 张燕东. 航空发动机仿真模型参数自适应校正[J]. 航空动力学报, 1998, 13(1): 37-40.
[4] 陈玉春, 黄兴, 徐思远, 等. 涡轮发动机部件特性自适应模型的确定方法[J]. 推进技术, 2008, 29(2): 214-218.
[5] 王永华, 李本威, 孙涛, 等. 基于部件特性自适应的涡扇发动机仿真[J]. 燃气涡轮试验与研究, 2009, 35(2): 11-13.
[6] Li, Y.G. and Pilidis, P. (2010) GA-Based Design-Point Performance Adaptation and its Comparison with ICM-Based Approach. Applied Energy, 87, 340-348.
[Google Scholar] [CrossRef] 
[7] 刘永葆, 贺星, 黄树红. 基于改进遗传算法的燃气轮机自适应建模[J]. 航空动力学报, 2012, 27(3): 695-700.
[8] 应雨龙, 李淑英. 一种基于粒子群优化算法的燃气轮机自适应热力计算方法[J]. 燃气轮机技术, 2015, 28(4): 48-54.
[9] Stamatis, A., Mathioudakis, K. and Papailiou, K.D. (1990) Adaptive Simulation of Gas Turbine Performance. Journal of Gas Turbine and Power, 112, 168-175.
[Google Scholar] [CrossRef] 
[10] 凌玲, 胡于进, 王青青, 等. 基于改进遗传算法的孔群加工路径优化[J]. 华中科技大学学报(自然版), 2009, 37(8): 88-91.
[11] 吕东洋. 等时序沉降观测GM(1, 1)预测精度分析[J]. 测绘与空间地理信息, 2018, 41(11): 194-197.
[12] 孔雪, 王丽, 冯益华. 灰色预测GM(1, 1)模型应用现状与展望[J]. 齐鲁工业大学学报, 2018, 32(6): 49-53.
[13] 张乔斌, 王文华, 贺星. 基于RBF神经网络的燃气轮机监测参数非线性时间序列预测[J]. 海军工程大学学报, 2018, 30(2): 96-99.

为你推荐