基于遗传优化混合模型发动机稳态数据融合

摘要

航空发动机稳态数据受工作环境、测量方式、控制规律等多方面因素影响,其试验数据常存在异常值,会对稳态性能参数计算结果造成影响。基于数据来源的正态性假设,采用高斯混合模型对数据进行筛选分类。在模型求解算法方面,采用遗传优化算法克服期望极大(EM)算法的局部收敛性,使计算结果具有一定的全局最优性,并复合应用EM算法弥补遗传算法收敛速度慢的不足。使用赤池信息准则或贝叶斯信息准则(AIC/BIC)作为数据筛选结果评定指标,并验证该方法的可行性。在数据融合方面,提出基于最优模型参数相似理论进行数据融合的方法,融合后数值接近真实稳态数据值,可作为该稳态数据片段的特征值。