基于距离代价函数和信息熵的发动机性能参数估计研究

研究发动机部件性能参数变化规律,对于减少维修次数和推动视情维修具有重要意义。针对测量参数个数少于待估性能参数的情况,给出了一种通过构建代价函数和优化算法的参数估计方法。原代价函数只考虑当前点参数,缺少与前面点参数的联系,因此结合自组织神经网络,构造了包含以前与当前点参数的距离代价函数。并提出了一种快速的参数估计方法。由于准确的部件性能参数很难获取,并且参数趋势估计不同于单纯的点估计问题,以对应的测量参数为基础,利用信息熵方法评定部件性能参数估计效果。进一步得到距离代价函数对应的参数信息熵为0.6805,优于原代价函数的估计结果。最后通过实例验证了参数估计方法的有效性。