摘要
本发明提供了一种基于特征选择的叶栅性能预测模型构建方法,涉及航空发动机与燃气轮机技术领域,包括:获取叶栅几何参数和试验测试数据,确定所有叶栅典型几何参数和所有叶栅试验工况参数;根据历史的叶栅试验数据,确定模型训练样本集;将所有叶栅典型几何参数和所有叶栅试验工况参数输入机器学习模型中,基于模型训练样本集对机器学习模型进行训练和精度评估;对机器学习模型进行特征选择,确定关键参数和非关键参数;剔除非关键参数,以关键参数作为输入特征,对机器学习模型重新进行训练;通过多次迭代,对机器学习模型进行多次训练。本发明可降低新型叶栅试验次数、节约试验相关周期和成本,为叶栅/叶轮机的高效设计提供依据和手段。
技术关键词
性能预测模型
机器学习模型
特征选择
工况参数
训练样本集
噪声数据
燃气轮机技术
输出特征
典型
机器学习方法
航空发动机
精度
叶轮
格式
定义
周期
系统为您推荐了相关专利信息
基因检测方法
统计学习方法
基因检测装置
测序方法
变量
二次设备
性能评估方法
编码特征
聚类特征
设备性能评估
身份验证
机器学习模型
风险
访问控制策略
训练样本集
风力发电主机
实时监测方法
风险评估模型训练
聚类分析算法
风力发电系统