一种基于深度学习的轴流压气机失速喘振预测方法

授权

摘要

一种基于深度学习的轴流压气机失速喘振预测方法，属于航空发动机建模与仿真技术领域。首先，对航空发动机喘振数据进行预处理，在实验数据中划分出测试数据集和训练数据集。其次，依次构建LR分支网络模块、构建WaveNet分支网络模块、构建LR‑WaveNet预测模型。最后，在测试数据上进行实时预测：首先对测试集数据采用相同方式进行预处理，并按LR‑WaveNet预测模型的输入要求调整数据维度；按时间顺序，采用LR‑WaveNet预测模型给出每个样本的喘振预测概率；采用LR‑WaveNet预测模型给出带噪声点数据随时间的喘振概率，测试模型的抗干扰性。本发明综合了时域统计特征和变化趋势，提高了预测精度，并且具有一定的抗干扰性；有利于提高发动机主动控制的性能，具有一定的普适性。

基本信息

专利标题：

一种基于深度学习的轴流压气机失速喘振预测方法

专利标题（英）：

暂无

公开（公告）号：

CN112001128A

申请号：

CN202010963798.5

公开（公告）日：

2020-11-27

申请日：

2020-09-15

授权号：

CN112001128B

授权日：

2022-05-10

发明人：

全福祥赵宏阳孙希明马艳华秦攀

申请人：

大连理工大学

申请人地址：

辽宁省大连市甘井子区凌工路2号

代理机构：

大连理工大学专利中心

代理人：

李晓亮

优先权：

CN202010963798.5

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F30/15 G06N3/04 G06N3/08

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-05-10 ：

授权

2020-12-15 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20200915

2020-11-27 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载