[發明專利]一種航空發動機啟動過程排氣溫度預測方法

有效

• 申請號: 201810075177.6
• 申請日: 2018-01-26
• 公開（公告）號: CN108363844B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 汪銳;劉敏;張碩;李濟邦
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10;G06F119/08
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

1.一種航空發動機啟動過程排氣溫度預測方法，其特征在于，對傳感器采集到的航空發動機啟動過程地面試車數據，采用基于密度的方法對數據進行異常點的識別和處理，采用二次指數平滑法對數據中的噪聲或數據污染進行平滑或濾波處理，并對數據進行歸一化處理使其轉化為[0,1]范圍內的數據；

基于信息融合的思想，利用互信息法進行相關性分析，計算各個參數與排氣溫度的互信息函數值，考慮到各個參數與排氣溫度相關性大小的差異及訓練預測模型的時間要求，取互信息函數值最大的三個參數及排氣溫度作為預測模型的輸入參數；設預處理后的數據為Data，其中

Data＝[Para₁,Para₂,…,Para_l,…,Para_N] (1)

其中，Para航空發動機性能參數數據，為相對應的時間序列，N為參數個數，n為樣本個數；

設有兩組航空發動機性能參數數據和其中p,q∈N且p≠q；x_pi和x_qj的概率密度分別為Px_p[x_pi]和Px_q[x_qj]，聯合概率密度為Px_pq[x_pi,x_qj]，則互信息函數MI(x_p,x_q)為

MI(x_p,x_q)＝H(x_p)+H(x_q)-H(x_p,x_q) (3)

對選擇的參數進行相空間重構構建輸入輸出樣本以充分顯露時間序列數據中隱含的信息；設相關性分析后的數據為Data¹，其中，

Data¹＝[Para₁,Para₂,Para₃,Para₄] (7)

特別地，Para₄＝EGT；對于時間序列對其重構后的相空間為

X_l＝[X_l1,X_l2,…,X_lI,…,X_lM]^T (9)

其中，

X_lI＝[x_lI,x_l(I+τ),…,x_l(I+(m-1)τ)],I＝1,2,…,M；M＝n-(m-1)τ (10)

其中，m為嵌入維數，τ是延遲時間，分別用互信息法和Cao法進行求解，根據相空間重構構造輸入輸出樣本，如表1所示，其中h為預測步長；

表1 基于相空間重構的輸入輸出數據

樣本個數	輸入數據X	輸出數據Y
1	11,X21,X31,X41]]]>	1+(m-1)τ+h]]>
…	…	…
I	1I,X2I,X3I,X4I]]]>	I+(m-1)τ+h]]>
…	…	…
M	1M,X2M,X3M,X4M]]]>	M+(m-1)τ+h]]>

采用AdaBoost.RT_ELM算法對航空發動機啟動過程的排氣溫度進行預測，AdaBoost.RT_ELM具體算法如下：

(1)輸入

相空間重構后的輸入輸出數據

選擇弱學習算法

指定迭代次數T；

指定相對誤差絕對值的閾值φ，在訓練時根據φ將訓練樣本分為預測正確的樣本和預測錯誤的樣本；

(2)初始化

令初始迭代次數t＝1；

令第一次訓練時，訓練樣本權值分布為D_t(I)＝1/M,I＝1,…,M；

令初始誤差率ε_t＝0；

(3)迭代過程

start

for t＝1,…,T；

Step 1:在權值為D_t的訓練樣本上訓練第t個弱學習機；

Step 2:記第t個學習機f_t對第I個樣本X_I的預測結果為f_t(X_I)，而實際真值為Y_I；計算f_t的誤差率：

Step 3:設置a可以為1,2或3；

Step 4:更新樣本權值D_t：

其中，Z_t是標準化因子；通過調整各樣本的權值，即增加預測誤差大的樣本的權值，減少預測誤差小的樣本的權值，使得誤差大的樣本在下一次迭代中更受關注；

end

(4)輸出

強學習機：

以學習速度快、泛化性能好的極限學習機為弱學習機，通過設定合適的迭代次數以及閾值，得到預測精度高的強學習機，即航空發動機啟動過程排氣溫度預測模型。