[發明專利]遷移過程神經網絡預測發動機清洗后排氣溫度的方法

在審

• 申請號: 202110500076.0
• 申請日: 2021-05-08
• 公開（公告）號: CN115310189A
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 閆至騏;鐘詩勝;林琳;崔智全;趙明航
• 申請（專利權）人: 哈爾濱工業大學（威海）
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/04;G06N3/08;G06F119/08
• 代理公司: 威海科星專利事務所 37202
• 代理人: 初姣姣

本發明涉及一種遷移過程神經網絡預測發動機清洗后排氣溫度的方法，設有TPNN模型，TPNN包括變量與EGTM的映射方法以及變量之間的映射方法，其特征在于，對于數據參數與EGTM的映射方法，采用線性擬合的方式，建立所有變量與EGTM數據對應關系，實現正向和逆向求解，其中將水洗前數據進行了線性擬合，取線性函數的ti處值作為VBW，提前水洗時間CSN和水洗周期ΔCSN；將水洗后數據進行了線性擬合，取線性函數的ti處值與VBW的差值作為INC，取線性函數的斜率為DR；利用遷移過程神經網絡作為水洗前后變量的映射模型，模型采用遷移技術從同類型發動機的數據中學習到初始框架，遷移到目標發動機數據中進行訓練。

技術領域：

本發明涉及航空發動機排氣溫度監測技術領域，具體的說是一種能夠解決傳統技術中難以準確預測因清晰導致的數據突變的趨勢問題的遷移過程神經網絡 (TransferProcess Neural Networks，以下簡稱TPNN)預測發動機清洗后排氣溫度的方法。

背景技術：

航空發動機在長時間運行后，空氣的污垢沉積發動機葉片表面。葉片結垢在促進葉片點蝕的同時，降低了壓氣機空氣流量，導致推力降低。發動機為了補償推力而增加了油耗，使排氣溫度(exhaust gas temperature)EGT升高，發動機壽命降低。由于低水平的空氣流量，增加的燃油無法充分燃燒，將導致發動機增加了污染氣體的排放。

為了響應航空業追求的“節能減排”主題，并滿足發動機適航要求，需要對發動機進行水洗。水洗是指對在翼發動機的氣路進行清洗。水洗能夠清除葉片污垢，恢復空氣流量和推力。因此能夠降低油耗和EGT、防止葉片點蝕、延長發動機壽命。因此，水洗已被世界各國廣泛重視和應用。發動機的水洗工作被列為維修規程的必做項目。

目前，航空公司照搬了廠家提供的定期水洗計劃，沒有因地制宜對水洗計劃進行調整。而廠家計劃中的水洗周期比在本地發動機實際需要的水洗周期較長，因此在本地的發動機經常沒有被及時水洗。圖1是我們在北京維修基地調研時借助孔探拍攝的發動機內部照片。在壓氣機葉片上粘附了較多的污垢，證明了沒有被及時水洗。

水洗效果難以直接用指標衡量，然而由于水洗可以降低EGT，所以通過觀察 EGT能夠評估水洗效果。對水洗效果進行預估，可以判斷出即將水洗的時機是否合適，以及是否需要送修。這有助于延長發動機使用壽命，降低污染氣體排放，進而提高航空公司的經濟效益。

可以通過預測水洗后EGT裕度(EGT Margin,EGTM)來實現對水洗效果的預估。通常，航空公司以EGTM來代替EGT作為對水洗效果的參考。EGTM是指發動機EGT 紅線值與發動機在平功率溫度下以全推力起飛時的排氣溫度之差。由于EGTM的計算排除了噪聲等因素的干擾，因此比EGT更能反映發動機的水洗效果。

EGTM在航空發動機水洗后會顯著提升。圖2(a)以點代表EGTM，顯示出EGTM 在水洗前持續下降，水洗后產生了階躍，隨后繼續下降。對水洗后EGTM的變化進行準確的預測，航空公司不僅可以根據預測結果評估水洗效果持續時間，進而可以評估水洗后的發動機污染氣體減排情況，為發動機排放控制和環境影響評估提供數據支持。

然而此類研究面臨一個挑戰，傳統方法不能準確預測出水洗后EGTM的變化。如圖2(a)所示，傳統方法通過對當前數據趨勢進行延拓實現預測，使得用傳統方法預測的數據與前期數據有持續性趨勢。傳統的方法僅適用于無突變因素影響的時序數據。相關研究采用長短期記憶網絡(Long Short-Term Memory,LSTM)，核極限學習機(kernel ExtremeLearning Machine,KELM)等方法來預測發動機數據。航空公司需要的模型在發動機未水洗時能準確預測水洗后即將出現的數據突變，其預測效果如圖2(b)所示。傳統預測方法難以預測出后期數據中出現的突變，因此目前工程一線所采用方法是參考了歷史的每月水洗后EGTM的提升。