[發(fā)明專利]一種基于堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)的軸流壓氣機(jī)旋轉(zhuǎn)失速預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111174629.4
• 申請(qǐng)日: 2021-10-09
• 公開(kāi)（公告）號(hào): CN113836817B
• 公開(kāi)（公告）日: 2022-07-19
• 發(fā)明（設(shè)計(jì)）人: 孫希明;弓子勤;全福祥;李英順
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08;G06F111/08
• 代理公司: 遼寧鴻文知識(shí)產(chǎn)權(quán)代理有限公司 21102
• 代理人: 苗青

本發(fā)明提供一種基于堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)的軸流壓氣機(jī)旋轉(zhuǎn)失速預(yù)測(cè)方法，屬于航空發(fā)動(dòng)機(jī)建模與仿真技術(shù)領(lǐng)域。首先，使用某型航空發(fā)動(dòng)機(jī)喘振實(shí)驗(yàn)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行挑選以及預(yù)處理，將數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集。其次，搭建Stacked LSTM模型并進(jìn)行訓(xùn)練，利用最終訓(xùn)練好的模型，在測(cè)試集上進(jìn)行實(shí)時(shí)預(yù)測(cè)，并給出模型損失及評(píng)價(jià)指標(biāo)。最后，采用StackedLSTM預(yù)測(cè)模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè)，按時(shí)間順序給出喘振概率隨時(shí)間變化趨勢(shì)。本發(fā)明綜合了時(shí)域統(tǒng)計(jì)特征和變化趨勢(shì)，提高了預(yù)測(cè)精度；有利于提高發(fā)動(dòng)機(jī)主動(dòng)控制的性能，具有一定的普適性。

技術(shù)領(lǐng)域

本發(fā)明屬于航空發(fā)動(dòng)機(jī)建模與仿真技術(shù)領(lǐng)域，涉及一種基于堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)的軸流壓氣機(jī)旋轉(zhuǎn)失速預(yù)測(cè)方法。

背景技術(shù)

航空發(fā)動(dòng)機(jī)被譽(yù)為飛機(jī)的“心臟”，具有競(jìng)爭(zhēng)優(yōu)勢(shì)的軍用飛機(jī)和民用飛機(jī)都依賴于高性能的航空發(fā)動(dòng)機(jī)，壓氣機(jī)是航空發(fā)動(dòng)機(jī)的重要部件，它對(duì)于航空發(fā)動(dòng)機(jī)的穩(wěn)定性可靠性和安全性有著至關(guān)重要的作用，而旋轉(zhuǎn)失速是壓氣機(jī)常見(jiàn)的故障，它是一種不穩(wěn)定流動(dòng)現(xiàn)象，是發(fā)動(dòng)機(jī)內(nèi)流的系統(tǒng)性失穩(wěn)之一，會(huì)顯著降低航空發(fā)動(dòng)機(jī)性能，而且一般認(rèn)為旋轉(zhuǎn)失速是喘振先兆，由于對(duì)旋轉(zhuǎn)失速的控制難度極大，且失穩(wěn)狀態(tài)會(huì)在瞬間對(duì)航空發(fā)動(dòng)機(jī)造成嚴(yán)重傷害，因此對(duì)旋轉(zhuǎn)失速進(jìn)行快速準(zhǔn)確的預(yù)測(cè)成為航空發(fā)動(dòng)機(jī)領(lǐng)域要迫切解決的難題。隨著現(xiàn)代航空發(fā)動(dòng)機(jī)的發(fā)展，先進(jìn)發(fā)動(dòng)機(jī)追求高推重比，低耗油率，高壓比等，導(dǎo)致壓氣機(jī)負(fù)荷越來(lái)越高，其穩(wěn)定工作的條件也越來(lái)越嚴(yán)苛，導(dǎo)致航空發(fā)動(dòng)機(jī)的穩(wěn)定性問(wèn)題更加突出。因此，對(duì)壓氣機(jī)旋轉(zhuǎn)失速做出更加快速準(zhǔn)確的預(yù)測(cè)成為目前研究重點(diǎn)，若果可以盡早發(fā)現(xiàn)喘振先兆就可以繼而調(diào)整發(fā)動(dòng)機(jī)的工作點(diǎn)就避免其進(jìn)入喘振狀態(tài)，這對(duì)發(fā)動(dòng)機(jī)失穩(wěn)問(wèn)題的解決具有重要意義。

目前，傳統(tǒng)的壓氣機(jī)穩(wěn)定性檢測(cè)和判別方法有兩種：一種是通過(guò)建立模型，當(dāng)壓氣機(jī)出現(xiàn)喘振先兆時(shí)進(jìn)行相應(yīng)控制，抑制壓氣機(jī)的擾動(dòng)繼續(xù)發(fā)生，防止進(jìn)入喘振狀態(tài)。第二種是對(duì)旋轉(zhuǎn)失速先兆的預(yù)測(cè)，傳統(tǒng)方法是通過(guò)喘振頻率的分析或小波變換分析，頻率分析方法僅能從頻域分析信號(hào)的頻率分布，缺乏對(duì)時(shí)域的檢測(cè)，無(wú)法確定失速發(fā)生的時(shí)域信息，小波分析變換則能夠在頻域的基礎(chǔ)上得到信號(hào)的時(shí)域分布。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中準(zhǔn)確性低，可靠性差的問(wèn)題，本發(fā)明提供一種基于堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)(StackedLSTM，StackedLong Short-Term Memory)的軸流壓氣機(jī)旋轉(zhuǎn)失速預(yù)測(cè)方法。

本發(fā)明采用的技術(shù)方案如下：

一種基于堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)的軸流壓氣機(jī)旋轉(zhuǎn)失速預(yù)測(cè)方法，包括以下步驟：

S1.對(duì)航空發(fā)動(dòng)機(jī)喘振數(shù)據(jù)進(jìn)行預(yù)處理，包括以下步驟：

S1.1獲取某型號(hào)航空發(fā)動(dòng)機(jī)喘振實(shí)驗(yàn)數(shù)據(jù)，剔除實(shí)驗(yàn)數(shù)據(jù)中由于傳感器故障產(chǎn)生的無(wú)效數(shù)據(jù)；

S1.2對(duì)剩余有效數(shù)據(jù)依次進(jìn)行采樣濾波、歸一化、平滑處理，使數(shù)據(jù)分布更加貼合高斯分布；

S1.3為保證測(cè)試結(jié)果的客觀性，在對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)一步處理前，將實(shí)驗(yàn)數(shù)據(jù)劃分為測(cè)試數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集；

S1.4通過(guò)時(shí)間窗切分訓(xùn)練數(shù)據(jù)集，并將其按4：1的比例劃分為訓(xùn)練集和驗(yàn)證集；

S2.構(gòu)建堆疊長(zhǎng)短期記憶網(wǎng)絡(luò)模型，即Stacked LSTM模型，包括以下步驟：

S2.1將每個(gè)樣本維度調(diào)整為(n_steps,1)，作為StackedLSTM模型的輸入，其中n_steps代表時(shí)間步長(zhǎng)大小；

S2.2Stacked LSTM模型是由多個(gè)LSTM模塊構(gòu)成，每個(gè)LSTM模塊包含多個(gè)單元狀態(tài)，上一個(gè)LSTM模塊學(xué)習(xí)到輸入樣本的隱藏的時(shí)間模式，輸出一個(gè)特征序列并傳到下一個(gè)LSTM模塊；

S2.3通過(guò)多個(gè)LSTM模塊對(duì)輸入樣本的學(xué)習(xí)，將最后一個(gè)LSTM模塊的輸出特征輸入到兩個(gè)全連接層，再采用sigmoid激活函數(shù)計(jì)算，得到最終的喘振概率并輸出。