[發明專利]采用樣本自適應加權的發動機性能預測方法

在審

• 申請號: 202210417673.1
• 申請日: 2022-04-20
• 公開（公告）號: CN114662409A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 邵冬;陳前景;羅斌;吳雨婷;賈志剛;劉博維
• 申請（專利權）人: 中國航空發動機研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/15;G06K9/62;G06F111/10;G06F119/08;G06F119/14
• 代理公司: 北京鼎承知識產權代理有限公司 11551
• 代理人: 夏華棟;顧可嘉

本發明涉及發動機狀態監測技術領域，具體涉及一種采用樣本自適應加權的發動機性能預測方法，包括如下步驟：建立第一數據集和第二數據集，所述第一數據集為當前發動機的已運行數據集，所述第二數據集包括N臺所述當前發動機同型號其它發動機的運行數據集；將所述第一數據集和所述第二數據集根據飛行包線分布進行聚類，獲得M個聚類中心；建立子模型，以使M個聚類中心均包括N個子模型；每個所述聚類中心初始化一個預測權重向量W，對其包括的N個子模型進行加權平均，構建M個線性加權預測模型，所述線性加權預測模型用于預測發動機性能；優化聚類中心的所述預測權重向量W。該方法充分發揮了數據多樣性，滿足航空發動機精準性能預測的需求。

技術領域

本發明涉及發動機狀態監測技術領域，具體涉及一種采用樣本自適應加權的發動機性能預測方法。

背景技術

軍用航空發動機工作環境十分惡劣，高溫、高壓、高速等環境導致各部件性能衰退迅速、總體性能快速退化，這使得軍用航空發動機壽命相對較短。為了保障飛行的可靠性，發動機各性能需要得到監視和預測以便于及時維護，同時也有助于制定合理的視情維修計劃，從而保障飛行的可靠性和安全性。

發動機性能監視和預測通常利用空氣動力學、轉子動力學、熱力學等方程進行復雜運算完成數學建模。然而，發動機的結構復雜、零件繁多，制造和裝配誤差等因素難以測量和估算，所建立的性能模型是一個平均模型，完全不包含發動機個體差異信息。此外，發動機工作環境帶來了部件性能退化等問題，而性能退化機理極其復雜，這使得發動機預測難度非常大。因此，為了獲得高精度的預測模型，發動機個體差異和性能退化等特性需要通過發動機實測參數不斷校正。

基于數據修正的建模方法需要大量工況條件下豐富多樣的數據才能保證模型的準確性。目前常采用的發動機自適應模型往往需要一定數量的歷史數據。然而，由于軍用航空發動機壽命短、飛行工況有限、機載存儲單元采集頻率低等原因，當發動機運行時間有限、樣本數量不足、飛行條件和狀態等不夠豐富多樣時，自身樣本難以快速對模型形成有效修正。

現有發動機性能預測方法缺乏對其它發動機多樣化數據的充分利用，也難以體現發動機隨使用帶來的發動機性能退化，因此難以滿足現代軍用航空發動機精準性能預測的需求。

發明內容

解決的技術問題

針對現有技術所存在的上述缺點，本發明提供了一種采用樣本自適應加權的發動機性能預測方法，該方法可以充分發揮了數據多樣性，滿足對于航空發動機精準性能預測的需求。

技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

本發明提供一種采用樣本自適應加權的發動機性能預測方法，包括如下步驟：

S1、建立第一數據集和第二數據集，所述第一數據集為當前發動機的已運行數據集，所述第二數據集包括N臺所述當前發動機同型號其它發動機的運行數據集；

S2、將所述第一數據集和所述第二數據集根據飛行包線分布進行聚類，獲得M個聚類中心；

S3、N臺其它發動機基于不同的所述聚類中心分別建立子模型，以使M個聚類中心均包括N個子模型；

S4、每個所述聚類中心初始化一個預測權重向量W，對其包括的N個子模型進行加權平均，構建M個線性加權預測模型，所述線性加權預測模型用于預測發動機性能；

S5、每個所述聚類中心初始化一個空數據池，將所述當前發動機的當前運行數據數據放入一所述聚類中心的空數據池，優化該所述聚類中心的所述預測權重向量W，所述一所述聚類中心指與所述當前運行數據距離最近的聚類中心。

進一步地，步驟S2具體包括：