[發(fā)明專利]一種基于變激活函數(shù)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機(jī)參數(shù)估計方法

在審

• 申請?zhí)枺?/td>: 202310049020.7
• 申請日: 2023-01-12
• 公開（公告）號: CN116050018A
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 郭皓瑾;張梓驥;張靜源;黃向華
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/048;G06N3/084;G06N3/0464
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于變激活函數(shù)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機(jī)參數(shù)估計方法，其特征在于，具體包括以下步驟：

步驟1：采集變循環(huán)發(fā)動機(jī)運(yùn)行過程的數(shù)據(jù)；

步驟2：根據(jù)時間序列制作三維輸入數(shù)據(jù)圖集；

步驟3：構(gòu)建變激活函數(shù)神經(jīng)網(wǎng)絡(luò)，所述變激活函數(shù)神經(jīng)網(wǎng)絡(luò)，是指包含輸入層、特征分離層、變激活函數(shù)層、全連接層和輸出層的神經(jīng)網(wǎng)絡(luò)；變激活函數(shù)層是將激活函數(shù)作為這一層的輸入的函數(shù)算法，考慮到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，每一層間的輸入一般為矩陣或向量，本算法具有一般性，可以應(yīng)用于其他神經(jīng)網(wǎng)絡(luò)中；

其中，變激活函數(shù)具體計算公式為：

W_f表示激活函數(shù)權(quán)重矩陣，大小為(m，n，z)，它是輸入X_in和權(quán)重W的函數(shù)，f₁是leaky_RelU函數(shù)，f₂是余弦函數(shù)，f₃是y＝-x函數(shù)，…表示這里可以使用更多的激活函數(shù)，數(shù)量不限，但不建議數(shù)量過多，造成不必要的計算，激活函數(shù)不會改變矩陣的大小，而n個激活函數(shù)組成一個三維矩陣F(X_in)，大小是(m，n，z)，表示z個大小為(m，n)的輸入矩陣經(jīng)激活函數(shù)計算所得的矩陣，符號表示逐位相乘；

其反向傳播具體計算公式為：

W(s+1)＝W(s)-L_out*F(X_in)*X_in×W(s)??(1-8)

其反向傳播具體公式為：

L_in＝X_loss*[F(X_in)*W+F′(X_in)*W(X_in)]??(1-8)

其中，F(xiàn)(X_in)是式(1-6)中f₁，f₂，f₃，…寫成一個三維矩陣的形式；

步驟4：利用數(shù)據(jù)圖集對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，建立三維輸入數(shù)據(jù)圖集與發(fā)動機(jī)參數(shù)之間的非線性映射關(guān)系；

步驟5：基于訓(xùn)練完成的變激活函數(shù)神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對參數(shù)的實(shí)時準(zhǔn)確估計。

2.根據(jù)權(quán)利要求1所述的一種基于變激活函數(shù)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機(jī)參數(shù)估計方法，其特征在于，所述步驟1采集變循環(huán)發(fā)動機(jī)運(yùn)行過程數(shù)據(jù)，包括21個可測參數(shù)和1個待估計參數(shù)，具體為：飛行高度H、飛行馬赫數(shù)Ma、燃油流量Wf、尾噴口面積A8、模式選擇活門開度MSV、前可調(diào)面積涵道引射器開度FVBE、后可調(diào)面積涵道引射器開度BVBE、風(fēng)扇進(jìn)口總溫T1、風(fēng)扇進(jìn)口總壓P1、核心機(jī)驅(qū)動風(fēng)扇CDFS進(jìn)口總溫T2、核心機(jī)驅(qū)動風(fēng)扇CDFS進(jìn)口總壓P2、高壓壓氣機(jī)進(jìn)口總溫T21、高壓壓氣機(jī)進(jìn)口總壓P21、外涵出口總溫T22、外涵出口總壓P22、高壓渦輪出口總溫T5、高壓渦輪出口總壓P5、混合室出口總溫T7、混合室出口總壓P7、尾噴管出口總溫T8、尾噴管出口總壓P8和待估計參數(shù)K，其中，采集數(shù)據(jù)的次數(shù)為N，采集周期為T秒，N是大于41的整數(shù)，T是大于0的實(shí)數(shù)。

3.根據(jù)權(quán)利要求1所述的一種基于變激活函數(shù)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機(jī)參數(shù)估計方法，其特征在于，所述步驟2中的數(shù)據(jù)圖集為m×n×l，m＞1，n＞1，l＞1，m代表一個數(shù)據(jù)圖的行數(shù)，m的物理意義是：m個變循環(huán)航空發(fā)動機(jī)可測參數(shù)；n代表一個數(shù)據(jù)圖的列數(shù)，記當(dāng)前時刻為t時刻，對應(yīng)第1列，第p列即對應(yīng)t-τ×p時刻，p為大于等于1小于等于n的整數(shù)，τ是每次采集數(shù)據(jù)的時間間隔；l代表數(shù)據(jù)圖的個數(shù)，所估計的參數(shù)為t+τ時刻的參數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于變激活函數(shù)神經(jīng)網(wǎng)絡(luò)的變循環(huán)發(fā)動機(jī)參數(shù)估計方法，其特征在于，所述步驟5基于訓(xùn)練完成的變激活函數(shù)神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對變循環(huán)發(fā)動機(jī)參數(shù)的實(shí)時準(zhǔn)確估計，具體步驟如下：

步驟5.1：采集變循環(huán)發(fā)動機(jī)m個可測參數(shù)在當(dāng)前時刻t及t-T，...，t-T*8時刻的數(shù)據(jù)；

步驟5.2：根據(jù)時間序列制作維度大小為m×n的二維輸入數(shù)據(jù)圖；

步驟5.3：將二維數(shù)據(jù)圖輸入到訓(xùn)練完成的變激活函數(shù)神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對變循環(huán)發(fā)動機(jī)的實(shí)時準(zhǔn)確估計。