基于相似变换的航空发动机推力估计方法及装置制造方法及图纸

本发明专利技术公开了一种基于相似变换的航空发动机推力估计方法。对以下参数的训练数据依次进行相似变换、归一化处理：航空发动机推力、进气道出口总压、进气道出口总温、主燃油流、加力燃油流量、尾喷口面积、低压转子转速、高压转子转速、压气机出口总压、低压涡轮出口总温，然后分别以航空发动机推力训练数据和其余参数的训练数据为输出、输入对神经网络进行训练；对其余参数的测试数据依次进行相似变换、归一化处理后输入训练好的神经网络，并对神经网络的输出依次进行反归一化、反相似变换处理，最终得到推力估计值。本发明专利技术还公开了一种基于相似变换的航空发动机推力估计装置。本发明专利技术可实现全飞行包线内稳态和动态工作过程中推力的准确估计。

【技术实现步骤摘要】
基于相似变换的航空发动机推力估计方法及装置
本专利技术属于航空宇航推进理论与工程中的系统控制与仿真领域，具体涉及一种航空发动机推力估计方法及装置。
技术介绍
航空发动机控制系统的主要任务是调节发动机工作状态，为飞行器提供所需推力。鉴于飞行中的推力不易测量，传统的控制方式中，以转速、压比等和推力密切相关的量实现对推力的间接控制。采用直接推力控制可以缩小传统发动机控制预留的安全裕度，提升发动机性能，而准确的推力估计是实现直接推力控制的关键。目前主要存在两种推力估计方法：一种是基于模型和跟踪滤波器的方法；一种是基于数据驱动的推力估计方法。基于模型和跟踪滤波器的推力估计方法在发动机部件级模型的基础上开展，受到模型精度和实时性的影响，在应用上受到制约。随着人工智能技术的兴起和发展，基于数据驱动的推力估计方法由于良好的实时性和可靠的精度，得到了广泛的关注。神经网络具有较高的全局逼近能力、非线性映射能力、自组织和自学习能力，成为推力估计方法的首要选择，因此以神经网络为代表的航空发动机智能推力估计方法得到了广泛的关注。目前神经网络估计推力技术取本文档来自技高网...

【技术保护点】
1.一种基于相似变换的航空发动机推力估计方法，其特征在于，在训练阶段，对以下参数的训练数据依次进行相似变换、归一化处理：航空发动机推力F、进气道出口总压P

【技术特征摘要】
1.一种基于相似变换的航空发动机推力估计方法，其特征在于，在训练阶段，对以下参数的训练数据依次进行相似变换、归一化处理：航空发动机推力F、进气道出口总压P2、进气道出口总温T2、主燃油流量Wfb、加力燃油流量Wfa、尾喷口面积A8、低压转子转速nL、高压转子转速nH、压气机出口总压P3、低压涡轮出口总温T6，然后以处理后的航空发动机推力F训练数据作为输出，以其余参数的训练数据为输入对神经网络进行训练；在估计阶段，对所述其余参数的测试数据依次进行相似变换、归一化处理后输入训练好的神经网络，并对神经网络的输出依次进行反归一化、反相似变换处理，最终得到航空发动机的推力估计值；所述相似变换具体依据以下公式：

x＝a,b，其中，下标“X”表示相似变换后数据。


2.如权利要求1所述基于相似变换的航空发动机推力估计方法，其特征在于，所述神经网络为输入延迟动态神经网络。


3.如权利要求2所述基于相似变换的航空发动机推力估计方法，其特征在于，所述输入延迟动态神经网络为具有一个输入层、5个隐含层和一个输出层的输入延迟7层前向动态BP神经网络。


4.如权利要求3所述基于相似变换的航空发动机推力估计方法，其特征在于，所述输入延迟7层前向动态BP神经网络的第一个隐含层以tansig作为激活函数，其余四个隐含层和输出层均以logsig作为激活函数。


5.如权利要求1～4任一项所述基于相似变换的航空发动机推力估计方法，其特征在于，使用LevenbergMarquardt算法进行所述神经网络的训...

【专利技术属性】
技术研发人员：李秋红，周婷，陈尚晰，管庭筠，李宇琛，郑前钢，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32