发动机参数的确定方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种发动机参数的确定方法、装置、设备及存储介质，属于航空控制技术领域。该方法包括：通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据；基于有效性预测模型，对所述本次参数预测数据的有效性进行预测；在预测结果为所述本次参数预测数据有效的情况下，根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据。上述技术方案，减少了评估不合法参数的次数，大大提升了发动机模型校对的效率。对的效率。对的效率。

【技术实现步骤摘要】
发动机参数的确定方法、装置、设备及存储介质


[0001]本专利技术实施例涉及航空
，尤其涉及一种发动机参数的确定方法、装置、设备及存储介质。

技术介绍

[0002]航空发动机模型校对是航空发动机设计中的一个重要问题。该问题主要通过调节一组参数的值，使发动机满足工作线上不同场景上的性能指标。
[0003]现有方法在处理发动机模型校对问题时都存在一定的局限性，亟需改进。

技术实现思路

[0004]本专利技术实施例提供了一种发动机参数的确定方法、装置、设备及存储介质，以实现发动机模型参数的准确校对，并提高校对效率。
[0005]第一方面，本专利技术实施例提供了一种发动机参数的确定方法，包括：
[0006]通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据；
[0007]基于有效性预测模型，对所述本次参数预测数据的有效性进行预测；
[0008]在预测结果为所述本次参数预测数据有效的情况下，根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据。
[0009]第二方面，本专利技术实施例还提供了一种发动机参数的确定装置，包括：
[0010]数据确定模块，用于通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据；
[0011]有效性预测模块，用于基于有效性预测模型，对所述本次参数预测数据的有效性进行预测；
[0012]参数目标数据确定模块，用于在预测结果为所述本次参数预测数据有效的情况下，根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据。
[0013]第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：
[0014]一个或多个处理器；
[0015]存储器，用于存储一个或多个程序；
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所述的发动机参数的确定方法。
[0017]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所述的发动机参数的确定方法。
[0018]本专利技术实施例的技术方案，通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据，之后，基于有效性预测模型，对本次参数预测数
据的有效性进行预测，进而在预测结果为本次参数预测数据有效的情况下，根据发动机的实际工作场景数据和基于仿真模型对本次参数预测数据的输出数据之间的比较结果，确定本次参数预测数据是否为发动机的参数目标数据。通过上述技术方案，减少了评估不合法参数的次数，大大提升了发动机模型校对的效率。
附图说明
[0019]图1是本专利技术实施例一提供的一种发动机参数的确定方法的流程图；
[0020]图2是本专利技术实施例二提供的一种发动机参数的确定方法的流程图；
[0021]图3是本专利技术实施例三提供的一种发动机参数的确定装置的结构框图；
[0022]图4是本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0023]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0024]实施例一
[0025]图1是本专利技术实施例一提供的一种发动机参数的确定方法的流程图；本实施例可适用于航空发动机模型校对的情况。该方法可以由发动机参数的确定装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于承载发动机参数的确定功能的电子设备中，例如服务器中。
[0026]如图1所示，该方法具体包括如下步骤：
[0027]S110、通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据。
[0028]其中，智能优化算法可以是遗传优化算法、交叉变异算法等。所谓仿真模型，即模拟发动机工作的模型；可选的，仿真模型中的参数，与实际场景中发动机本身所配置的参数相对应，可以包括但不限于压气机效率、风扇内涵压比、风扇外涵压比等等。进一步的，仿真模型中的参数是多维的，每个参数都有对应的取值范围。
[0029]本实施例中，参数预测数据即为预测的一组仿真模型中参数的取值。可选的，在本实施例中通过将仿真模型的参数的取值调整为所预测的参数数据，并向仿真模型中输入发动机在不同工作场景中的输入数据，仿真模型即可在相应的参数数据下，输出不同工作场景下的输出数据，此外，仿真模型还可以对所预测的参数数据的有效性进行验证，并输出有效性验证结果。其中，发动机工作场景可以包括但不限于滑行、起飞和降落等；不同工作场景中的输入数据不同，比如起飞场景下的输入数据可以包括起飞高度和气压等；对应的，不同工作场景中的输出数据也不同，比如起飞场景的输出数据可以包括发动机功率、转速等。
[0030]示例性的，参数目标数据的确定逻辑开始执行时(即首次执行本实施例所提供的逻辑时)，上一次参数预测数据即为初始参数预测数据(或者可以说父代参数预测数据，可记为第0次参数预测数据)，此时上一次参数预测数据可以是基于每个参数取值范围，随机选择每个参数的取值，进而组成的一组数据；或者此时上一次参数预测数据还可以是从预先预测的多组参数数据中随机选择的一组参数数据。需要说明的是，上一次参数预测数据
和预先预测的多组参数数据均是通过仿真模型进行验证有效的。
[0031]相应地，本实施例中，在上一次参数预测数据为初始参数预测数据的情况下，通过智能优化算法，可得到发动机对应的仿真模型的本次参数预测数据，即第1次参数预测数据。
[0032]进一步的，在上一次参数预测数据不是发动机的参数目标数据的情况下，上一次参数预测数据是指上一次执行完参数目标数据的确定逻辑后所保留下来的数据。例如，若通过智能优化算法基于初始参数预测数据，所得到的第1次参数预测数据不是发动机的参数目标数据，且基于仿真模型对第1次参数预测数据的输出数据与发动机的实际工作场景数据之间的相对误差，大于基于仿真模型对初始参数预测数据的输出数据与发动机的实际工作场景数据之间的相对误差，则用初始参数预测数据更新第1次参数预测数据，也就是说此时上一次参数预测数据实质为第0次参数预测数据。又如，若基于仿真模型对第1次参数预测数据的输出数据与发动机的实际工作场景数据之间的相对误差，小于基于仿真模型对初始参数预测数据的输出数据与发动机的实际工作场景数据之间的相对误差，则上一次参数预测数据为第1次参数预测数据。
[0033]相应地，在上一次参数预测数据不是发动机的参数目标数据的情况下，通过智能优化算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发动机参数的确定方法，其特征在于，包括：通过智能优化算法基于上一次参数预测数据，得到发动机对应的仿真模型的本次参数预测数据；基于有效性预测模型，对所述本次参数预测数据的有效性进行预测；在预测结果为所述本次参数预测数据有效的情况下，根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据，包括：若所述预测结果，与基于所述仿真模型所确定的所述本次参数预测数据的有效性验证结果相同，则根据所述实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述发动机的实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的比较结果，确定所述本次参数预测数据是否为所述发动机的参数目标数据，包括：若所述实际工作场景数据和基于仿真模型对所述本次参数预测数据的输出数据之间的数值变化数量在设定范围内，则将所述本次参数预测数据作为所述发动机的参数目标数据。4.根据权利要求1所述的方法，其特征在于，所述有效性预测模型通过如下方式确定：基于所述仿真模型的参数取值范围，进行拉丁方采样，得到训练样本；基于所述仿真模型，确定所述训练样本的有效性验证结果；采用所述训练样本和所述训练样本的有效性验证结果，对神经网络模型进行训练，得到有效性预测模型。5.根据权利要求2所述的方法，其特征在于，还包括：若所述预测结果，与基于所述仿真模型所确...

【专利技术属性】
技术研发人员：童浩，刘佳琳，吴锋，冯旭栋，
申请(专利权)人：中国航发四川燃气涡轮研究院，
类型：发明
国别省市：