一种基于多源数据融合的压气机旋转失速预测方法技术

一种基于多源数据融合的压气机旋转失速预测方法，首先，获取来自多传感器的对航空发动机动态压力数据并进行预处理，划分测试、训练和验证数据集。其次，依次构建多源数据特征提取模块、构建时间模式提取模块、构建多源数据融合预测模型、保存最优预测模型。最后，在测试数据上进行实时预测：按构建多源数据融合预测模型的输入要求调整数据维度；采用多源数据融合预测模型计算每个样本的失速预测概率；采用多源数据融合预测模型计算失速预测概率；采用多源数据融合预测模型给出包含一个工作异常的传感器所记录数据的失速预测概率。本发明专利技术综合多源数据信息，提高信息特征的全面性和预测精度，具有一定容错性；有利于提高发动机主动控制的性能，具有普适性。具有普适性。具有普适性。

【技术实现步骤摘要】
一种基于多源数据融合的压气机旋转失速预测方法


[0001]本专利技术涉及一种基于多源数据融合的压气机旋转失速预测方法，属于航空发动机建模与仿真


技术介绍

[0002]航空发动机是影响飞机整体性能和可靠性的核心部件，其中轴流压气机对发动机的稳定性又有着极其关键的影响，而压气机气动失稳则是一种破坏性极强、发展迅速的常见故障，因此在复杂工况下对压气机失稳过程的精准判别和及时预测是国内外航空发动机领域的研究重点。一般压气机失稳可分为喘振和旋转失速两种状态，当压气机稳定工作时，流量减少，压比增大，但当流量减少到超过失稳边界时，压气机则会产生气流分离，工作状态极可能由稳态进入失速先兆、旋转失速和喘振阶段。而旋转失速和喘振一旦发生，很难自动恢复，并且发动机内部部件往往已经受到损害，因此相比于被动控制方法，在失稳初始扰动阶段就采取措施的主动控制方法更值得深入研究与应用，所以需要准确识别压气机各阶段工作状态，及时检测失稳先兆的出现，为主动控制争取更多时间。
[0003]航空发动机属于复杂多部件系统，在压气机内部的不同位置往往安装了多个相互独立的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据融合的压气机旋转失速预测方法，其特征在于，包括以下步骤：S1.获取航空发动机多源失速数据，并对其进行预处理，其中多源失速数据包括实验平台中多个传感器记录的动态压力数据：S1.1收集不同位置的传感器所记录的动态压力实验数据作为多源数据集，对实验数据进行频谱分析，确定稳态工作频率范围以及失速频率范围；S1.2采用低通滤波器对压力变化数据进行滤波处理，过滤高频分量，保留稳态工作频率分量和失速频率分量；S1.3对滤波后数据进行重采样，缩小数据维度；S1.4对降采样后数据进行归一化处理，将数据分布通过线性变化映射到[0,1]区间；S1.5以采样点为基本单位生成与数据集同时间长度的标签列，其中每个采样点根据是否喘振标为1或0；S1.6将预处理后的全部数据集划分为训练数据集、验证数据集和测试数据集；S2.构建多源数据特征提取模块，包括以下步骤：S2.1采用滑动窗口方法对每个传感器的压力变化数据以固定时间步长单独进行划分，将滑动窗口所覆盖的采样数据组成一个样本，将所有数据集维度均调整为(samples,seq_length,sensors)，其中samples为样本个数，seq_length为时间步长，sensors为传感器数量；S2.2为每个传感器构建一个独立的特征提取分支模块，每个分支模块面向输入定义两个堆叠的时间分布卷积模块，并构建两个时间分布卷积模块，S2.3根据所用传感器数目，组建由特征提取分支模块构成的多源数据特征提取模块，每个传感器对应的特征提取分支模块面向输入样本定义本模块的参数，模块之间相互独立，参数不共享，独立保存本模块的输出特征信息，并传至时间模式提取模块；S3.构建时间模式提取模块，包括以下步骤：S3.1连接合并多源数据特征提取模块中每个分支模块的输出特征信息，作为时间模式提取模块的输入；S3.2基于双向长短期记忆网络Bi
‑
LSTM构建时间模式提取模块，依次经过两层Bi
‑
LSTM网络对输入数据进行处理，S3.3添加dropout层，再通过一组密集层及线性激活Linear函数，将Bi
‑
LSTM网络的输出维度调整为(n_outputs,1)，即为旋转失速预测概率；S4.构建多源数据融合预测模型，包括以下步骤：S4.1基于多源数据特征提取模块和时间模式提取模块构建多源数据融合预测模型，不同传感器测量所得的压力变化数据经过不同的特征提取模块进行处理，每个模块有独立的滤波器提取相关特征，合并多个模块输出的特征信息并传递给时间模式提取模块，学习数据中时间长期依赖性，通过线性激活的全...

【专利技术属性】
技术研发人员：孙希明，李育卉，全福祥，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：