基于DLBR的航空发动机性能模型重构方法技术

基于DLBR的航空发动机性能模型重构方法，涉及涡扇发动机气路特性参数的重构技术领域。本发明专利技术是为了解决航空发动机上仅有少量的传感器能够采集器特性参数，导致构建航空发动机性能模型所需的特性参数不完整、模型无法建立的问题。本发明专利技术将航空发动机完备气路特性参数X输入至训练好的自编码器中对X进行降维与重构，获得重构结果然后以可测气路特性参数S作为输入，以自编码器的特征空间h作为输出，构建基于LSTM的S与h之间的映射模型；最后将映射模型与自编码器建立联系，获得以可测气路特性参数S作为输入、以重构结果作为输出的航空发动机性能重构模型。发动机性能重构模型。发动机性能重构模型。

【技术实现步骤摘要】
基于DLBR的航空发动机性能模型重构方法


[0001]本专利技术属于涡扇发动机气路特性参数的重构


技术介绍

[0002]航空发动机是飞机的心脏，结构复杂，工况恶劣。在使用过程中，航空发动机的健康状态会逐渐发生变化，当其功能或性能衰退到一定程度时，发动机就需要拆发送修，使其功能或性能得到一定程度的恢复。为了提高发动机的可维修性，现在航空发动机普遍采用结构单元体化的设计原则。随着民航领域发动机单元体设计原则的提出和实施，发动机健康管理(Engine Health Management，EHM)需要从单元体层面来分析发动机健康状况，进而制定合理的维修方案。面向单元体的维修管理模式明显节省了维修时间、降低了维修费用。因此，单元体性能状况的准确评估，对合理地确定单元体/整机性能恢复情况以及制定单元体送修等级具有重要意义。目前单元体性能评估可采用两种方法：第一种是OEM(Original Equipment Manufacturer)发动机手册中给出的单元体效率计算方法。该方法基于高度抽象和经验取值的设计模型计算气路单元体效率，判断单元体是否发生劣化。但是过于抽象和简化的模型难以表达复杂服役状态下的单元体性能劣化程度，只能作为参考；第二种是数据驱动方法。OEM通过收集各个运营公司的飞行数据和劣化数据，经过大数据分析，给出了单元体性能与整机气路位置参数的映射空间(单元体特性空间)，并基于运营商返回的数据建立了参考单元体特性模型，部分单元体特性模型如图1所示，退化的低压涡轮会导致低压压气机的转速降低，从而降低了低压压气机出口压强P
25
和温度T
25
；退化的风扇、高压压缩机和高压涡轮都会导致低压压气机以更高的功率运行以保持稳定的发动机压比，从而提高了低压压气机出口压强和温度。但是OEM也指出，由于发动机构型、运行工况不同，OEM所提供的单元体特性模型仅供运营商参考，实际的单元体特性模型需根据实际的机队数据建立，以真实反映发动机单元体的性能状态。
[0003]然而建立单元体特性模型所需的全部气路特性参数往往只有当发动机送回OEM进行试车时才能获取。在飞机服役阶段或者在OEM以外的地方进行维修时，无法获取构建单元体特性模型所需的全部特性参数。如何基于部分可获得的特性参数数据重构出完整的发动机整机特性数据，支持单元体特性模型建立以实现单元体性能准确评估，从而为航空公司以及维修企业提供运维数据支持是目前亟需研究的科学问题。

技术实现思路

[0004]本专利技术是为了解决航空发动机上仅有少量的传感器能够采集器特性参数，导致构建航空发动机性能模型所需的特性参数不完整、模型无法建立的问题，现提供基于DLBR的航空发动机性能模型重构方法。
[0005]基于DLBR的航空发动机性能模型重构方法，包括以下步骤：
[0006]步骤一：将航空发动机完备气路特性参数X输入至训练好的自编码器中对X进行降维与重构，获得重构结果
[0007]步骤二：以可测气路特性参数S作为输入，以自编码器的特征空间h作为输出，构建基于LSTM的S与h之间的映射模型，
[0008]步骤三：将步骤二构建的映射模型与步骤一中的自编码器建立联系，获得以可测气路特性参数S作为输入、以重构结果作为输出的航空发动机性能重构模型。
[0009]进一步的，上述步骤一中对X进行降维与重构的具体过程包括：
[0010]编码过程：
[0011]将航空发动机完备气路特性参数X经过编码函数f
encoder
(
·
)映射到特征空间h：
[0012]h＝f
encoder
(X)＝g(W*X+b)，
[0013]其中，g(
·
)为编码激活函数，W为编码权重矩阵，b为编码偏置向量；
[0014]解码过程：
[0015]将特征空间h经过非线性映射函数f
decoder
(
·
)重构获得重构结果
[0016][0017]其中，W
′
为解码权重矩阵，b
′
为解码偏置向量。
[0018]进一步的，上述编码激活函数g(
·
)为ReLU函数。
[0019]进一步的，上述在对自编码器进行训练时，采用自编码器下降算法反向传播误差以调整自编码器参数{θ,θ
′
}＝{W,b；W
′
,b
′
}，使得重构结果与航空发动机完备气路特性参数X之间的均方误差最小。
[0020]进一步的，上述重构结果与航空发动机完备气路特性参数X之间的均方误差的表达式为：
[0021][0022]本专利技术提出了基于DLBR的航空发动机性能模型重构方法主要是基于发动机可测气路特性参数构建的非线性系统与发动机完备气路特性参数构建的非线性系统应一致的基本思想来实现系统重构的。由于发动机气路参数是时序型数据，本专利技术建立了一种CNN
‑
LSTM自编码网络来学习发动机气路系统的特征空间，由于自编码网路可以自定义空间维度数量，因此可以根据气路特性参数维度要求，调整空间维度数量，从而实现发动机两种非线性空间保持一致性的要求。
[0023]发动机可测气路特性参数空间重构出发动机完备气路特性参数空间的问题，实质上就是用低维空间数据重构出高维空间的过程，通过对自编码器原理分析可知自编码器的解码部分就是从低维空间到高维空间的映射过程。然而，自编码器得到的特征空间是原始数据空间的嵌入空间，如果想使发动机完备气路特性参数空间的嵌入表达与发动机可测气路特性参数空间的嵌入表达保持一致，就需要建立一个二者的映射模型，以便间接实现从发动机可测气路特性参数空间重构发动机完备气路特性参数空间，如图3所示本专利技术将发动机完备气路特性参数的特征空间(图中特征空间2)为学习目标，建立特征空间2与发动机可测量气路特性参数空间的映射模型(图中模型4)，间接将发动机可测气路特性参数空间映射为发动机完备气路特性参数的特征空间2。
[0024]由于通过映射模型4映射到特征空间2一定存在误差，这个误差经过再一次重构映
射(解码器3)会使得最终气路空间与原始发动机气路完备空间误差较大。经分析可知，在整个重构过程中，重点并不在于映射模型4必须准确无误的映射到特征空间2，而在于将特征空间2作为中间媒介利用发动机可测量气路特性参数空间准确重构原始空间的能力。因此，在自编码器完成发动机完备气路特性参数的特征空间学习后，利用迁移学习方法将解码器3的学习参数作为初始学习参数，设计从映射模型2和解码器3的再学习过程，进一步提高从发动机可测量气路特性参数到发动机完备气路特性参数的映射精度。
附图说明
[0025]图1为单元体特性空间上的特性模型图；
[0026]图2为民航发动机基本构型及传感器位置示意图；
[0027]图3为基于可测气路特性参数重构发动机完备气路特性参数示意图；
[0028]图4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DLBR的航空发动机性能模型重构方法，其特征在于，包括以下步骤：步骤一：将航空发动机完备气路特性参数X输入至训练好的自编码器中对X进行降维与重构，获得重构结果步骤二：以可测气路特性参数S作为输入，以自编码器的特征空间h作为输出，构建基于LSTM的S与h之间的映射模型，步骤三：将步骤二构建的映射模型与步骤一中的自编码器建立联系，获得以可测气路特性参数S作为输入、以重构结果作为输出的航空发动机性能重构模型。2.根据权利要求1所述的基于DLBR的航空发动机性能模型重构方法，其特征在于，步骤一中对X进行降维与重构的具体过程包括：编码过程：将航空发动机完备气路特性参数X经过编码函数f
encoder
(
·
)映射到特征空间h：h＝f
encoder
(X)＝g(W*X+b)，其中，g(
·
)为编码激活函数，W为编码权重矩阵，b为编码偏置向量；解码过程：将特征空...

【专利技术属性】
技术研发人员：林琳，何文辉，郭丰，付松，童昌圣，祖立争，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：