【技术实现步骤摘要】
本专利技术涉及航空发动机数字孪生建模领域，具体而言，涉及一种航空发动机时空解耦数字孪生建模方法。
技术介绍
1、航空发动机数字孪生建模，是对物理空间的真实发动机在虚拟空间中建立仿真模型，通过模拟和分析航空发动机的运行状态，可以帮助工程师优化设计、监测运行以及进行维护。目前，深度学习技术在航空发动机数字孪生建模中应用广泛。
2、深度学习模型需要大量的标签样本进行特征、物理规律的学习，在航空发动机数字孪生建模中，一般采用发动机在运行过程中监测的各传感器数据作为模型的学习数据来源，而这类数据是一类随着发动机运行时长，不断积累的时间序列数据，其中隐含了空间维度上参数之间的响应关系和时间维度上的动态响应关系。而航空发动机数字孪生模型不仅模拟发动机的静态特性，还需要考虑发动机在不同飞行阶段和环境条件下的动态响应。因此，深度学习模型不仅要挖掘时间序列数据中，空间维度的响应关系，例如推力和油门杆位置、压气机压比等参数在空间维度上的响应关系，也要识别参数随着时间的动态响应，例如油门杆等操作参数随着时间的动态变化，推力等性能参数随着运行时长的动
【技术保护点】
1.一种航空发动机时空解耦数字孪生建模方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的航空发动机时空解耦数字孪生建模方法，其特征在于：所述步骤1)中，时序特征挖掘网络N1要处理时序特征，可以选用循环神经网络或者卷积神经网络构建模型，发动机部件规律网络N2处理部件空间特征，模型算法可以任意选用，包括循环神经网络、卷积神经网络或多层感知器网络，空间特征和时间特征融合网络N3负责将时序特征挖掘网络N1输出的时间特征和发动机部件规律网络N2输出的空间特征进行融合，可选用卷积神经网络或多层感知器网络。
3.根据权利要求2所述的航空发动机时...
【技术特征摘要】
1.一种航空发动机时空解耦数字孪生建模方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的航空发动机时空解耦数字孪生建模方法，其特征在于：所述步骤1)中，时序特征挖掘网络n1要处理时序特征，可以选用循环神经网络或者卷积神经网络构建模型，发动机部件规律网络n2处理部件空间特征，模型算法可以任意选用，包括循环神经网络、卷积神经网络或多层感知器网络，空间特征和时间特征融合网络n3负责将时序特征挖掘网络n1输出的时间特征和发动机部件规律网络n2输出的空间特征进行融合，可选用卷积神经网络或多层感知器网络。
3.根据权利要求2所述的航空发动机时空解耦数字孪生建模方法，其特征在于：所述步骤1)中，所述发动机部件时空解耦网络模块包括两个输入端和一个输出端，输入端包括：时序特征挖掘网络n1的时序参数输入x1和发动机部件规律网络n2的空间输入x2，空间特征和时间特征融合网络n3的输出为整个模块的输出端。
4.根据权利要求3所述的航空发动机时空解耦数字孪生建模方法，其特征在于：所述步骤2)中根据物理空间中，发动机各主要工作部件及其在发动机中的物理架构，基于步骤1)建立的发动机部件时空解耦网络模块，设计发动机各个主要工作部件的独立时空解耦网络模块，包括：进气道、风扇、高压压气机、燃烧室、高压涡轮、低压涡轮、混合室、加力燃烧室、尾喷管、滑油系统、控制系统这些有测量参数的部件或系统，对应的独立时空解耦网络模块。
5.根据权利要求4所述的航空发动机时空解耦数字孪生建模方法，其特征在于：所述步骤3)中将步骤1)中建立的各部件或系...
【专利技术属性】
技术研发人员：肖洪，肖达盛，史经纬，于艾洋，唐轲，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。