基于迁移学习的航空发动机数字孪生建模优化方法技术

本发明专利技术涉及建模技术领域，特别涉及一种基于迁移学习的航空发动机数字孪生建模优化方法。本发明专利技术通过随机森林算法结合环境特征数据和控制特征数据来建立第一数字孪生模型，从而能够捕捉航空发动机在不同工作条件下的性能和行为变化，通过迁移学习第二数字孪生模型可以根据实时数据进行微调和优化，提高模型的泛化能力和适应性，第三数字孪生模型通过迁移学习可以适应目标任务中可能存在的数据分布变化和偏移，源域数据的迁移学习有助于使模型更加稳健，能够有效应对这些变化，基于第三数字孪生模型的迁移学习数据，可以针对第二数字孪生模型的参数进行微调和优化，这种优化不仅能够改进模型的预测精度，还有助于提高模型在新数据上的泛化能力。

【技术实现步骤摘要】

本专利技术涉及建模，特别涉及一种基于迁移学习的航空发动机数字孪生建模优化方法。

技术介绍

1、迁移学习是给定了源域(source domain)和源任务(source task)、目标域(target domain)和目标任务(target task)，利用源域在解决任务中获得一些知识来提升目标任务的一种算法。

2、航空发动机是飞机的核心部件之一，负责提供动力以推动飞机飞行，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。目前航空发动机数字孪生建模通过样本数据来进行建模，但是会存在由于样本数据数量不足，导致建立的模型精度不够，从而使得输出得到的排气温度参数不够精确。

技术实现思路

1、本专利技术的主要目的为提供一种基于迁移学习的航空发动机数字孪生建模优化方法，旨在解决现有技术中的技术问题。

2、本专利技术提出一种基于迁移学习的航空发动机数字孪生建模优化方法，包括：

3本文档来自技高网...

【技术保护点】

1.一种基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，包括：

2.根据权利要求1所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述采用随机森林算法来根据所述环境特征数据和控制特征数据构建第一数字孪生模型的步骤，包括：

3.根据权利要求2所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述根据所述环境特征数据获取大气密度数据，根据所述控制特征数据获取燃料流量数据的步骤，包括：

4.根据权利要求1所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述根据多个所述实时目标数据对第一数字孪生模型进行训...

【技术特征摘要】

1.一种基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，包括：

2.根据权利要求1所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述采用随机森林算法来根据所述环境特征数据和控制特征数据构建第一数字孪生模型的步骤，包括：

3.根据权利要求2所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述根据所述环境特征数据获取大气密度数据，根据所述控制特征数据获取燃料流量数据的步骤，包括：

4.根据权利要求1所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述根据多个所述实时目标数据对第一数字孪生模型进行训练，得到第二数字孪生模型的步骤，包括：

5.根据权利要求1所述的基于迁移学习的航空发动机数字孪生建模优化方法，其特征在于，所述根据所述源域数据选择迁移学习模型，并将所述...

【专利技术属性】
技术研发人员：王鹂辉，韩飞，卢涛，
申请(专利权)人：上海航数智能科技有限公司，
类型：发明
国别省市：