本申请提供了一种涡轮增压器性能评估方法及系统，涉及人工智能技术领域，所述方法包括：数据采集、建立模型、模型训练、性能状态输出和性能状态评估等步骤；所述系统包括：数据采集模块、建立模型模块、模型训练模块、性能状态输出模块和性能状态评估模块，本申请通过构建的性能退化模型能够基于设备老化情况，综合评估涡轮增压器的性能，提高了对涡轮增压器评估的准确性。
1、随着工业化和汽车工业的快速发展，涡轮增压器作为提高发动机动力性能和燃油经济性的关键部件，在现代工业设备和汽车发动机中的应用愈加广泛。涡轮增压器通过利用发动机排放的废气能量驱动涡轮转动，从而增加进气量，改善燃烧效率，降低污染物排放。涡轮增压器的性能对发动机的整体性能和运行经济性具有重要影响。其关键性能指标（如压气机效率、涡轮效率和流量特性）会随着使用时间和运行工况的变化而发生衰退。涡轮增压器的性能发生衰退时，会导致发动机性能下降、燃油消耗增加、尾气排放恶化，以及设备可靠性和运行安全性的显著下降。这不仅影响设备的经济效益和使用寿命，还对环境保护和生产安全提出了更高的要求。因此，如何对涡轮增压器性能进行科学评估，及时发现性能问题，是保障设备稳定运行和延长使用寿命的关键。
2、申请公布日为2024年06月14日，公布号为cn118194518a的中国专利技术专利，提供了一种涡轮增压器失效风险的实时预测方法及装置，该专利将涡轮增压器的工况与对应的压气机特性图进行比对，进而结合喘振边界、超速边界以及堵塞边界进行风险评估，从而保障用户的正常使用，有效提高预测的工作效率以及结果的可靠性。针对上述的技术方案，主要侧重于将涡轮增压器的工况与压气机特性图进行比对，并结合特定的边界条件对涡轮增压器进行评估，但是未考虑涡轮增压器在长期运行过程中由于设备老化导致的性能退化问题，无法及时发现由于设备老化引起的性能退化，从而影响对涡轮增压器性能评估的准确性。
r/>技术实现思路
1、为了提高对涡轮增压器评估的准确性，本申请提供了一种涡轮增压器性能评估方法及系统。
2、第一方面，本申请提供了一种涡轮增压器性能评估方法，采用如下的技术方案：
3、一种涡轮增压器性能评估方法，包括以下步骤：
4、数据采集：包括采集实时数据和采集历史数据；
5、采集实时数据：采集涡轮增压器的实时数据；
6、采集历史数据：采集涡轮增压器的历史数据；
7、建立模型：构建基于非线性gamma过程的性能退化模型；
8、模型训练：利用涡轮增压器的历史数据对性能退化模型进行训练，获得训练后的性能退化模型；
9、性能状态输出：将实时数据输入至训练后的性能退化模型中，输出涡轮增压器的当前性能状态值；
10、性能状态评估：判断涡轮增压器的当前性能状态值是否低于预设报警阈值：
11、若是，则显示涡轮增压器的当前性能状态不合格的结果，并进行涡轮增压器性能状态异常告警提示；
12、若否，则显示涡轮增压器的当前性能状态合格的结果。
13、通过采用上述技术方案，构建基于非线性gamma过程的性能退化模型，将设备老化引起的性能退化过程纳入涡轮增压器的性能评估体系，对当前性能状态和退化趋势进行双重评估，帮助工作人员精准掌握设备性能状态，及时发现因设备老化引发的潜在问题，避免由于忽略老化效应导致的评估盲区。此外，所构建的基于非线性gamma过程的性能退化模型能够有效地描述涡轮增压器在不同工况下的性能退化规律，通过性能退化模型，本申请能够适应不同工况下的涡轮增压器评估需求，捕捉设备性能退化的非线性特性，特别是在长时间连续运行的场景中，具备更强的鲁棒性。
14、可选地，在执行模型训练的步骤之后，执行性能状态输出的步骤之前，还包括：
15、边缘分布处理：为历史数据选择边缘分布类型，使用极大似然估计方法拟合分布参数，对历史数据进行边缘分布处理，得到历史数据的边缘分布概率；
16、生成联合分布：将历史数据的边缘分布概率输入copula函数中，通过拟合历史数据的依赖结构，生成联合分布；
17、生成模拟样本数据：从联合分布中进行采样，得到模拟的联合分布概率值，将模拟的联合分布概率值转换回历史数据的空间，生成模拟样本数据；
18、模拟训练：将模拟样本数据输入训练后的性能退化模型进行模拟训练，获得模拟训练后的性能退化模型，作为新的训练后的性能退化模型。
19、通过采用上述技术方案，引入边缘分布处理和联合分布拟合，实现对复杂运行条件下的数据相关性的捕捉，使模型具备适应不同运行工况的能力，特别是在极端环境或非标准运行状态下，仍能够提供可靠的性能评估结果。此外，将生成模拟样本数据作为历史数据的扩展，减少了对高频实时数据采集的依赖，有助于降低数据采集成本，同时在模型训练时优化数据分布覆盖，减少模型训练复杂度。
20、可选地，在执行建立模型的步骤之后，执行联合分布处理的步骤之前，还包括：
21、相似度筛选：计算历史数据之间的相似度，将相似度与预设相似度过滤阈值进行比较，筛选出相似度大于预设相似度过滤阈值的历史数据，作为新的历史数据。
22、通过采用上述技术方案，在边缘分布和联合分布之间引入相似度筛选，可以有效提升数据质量，优化联合分布拟合效果，加强模型对退化规律的捕捉能力，同时降低计算复杂性，以适应多种应用场景。而且通过这一步骤，可以显著提高性能退化模型的精确性和鲁棒性，从而提高对涡轮增压器性能评估的准确性和可靠性。
23、可选地，在执行生成模拟样本数据的步骤之后，执行模拟训练的步骤之前，还包括：
24、全局验证：计算历史数据与生成的模拟样本数据之间的wasserstein距离，判断计算的wasserstein距离是否大于预设wasserstein距离阈值：
25、若是，则调整历史数据的边缘分布类型和分布参数，执行边缘分布处理的步骤；
26、若否，则执行局部验证的步骤；
27、局部验证：使用kerneldensity函数分别对历史数据与生成的模拟样本数据进行核密度估计，将两者的密度函数进行对比，判断两者在每个局部区域的相似性是否都大于预设相似性阈值：
28、若是，则执行模拟训练的步骤；
29、若否，则调整copula函数类型，执行生成联合分布的步骤。
30、通过采用上述技术方案，引入全局验证和局部验证构建了一个多层次、多环节的验证机制，确保生成的模拟样本数据在全局和局部范围内均能真实反映历史数据的特性，优化了数据生成质量，增强了模型训练效果，同时降低了模型失效风险，提高了对涡轮增压器性能退化和异常状态的识别准确性与鲁棒性。
31、可选地，在执行性能状态输出的步骤之后，在执行性能状态评估的步骤之前，还包括：
32、预测性能状态：将实时数据输入至训练后的性能退化模型中，预测未来某一时间点涡轮增压器的性能状态值，记作预测性能状态值；
33、预测性能状态评估：判断预测性能状态值是否低于预设预测性能阈值：
34、若是，则显示出预测性能状态值的时间点；
35、若否，则不进行处理。
36、通过采用上述技术方案，预测特定时间点的性能状态值，实现合理规本文档来自技高网...
【技术保护点】
1.一种涡轮增压器性能评估方法，其特征在于，包括：
2.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行模型训练的步骤之后，执行性能状态输出的步骤之前，还包括：
3.根据权利要求2所述的涡轮增压器性能评估方法，其特征在于，在执行建立模型的步骤之后，执行联合分布处理的步骤之前，还包括：
4.根据权利要求2所述的涡轮增压器性能评估方法，其特征在于，在执行生成模拟样本数据的步骤之后，执行模拟训练的步骤之前，还包括：
5.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行性能状态输出的步骤之后，在执行性能状态评估的步骤之前，还包括：
6.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行性能状态输出的步骤之后，执行性能状态评估的步骤之前，还包括：
7.根据权利要求6所述的涡轮增压器性能评估方法，其特征在于，在执行性能状态初次评估的步骤之后，执行性能状态评估的步骤之前，还包括：
8.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行涡轮增压器性能状态异常告警提示的步骤之后，还包括：
9.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行显示涡轮增压器的当前性能状态合格结果的步骤之后，还包括：
10.一种涡轮增压器性能评估系统，所述系统适用于如权利要求1-9任一项所述的方法，其特征在于，包括：
...
【技术特征摘要】
1.一种涡轮增压器性能评估方法，其特征在于，包括：
2.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行模型训练的步骤之后，执行性能状态输出的步骤之前，还包括：
3.根据权利要求2所述的涡轮增压器性能评估方法，其特征在于，在执行建立模型的步骤之后，执行联合分布处理的步骤之前，还包括：
4.根据权利要求2所述的涡轮增压器性能评估方法，其特征在于，在执行生成模拟样本数据的步骤之后，执行模拟训练的步骤之前，还包括：
5.根据权利要求1所述的涡轮增压器性能评估方法，其特征在于，在执行性能状态输出的步骤之后，在执行性能状态评估的步骤之前，还包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：刘振明，刘景斌，聂涛，陈萍，罗丽，
申请(专利权)人：中国人民解放军海军工程大学，
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。