基于人工智能的舰船燃气轮机多目标优化控制方法技术

本发明专利技术涉及舰船动力系统控制领域，具体是指基于人工智能的舰船燃气轮机多目标优化控制方法，包括数据采集和特征构建、公平约束和平衡约束驱动的工况聚类、基于多任务学习的多目标建模和多目标优化策略生成，本方案引入嵌入公平约束和平衡约束的K‑means聚类算法，有效解决了传统工况分类中类别不均衡与特征分布偏差的问题，使得工况分类结果更加合理和精确，为后续多任务预测和优化控制提供可靠基础；针对协同学习能力差的问题，本发明专利技术采用多任务学习模型，设计共享骨干网络，在共享特征基础上建立燃油消耗预测、排放指标估计、响应速度控制和剩余寿命预测多个任务分支，实现任务间的信息共享与特征互补，提高了预测的准确性和泛化能力。

【技术实现步骤摘要】

本专利技术涉及舰船动力系统控制领域，具体是指基于人工智能的舰船燃气轮机多目标优化控制方法。

技术介绍

1、随着舰船向高性能、高效率和智能化方向发展，燃气轮机作为舰船的主要动力装置，需要在不同任务场景下实现燃油消耗、排放指标、响应速度及设备寿命等多目标的综合优化，现有的燃气轮机工况识别方法存在工况分类精度不足的问题，多采用传统的k-means聚类或基于经验规则的分类方法，不能有效解决类别不均衡及特征分布偏差的问题，导致部分极端工况被错误分类，影响了后续的预测与优化效果；现有的预测方法中存在协同学习能力差的问题，采用单任务模型分别预测燃油消耗、排放指标或寿命参数，导致预测结果精度不高。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供基于人工智能的舰船燃气轮机多目标优化控制方法，针对工况分类精度不足的问题，本专利技术引入嵌入公平约束和平衡约束的k-means聚类算法，有效解决了传统工况分类中类别不均衡与特征分布偏差的问题，使得工况分类结果更加合理和精确，为后续多任务预测和优化控制提供可靠基础；本文档来自技高网...

【技术保护点】

1.基于人工智能的舰船燃气轮机多目标优化控制方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于人工智能的舰船燃气轮机多目标优化控制方法，其特征在于：步骤S2，具体包括以下步骤：

3.根据权利要求2所述的基于人工智能的舰船燃气轮机多目标优化控制方法，其特征在于：步骤S3，具体包括以下步骤：

【技术特征摘要】

1.基于人工智能的舰船燃气轮机多目标优化控制方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于人工智能的舰船燃气轮机多目标优化控制方法，...

【专利技术属性】
技术研发人员：马亮，邹斐，闫昌盛，杨健，王琳，王岩，白若忱，马森，毛冬岩，徐广野，王云龙，
申请(专利权)人：哈尔滨船舶锅炉涡轮机研究所中国船舶集团有限公司第七零三研究所，
类型：发明
国别省市：