买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明提出一种基于适量信息融合卷积神经网络的变循环发动机参数估计方法，属于智能航空发动机控制领域，本方法包括：采集变循环发动机运行过程数据；利用滑动分割和复制拼接的方法制作二维输入数据图集和对应的一维输出数据集；构建适量信息融合卷积神经网络；利用二维输入数据图集和对应的一维输出数据集对所构建的网络进行训练，建立二维输入数据图与待估计参数之间的非线性映射关系；基于训练完成的适量信息融合网络，实现对待估计参数的实时准确估计。面对变循环发动机多种工作模态，本发明提出的参数估计方法均具有精度高和实时性好的优点，适用于变循环发动机直接推力控制、容错控制。

主权项：1.一种基于适量信息融合卷积神经网络的变循环发动机参数估计方法，其特征在于，具体包括以下步骤：步骤1：采集变循环发动机运行过程数据；步骤2：利用滑动分割和复制拼接的方法制作二维输入数据图集和对应的一维输出数据集；步骤3：构建适量信息融合卷积神经网络，所述适量信息融合卷积神经网络，是指根据变循环发动机参数间耦合关系构建的能进行适量信息融合的神经网络，包括适量信息融合模块、深度特征提取模块及全连接输出模块；所述适量信息融合模块包括m个输入通道，每个通道由卷积层、批归一化层和LeakyRelu激活层依次组成，每个通道卷积层所采用的卷积核大小互不相同，保证卷积核提取的数据信息的丰富性，所述适量的含义是指两两通道间进行信息融合，具体为每两个相邻通道间的输出由元素叠加层按每个元素进行叠加融合，其中，m是大于2的偶数；所述深度特征提取模块包括m2个并联通道，每个通道首先由两个并联子通道组成，一个子通道由3×3×32的卷积层、批归一化层、LeakyRelu激活层组成，另一个子通道采用恒等映射，实现输入输出直连，两个子通道的输出由深度叠加层按数据特征图深度方向进行叠加，然后每个通道再通过1×1×32的卷积层、批归一化层、LeakyRelu激活层进一步进行深度特征提取；所述全连接输出模块采用元素叠加层对所述深度特征提取模块的m2个通道输出进行叠加，再采用三个全连接层进行深度特征的融合，实现适量信息融合卷积神经网络的输出；步骤4：利用二维输入数据图集和对应的一维输出数据集对所构建的网络进行训练，建立二维输入数据图与待估计参数之间的非线性映射关系；步骤5：基于训练完成的适量信息融合卷积神经网络，实现待估计参数的实时准确计算。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于适量信息融合卷积神经网络的变循环发动机参数估计方法