首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于回声状态网络的航空发动机动态推力估计方法 

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:本发明提供一种基于回声状态网络的航空发动机动态推力估计方法,包括以下步骤:首先通过对航空涡轮发动机产生推力的原理进行推导,分析出与推力紧密相关的且飞机飞行时航空发动机上的可测参数。然后通过充分调节发动机的油门杆角度获取发动机在特定控制器下的动态推力特性,将此动态推力试验记录的相关数据用来训练回声状态网络模型,最终得到航空发动机动态推力估计器。本发明基于状态回声网络设计了一种全新的航空发动机动态推力器,与现有的基于数据的航空发动机动态推力估计器相比,结构简单,易于训练,精度高。

主权项:1.一种基于回声状态网络的航空发动机的推力估计方法,其特征在于,包括如下步骤:步骤1:将已知的航空发动机不同发动机油门杆角度下的可测性能参数和推力值构成的数据集归一化,并分成训练集和测试集;步骤2:训练回声状态网络推力估计器模型;步骤3:将实测的航空发动机的可测性能参数输入训练好的回声状态网络推力估计器模型,得到其推力值;步骤2中训练回声状态网络推力估计器模型的步骤包括:步骤2.1:首先选取合适的网络超参数值;步骤2.2:初始化回声状态网络推力估计器模型,回声状态网络的输入权值矩阵、循环权值矩阵、隐含层的偏置皆为随机生成,对应的矩阵维度分别为输入个数×隐含层节点个数、隐含层节点个数×隐含层节点个数、隐含层节点个数×1;步骤2.3:按照岭回归的方式来训练回声状态网络推力估计器模型的输出权值矩阵;步骤2.4:得到初步训练好的输出权值矩阵之后,接着利用测试集来测试所得回声状态网络推力估计器模型的精度,即计算预测推力值和实际推力值之间的相对误差,满足预定精度就停止训练,否则不断循环此步骤直至回声状态网络模型满足此目标精度,至此就得到了一种航空发动机动态推力估计器;步骤2.2中,循环权值矩阵的稀疏度要保持为初始化时所设定的值,实现特定稀疏度的方法可为但不限于以下两种:①利用Matlab生成特定稀疏度矩阵的sprand函数;②先随机生成对应维度的循环权值矩阵,然后随机保留矩阵总元素个数乘以稀疏度向下取整之后的元素数目为非零,其余矩阵元素全部置零;步骤2.2中,循环权值矩阵的谱半径要等于初始化时所设定的值,具体实现方法为将随机生成的循环权值矩阵除以矩阵最大特征值的绝对值再乘以所设定的谱半径值;步骤2.3包括:步骤2.3.1:将训练数据的输入按照时间次序依次输入到回声状态网络的输入节点中,进而按照公式sk+1=θWinxk+1+Wrsk+Wb计算出所有对应时刻的隐含层状态;其中,sk代表第k时刻的隐含层状态,sk+1和xk+1分别代表第k+1时刻的隐含层状态和输入值,Win、Wr和Wb分别为输入权值矩阵、循环权值矩阵和隐含层偏置,θ为隐含层激励函数,选取为双曲正切函数步骤2.3.2:去掉冲洗阶段的隐含层状态值和冲洗阶段的输出状态值,即前nwash个时刻的值;步骤2.3.3:按照岭回归的计算公式Wout=sTs+λI-1sTy得到回声状态网络的输出矩阵,其中s=[snwash+1snwash+2…sN]T,N为训练数据的序列个数,上标T表示转置,I是矩阵维度为Nr*Nr的单位矩阵,y=[ynwash+1ynwash+2…yN]T,即为所求的输出权值矩阵。

全文数据:

权利要求:

百度查询: 南京航空航天大学 基于回声状态网络的航空发动机动态推力估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。