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！

龙图腾网恭喜中国空气动力研究与发展中心空天技术研究所申请的专利涡轮冲压组合式发动机模态转换智能调控方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114815616B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210452206.2，技术领域涉及：G05B13/04；该发明授权涡轮冲压组合式发动机模态转换智能调控方法及系统是由田野;杨茂桃;郭明明;任虎;杨宇;冉伟;胡俊逸;梁爽;马跃;陈尔达;陈皓;宋昊宇;乐嘉陵;李世豪设计研发完成，并于2022-04-27向国家知识产权局提交的专利申请。

本涡轮冲压组合式发动机模态转换智能调控方法及系统在说明书摘要公布了：本发明提供一种涡轮冲压组合式发动机模态转换智能调控方法及系统，通过涡轮冲压组合式发动机搭建了涡轮冲压组合式发动机模态转换控制系统，使发动机在不同模态和模态转换过程中，稳定控制推力减小或波动；搭建的燃烧室多目标性能的预测模型，在高效率高精度情况下，利用自抗扰控制系统对燃料喷注的参数进行实时自抗扰控制，在复杂非线性系统及外部环境不确定等因素下，使燃烧室性能进行自适应调整，燃烧效果达到最佳。

本发明授权涡轮冲压组合式发动机模态转换智能调控方法及系统在权利要求书中公布了：1.一种涡轮冲压组合式发动机模态转换智能调控方法，其特征在于包括如下步骤：S1、分析涡轮冲压组合式发动机在不同模态和工况下，燃料喷注的主要可控参数对燃烧性能的影响；分析涡轮冲压组合式发动机在不同模态下，燃料喷注的主要可控参数对燃烧性能的影响；主要可控参数包括燃料喷注的喷射角度、喷射位置、喷射频率、喷射压力、供油路数；燃烧性能包括燃烧室总压损失、推力和燃烧效率，进一步获得燃料喷注主要可控参数和燃烧性能的数学关系；S2、在涡轮冲压组合式发动机不同模态和工况下，应用拉丁超立方抽样方法获取设计空间的样本点，通过地面风洞试验，获取总压损失、推力和燃烧效率，并对计算流体动力学CFD数值模拟结果进行验证及修正，然后通过计算流体动力学CFD数值模拟扩充数据样本量，构建设计变量与燃烧性能一一对应的数据集；S3、对数据集进行预处理；S4、搭建深度信念网络，深度信念网络DBN将若干个RBM“串联”起来则构成了一个DBN，其中，上一个RBM的隐层即为下一个RBM的显层，上一个RBM的输出即为下一个RBM的输入；第一层的输入为燃料喷注器的设计变量，输出为燃烧性能，即燃烧室总压损失、推力和燃烧效率；深度信念网络是一个概率生成模型，与传统的判别模型的神经网络相对，生成模型是建立一个观察数据和标签之间的联合分布：Pv,h1,h2,…,hN＝Pv|h1Ph1|h2…PhN-2|hN-1PhN-1|hNRBM是一种神经感知器，由一个显层和一个隐层构成，显层与隐层的神经元之间为双向全连接；在一个RBM中，隐层神经元hj被激活的概率：Phj|v＝σbj+ΣiWi,jvi由于RBM是双向连接，显层神经元能被隐层神经元激活的概率：Pvj|h＝σci+ΣiWi,jhj其中，P·表示概率，N是层数；RBM共有五个参数：h,v,c,b,W,其中c,b,W，是相应的权重和偏置值，可通过学习得到；v是输入向量；h是输出向量；σ为Sigmoid函数；同一层神经元之间具有独立性，所以概率密度亦然满足独立性： 当一条数据赋给显层后，RBM根据隐层神经元激活的概率公式计算出每个隐层神经元被开启的概率，取一个0-1的随机数作为阈值，大于该阈值的神经元则被激活，否则不被激活，即：hj＝1，Phj|x≥μ；hj＝0,Phj|x＜μ深度信念网络中相关权重的更新方式为： 其中，λ是系数；μ表示阈值，为0-1之间随机数；Nh表示隐藏层数；Nv表示输入量个数；在深度信念网络的最后一层，能够替换成BP神经网络，即有监督学习；深度信念网络的输入为涡轮冲压组合式发动机的重要工况参数，即燃料喷注的喷射角度、喷射位置、喷射频率、喷射压力、供油路数设计变量，输出为燃烧室总压损失、推力和燃烧效率；搭建一种基于深度信念网络的代理模型，结合预处理后的数据集，构建在不同模态和不同工况下，以燃料喷注器的喷射角度、喷射位置、喷射频率、喷射压力、供油路数5个设计变量与燃烧室总压损失、推力和燃烧效率为输出的数学模型，形成燃烧室性能预测的代理模型；S5、利用免疫启发式多目标优化算法，结合深度信念网络代理模型，寻找燃烧性能最优的设计变量的解；S6、根据免疫启发式多目标算法得到的全局最优变量，利用自抗扰控制算法进行实时抗干扰调控；S7、利用燃烧产生的推力和进气道数据融合结果，决策模态转换；决策模态转换由模态转换控制系统实现，模态转换控制系统包括发动机循环和工作状态选择、决策机构、不同模态状态以及推力和进气道数据融合四个部分：发动机循环和工作状态选择通过涡轮冲压组合式发动机的推力和进气道数据的融合获得信息；将获得的信息发送给决策机构；决策机构会对当前的状态进行判断，选择合适的模态进行工作；根据模态信息和不同的工况情况，运用深度信念网络和免疫启发式多目标优化算法寻找在当前模态和工况下可使发动机燃烧室保持最优性能的燃料喷注参数；进一步观测组合式发动机产生的推力，即对整个控制系统形成闭环，达到实时观测和调节的效果；不同模态状态用于不同飞行速度；进气道数据融合用于实时检测来流条件，主要包括马赫数，进而决策发动机的模态选择；其中，使发动机燃烧室保持最优性能的燃料喷注参数包括喷射角度、喷射频率及喷射压力，将寻优得到的喷射角度、喷射频率及喷射压力3个设计变量作为ADRC控制系统的期望，并利用ADRC控制系统滤除干扰，稳定喷注参数，使发动机燃烧室能在不同模态下始终保持最佳性能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国空气动力研究与发展中心空天技术研究所，其通讯地址为：621052 四川省绵阳市涪城区二环路南段6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。