[发明专利]基于ESN的涡轮发动机的剩余寿命预测方法

权利要求书

1.基于ESN的涡轮发动机的剩余寿命预测方法，其特征在于，它包括下述步骤：

步骤一、训练阶段，建立ESN的涡轮发动机的数学模型，根据已知的输入单元u(n)和已知输出单元y(n-1)，采用ESN的涡轮发动机的数学模型的内部处理单元的更新方程和最小二乘理论求得输出权值矩阵W^out，

输入单元u(n)为ESN的涡轮发动机的数学模型的一组数据集，该组数据集包含100个涡轮发动机的数据单元，所述的100个涡轮发动机均属于同一生产批次，且100个涡轮发动机在开始试验之前的初始剩余寿命不同，

每一个数据单元中的一个元素对应24维数据，该24维数据中的3维数据表示涡轮发动机操作条件数据，剩余的21维表示传感器采集的涡轮发动机状态数据，

步骤二、在测试阶段，被测涡轮发动机在正常运行时，通过传感器测量获得涡轮发动机的24维数据作为输入单元的数据集；结合步骤一训练后的ESN的涡轮发动机的数学模型的输出单元和输出权值矩阵W^out，采用训练后的ESN的涡轮发动机的数学模型的输出单元的方程求得待测涡轮发动机的剩余寿命预测值。

2.根据权利要求1所述的基于ESN的涡轮发动机的剩余寿命预测方法，其特征在于，步骤一所述的ESN的涡轮发动机的数学模型的内部处理单元的更新方程为：

x(n)=f(Wⁱⁿu(n)+Wx(n-1)+W^backy(n-1))    （1）

其中，n=0，...t₀...，t，n表示时刻，t₀表示初始截断时刻；t表示涡轮发动机失效的前一时刻；f＝(f₁,...，f_L)是内部处理单元的激活函数，该激活函数为双曲正切tanh函数；是N×L维的输入权值矩阵；W=(w_ij)是N×N维的内部连接权值矩阵；是N×M维的反馈权值矩阵，且W^back=0；i表示第i行、j表示第j列；内部处理单元x(n)为N维矩阵；输入单元u(n)为L维向量，表示涡轮发动机的状态监测数据；输出单元y(n-1)为M维向量，表示已知的涡轮发动机的剩余寿命。

3.根据权利要求1所述的基于ESN的涡轮发动机的剩余寿命预测方法，其特征在于，步骤一所述的采用ESN的涡轮发动机的数学模型的内部处理单元的更新方程和最小二乘理论求得输出权值矩阵W^out的具体过程为：

在k时刻输入单元u(k)=(u₁(k),...,u_L(k)),内部处理单元x(k)=(x₁(k),...,x_N(k)),输出单元y(k)=(y₁(k),...,y_M(k))，

W₁=W/|λ_max|，其中λ_max是W的谱半径，W₁表示谱半径为1时的内部连接权值矩阵；

内部处理单元x(n)的内部神经元通过权值连接组成储备池，储备池的参数有：储备池规模N、谱半径λ_max、输入单元缩放IS和输入单元移位IF；

初始化内部处理单元x(n)的参数；

根据已知的输入单元u(n)和已知输出单元y(n-1)，当时间大于或等于初始截断时间t₀时，开始采集输入单元和内部处理单元的值构成矩阵B的行向量，得到(t-t₀-1)×(L+N)维矩阵，内部处理单元的激活函数的逆tanh^-1y(n-1)构成矩阵C行向量，得到(t-t₀-1)×M维矩阵，

(W^out)^T＝B^-1C，将(W^out)^T转置得到输出权值矩阵W^out，

其中，上角标^T代表的转置。

4.根据权利要求1所述的基于ESN的涡轮发动机的剩余寿命预测方法，其特征在于，步骤二所述的ESN的涡轮发动机的数学模型的输出单元的方程为：

y'(n)=f_out(W^out(u(n),x(n))    （2）

其中：n=0，...t₀...t，n表示时刻，t₀表示初始截断时刻；t表示涡轮发动机失效时的时刻，输出单元y'(n)为M维向量，表示待测涡轮发动机的剩余寿命，f_out=(f_out¹，...，f_out^M)为输出单元的输出函数，是M×(L+N+M)维输出权值矩阵，输入单元u(n)为L维向量，表示涡轮发动机的状态监测数据，内部处理单元x(n)为N维矩阵。