[发明专利]基于深度神经网络的航空发动机稳态模型建模方法

权利要求书

1.一种基于深度神经网络的航空发动机稳态模型建模方法，利用深度神经网络构建航空发动机稳态模型，其特征在于，所述深度神经网络为逐层批归一化的深度神经网络，其在相邻隐含层之间均增加一个批归一化层，用于对前一隐含层的输出进行标准化处理。

2.如权利要求1所述航空发动机稳态模型建模方法，其特征在于，所述标准化处理具体如下：

其中，为标准化处理之后的输出，ε为数值很小的正整数，为进入批归一化层之前的神经网络输出，μ_B和分别为样本数据集的均值和方差，γ和β为两个学习参数。

3.如权利要求2所述航空发动机稳态模型建模方法，其特征在于，所述建模方法包括以下步骤：

步骤1、获取航空发动机稳态模型的训练数据；

步骤2、确定逐层批归一化的深度神经网络的结构；

步骤3、对逐层批归一化的深度神经网络进行前向计算，得到损失函数值；

步骤4、使用反向传播算法计算逐层批归一化的深度神经网络梯度，并更新权值；

步骤5、判断逐层批归一化的深度神经网络是否收敛，是则输出稳态模型，否则继续迭代，返回步骤3。

4.如权利要求3所述航空发动机稳态模型建模方法，其特征在于，通过发动机试车实验或/和发动机非线性部件级模型得到所述航空发动机稳态模型的训练数据。

5.如权利要求1～4任一项所述航空发动机稳态模型建模方法，其特征在于，所述航空发动机稳态模型以飞行高度、马赫数、燃油流量、尾喷管喉道面积、凤扇导叶角和压气机导叶角为模型输入量，以发动机耗油率、安装推力、风扇转子转速、压气机转子转速、风扇喘振裕度、压气机喘振裕度和高压涡轮进口温度为模型输出量。