[发明专利]基于零转速特性线的燃气轮机涡轮低转速特性线外推方法有效
申请号: | 201911144121.2 | 申请日: | 2019-11-20 |
公开(公告)号: | CN110929397B | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 刘永葆;李浩冬;李俊 | 申请(专利权)人: | 中国人民解放军海军工程大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F18/2411;G06F18/214 |
代理公司: | 武汉宇晨专利事务所(普通合伙) 42001 | 代理人: | 王敏锋 |
地址: | 430033 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 转速 特性 燃气轮机 涡轮 线外推 方法 | ||
1.基于零转速特性线的燃气轮机涡轮低转速特性线外推方法,其特征在于:包括如下步骤,
步骤一:对涡轮特性线进行描述改进;
在步骤一中,对涡轮特性线进行描述的改进,涡轮特性线用换算转速ntnp和膨胀比πt来表示换算流量Gtnp和换算扭矩Tqnp,改进后的涡轮特性线描述为:
式(1-1)中:ntnp为换算转速;
πt为膨胀比;
Gtnp为换算流量;
Tqnp为换算扭矩;
f1,f2为两个未知的函数;
步骤二:将涡轮零转速特性数据和已知涡轮高转速特征数据作为样本数据;
步骤三:结合样本数据,利用支持向量机拟合的方法对燃气轮机涡轮低转速特性线进行外推;
在步骤三中,在进行拟合时,首先通过非线性变换x→Ψ(x)将输入空间映射到一个高维的特征空间,然后依据统计学习理论中的结构风险最小化准则,在特征空间进行最优线性逼近,即:
式(1-3)中,是一个高维特征空间;
表示x的最优线性逼近函数;
b是某未知量,类似线性函数的截距;
w=(w1,…,wN)是确定了这个空间中的一个超平面的权值向量;
使得风险函数J最小,即满足如下(1-4)所示的方程式:
式(1-4)中,||||表示向量模;
C为平衡因子;
L为惩罚函数;
J为风险函数;
xi,yi表示第i个样本数据;
w=(w1,…,wN)是确定了这个空间中的一个超平面的权值向量;
表示x的最优线性逼近函数;
惩罚函数L通常取线性ε不敏感损失函数,定义为:
式(1-5)中,表示惩罚函数,其定义形式为不敏感损失函数;
表示最优拟合函数与样本数据之间的误差;
表示误差和容忍误差ε之间的差值。
2.根据权利要求1所述的基于零转速特性线的燃气轮机涡轮低转速特性线外推方法,其特征在于:在步骤二中,由于涡轮零转速线必然过压比为1且流量为0的点,结合涡轮高转速的特性数据,将零转速特征点作为训练数据的一部分。
3.根据权利要求2所述的基于零转速特性线的燃气轮机涡轮低转速特性线外推方法,其特征在于:将所述式(1-4)的最小风险函数等价为如下的二次规划问题:
式(1-6)和(1-7)中,核函数K(xi,yi)=(ψ(xi)·ψ(yi))是满足Mercer条件的任意对称函数;
xi,yi为样本数据;
J为风险函数;
i为样本点序列;
αi为朗格朗日乘子;
ε为容忍误差;
求解上述式(1-6)和(1-7)中二次规划问题,可以得到拉格朗日乘子和αi,然后结合KKT条件可求得偏置b;
为零时对应的输入样本就是支持向量;
最后,支持向量机的输出为:
式(1-8)中,表示x的最优线性逼近函数;
αi为朗格朗日乘子;
K(xi,yi)=(ψ(xi)·ψ(yi))是满足Mercer条件的任意对称函数;
b是某未知量,类似线性函数的截距。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军海军工程大学,未经中国人民解放军海军工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911144121.2/1.html,转载请声明来源钻瓜专利网。