[发明专利]基于深度卷积生成对抗网络的发动机喘振信号模拟方法

说明书

本发明提出一种基于深度卷积生成对抗网络的发动机喘振信号模拟方法，属于航空发动机气动稳定性控制领域。其步骤为：（1）采集不同喘振特征的真实喘振压力信号样本；（2）对压力信号样本进行数据预处理，并根据喘振信号的特征划分训练集；（3）构建生成网络G和判别网络D，组成深度卷积生成对抗网络并进行训练；（5）生成随机噪声输入生成网络G，得到接近真实喘振信号的喘振压力模拟信号。本发明根据真实喘振压力信号对深度卷积生成对抗网络进行训练，借助生成网络G与判别网络D的动态博弈过程，最终生成无限接近真实的喘振压力模拟信号以用于喘振检测装置和消喘控制系统的验证，有效解决了逼喘试验成本高且信号特征覆盖窄的问题。

技术领域

本发明涉及一种基于深度卷积生成对抗网络的发动机喘振信号模拟方法，属于航空发动机气动稳定性控制技术领域。

背景技术

喘振作为航空发动机的典型气动不稳定流态，表现为通过系统的流量和压气机出口压力等参数都随着时间在发动机轴向上作低频脉动。这种低频脉动使得发动机的效率和性能大大降低，不稳定气流微团的振动给压气机叶片附加额外的振动负荷，而气动失稳导致的涡轮前温度上升则给发动机叶片附加了额外的热负荷。振动负荷与热负荷大大加速了发动机的老化，缩短发动机使用寿命，增加了发动机的维护成本。在严重的情况下，还将引起发动机故障，从而导致灾难性的后果。

在喘振检测装置与消喘控制逻辑的研究中，要求其能够检测出具有不同特征的喘振信号，以验证喘振检测装置与消喘控制逻辑应对不同发动机在不同工况下喘振的有效性。因此，获得尽可能多的具有不同特征的喘振信号，对考核检测控制装置的准确性和可靠性具有重要意义。

目前，工程上喘振信号主要由压气机或发动机整机的逼喘试验获得：压气机或发动机运行在某一工况时，采用增加进口畸变或主燃油量激增等方式对其进行逼喘，通过高频响传感器记录下喘振时的相关压力参数，试验过程中存在着难以调整试验参数，单次试验获得的喘振信号特征单一且不可控的问题。因此，通过逼喘试验获得喘振信号既耗费大量的人力、物力，而且特征覆盖面窄，难以满足全面验证喘振检测装置的要求。

在喘振信号模拟的研究方面，公开号为CN104239614A的专利公开了一种压气机气动失稳信号的模拟方法，能够在数值模拟或解析数值模拟获得的少量气动失稳信号基础上，采用数乘变换、展缩变换、平移变换和时域叠加等运算，产生大量的涵盖不同频率、幅值、失速先兆模式等特征的气动失稳信号，但该方法生成的喘振信号仅为小样本失稳信号、衰减正弦信号、半正弦脉冲信号和噪声的叠加，无法保证与真实喘振信号的相似度；公开号为CN102636247A的专利公开了一种压气机喘振检测装置的实验方法，能够将已有的喘振的数字信号复现为动态压力，更接近喘振时的真实情况，但依然没能解决难以获取大量喘振信号样本的问题。

发明内容

本发明提出的是一种基于深度卷积生成式对抗网络的喘振信号生成方法，其目的在于解决发动机喘振信号数据库样本量不足以及准确性低的问题，通过深度卷积生成式对抗网络构建一种可以生成喘振信号的生成式对抗模型。

本发明的技术解决方案：

基于深度卷积生成式对抗网络的喘振信号生成方法，具体步骤包括：

1）通过逼喘试验采集不同喘振特征的真实发动机喘振信号数据；

2）对步骤1）所采集真实发动机喘振信号数据进行预处理，获得真实发动机喘振信号的训练集x；

3）搭建深度卷积生成对抗网络模型，根据输入的真实发动机喘振信号进行训练；

4）计算回归模型，得到无限接近于真实的航空发动机喘振信号。

进一步地，所述步骤2）中对真实发动机喘振信号数据进行“类图像化”处理，具体包括以下步骤：

步骤2-1，采用基于Mallat算法的多分辨率分析，对真实发动机喘振信号进行N层分解，N为小波分析层数；得到近似系数和细节系数，其中；