[发明专利]一种超声速进气道流动状态的实时监测方法

权利要求书

1.一种超声速进气道流动状态的实时监测方法，其特征在于，包括如下步骤：

步骤1，在超声速进气道的内部流道上布置若干个传感器，采集各传感器的动态压力信号，并得到不同流动状态下的样本，针对每个传感器分别构建样本集；

步骤2，建立DTW-SLFN-KF网络，将步骤1得到的每个传感器的样本集划分成训练集和测试集，训练出该传感器对应的DTW-SLFN-KF网络模型；

步骤3，利用步骤2训练好的DTW-SLFN-KF网络模型对其对应的测试集进行验证，得到测试结果。

2.根据权利要求1所述的超声速进气道流动状态的实时监测方法，其特征在于，所述步骤1中，利用滑动窗口对采集到的压力信号进行切分，得到不同流动状态下的样本。

3.根据权利要求1所述的超声速进气道流动状态的实时监测方法，其特征在于，所述步骤2中，DTW-SLFN-KF网络包括DTW层、以非线性Sigmoid函数为传递函数的隐含层以及卡尔曼滤波后处理模块。

4.根据权利要求1或3所述的超声速进气道流动状态的实时监测方法，其特征在于，所述步骤2中，DTW-SLFN-KF网络模型的训练步骤包括：

步骤2.1，初始化网络参数，包括DTW层中各节点的中心序列{c_n}以及各层之间的连接权重{W^[1]，W^[2]}和偏执{b^[1]，b^[2]}；

步骤2.2，利用式(1)-(5)分别计算DTW层、隐含层和输出层各节点的输出；

z_pn＝DTW(x_p，c_n) (1)

f_pn＝tanh(z_pn) (2)

其中，x_p表示第p个训练样本，c_n表示第n个DTW节点的中心序列，z_pn表示x_p和c_n之间的DTW距离，f_pn表示第n个DTW节点的输出；是传递函数，用于保证DTW层的输出都在[-1，1]范围内，其中e是自然常数，x是tanh函数的输入；

f_p，hid＝tanh(z_p，hid) (4)

其中，表示第n个DTW节点与第hid个隐含层节点之间的连接权重，表示第hid个隐含节点的偏执，z_p，hid表示第hid个隐含层节点的线性加权输出，f_p，hid表示z_p，hid经过传递函数tanh(x)后的输出；

同理，表示第hid个隐含层节点与第m个输出节点之间的连接权重，表示第m个输出节点的偏执，z_pm表示第m个输出节点的线性加权输出；

步骤2.3，利用式(6)-(8)分别计算Soft-max层的输出、误差以及目标函数；

其中，y_pm和分别表示x_p属于第m类的真实概率和预测概率，e_pm表示概率误差，Loss表示所有训练样本属于各个类别的平均概率误差，P表示所有训练样本的数目，M表示所有类别数目；

步骤2.4，利用式(9)-(17)分别计算每个误差e_pm关于各个参数的导数；

其中，表示第p个样本在第m₁个输出节点处的概率误差，表示第p个样本在第m₂个输出节点处的线性加权输出，和分别表示第p个样本属于第m₁类的真实概率和预测概率；

关于权重{W^[2]}和偏置{b^[2]}的导数计算如下；

其中，表示第hid个隐含层节点与第m₂个输出节点之间的连接权重，表示第m₂个输出节点的偏执，f_p，hid表示第p个样本在第hid个隐含层节点处的输出，N_hid表示隐含层节点的个数；

为了计算关于权重{W^[1]}和偏置{b^[1]}的导数，需要先计算关于隐含层的线性加权输出z_p，hid的导数；

关于权重{W^[1]}和偏置{b^[1]}的导数计算如下：

其中，表示第n个DTW节点与第hid个隐含层节点之间的连接权重，表示第hid个隐含层节点的偏执，f_pn表示第p个样本在第n个DTW节点处的输出，N表示DTW节点的个数；

为了计算关于DTW各节点中心序列{c_n}的导数，需要先计算关于DTW层的线性加权输出z_pn的导数；

关于DTW各节点中心序列{c_n}的导数由下式计算：

设使用平方欧式距离计算DTW代价矩阵中的元素，并且规整路径为w＝(w₁，w₂，…，w_K)，K表示路径长度，则DTW(x_p，c_n)关于c_n的导数由下式计算：

其中，c_nj表示c_n中的第j个点；k＝1，2，…K；

步骤2.5，基于误差e_pm关于所有参数的导数，利用LM算法进行参数更新；

步骤2.6，利用式(18)-(20)分别计算卡尔曼滤波模块的状态方程和测量方程；

卡尔曼滤波模块通过线性组合DTW层所提取的特征以及输出层的预测概率，来更好地近似真实概率，这三者间的线性关系如下所示：

其中，y_p为真实概率，为预测概率，λ_p和ξ_p是线性组合系数，由卡尔曼滤波模块更新得到，是均值为0、协方差为R的正态分布误差；

为了估计λ_p和ξ_p，需要首先定义出状态方程和测量方程，系统状态S_p定义为λ_p的所有主对角线元素和ξ_p的所有元素组成的向量：

S_p＝[λ_p，11…λ_p，MM ξ_p，11…ξ_p，1N ξ_p，21…ξ_p，2N…ξ_p，M1…ξ_p，MN]^T

由于S_p不随时间变化，且没有其它输入，因此状态方程定义为：

A_p＝I，U_p＝0，B_p表示S_p和U_p之间的关系矩阵，由于U_p为0，所以B_p也为0，是均值为0、协方差为Q的正态分布误差，测量方程由式(18)推导得到；

令则测量方程为：