[发明专利]截面参数自适应评估的航空发动机性能监控方法、系统及介质

权利要求书

1.一种截面参数自适应评估的航空发动机性能监控方法，其特征在于，所述截面参数自适应评估的航空发动机性能监控方法包括：

结合航空发动机工作的热力学模型，并采用神经网络模型获取航空发动机截面参数随飞行条件及工作点的变化规律；基于获取的变化规律作为航空发动机实际使用的监控模型对航空发动机的性能状态进行监控。

2.根据权利要求1所述截面参数自适应评估的航空发动机性能监控方法，其特征在于，利用获取所述监控模型或进行机载化实时监测发动机的性能状态。

3.根据权利要求1所述截面参数自适应评估的航空发动机性能监控方法，其特征在于，所述截面参数自适应评估的航空发动机性能监控方法具体包括：

S1，航空发动机仿真数据集的产生：从航空发动机飞行数据中提取飞行条件及工作点的概率分布，采用蒙特卡洛方法，利用航空发动机热力学模型构建航空发动机仿真数据集；

S2，航空发动机部件级网络及流量网络的蒙特卡洛训练：利用S1产生的仿真数据集，对航空发动机部件级网络及流量网络进行训练；

S3，航空发动机截面参数自适应模型的蒙特卡洛训练：将S2训练完成的航空发动机流量网络接入到S1的航空发动机部件级网络中，替代部件级网络中难以测量的空气流量输入，形成航空发动机截面参数自适应模型，并利用S1的数据集对该模型进行预训练；

S4，航空发动机截面参数自适应模型的飞行数据再训练：从飞行数据中筛选S3建立的自适应模型所需的输入及输出数据并对其进行处理，形成飞行数据集，对航空发动机截面参数自适应模型进行再训练；

S5，航空发动机截面参数自适应模型的部署：通过对比截面参数自适应模型在标准飞行数据与待测飞行数据上截面参数误差分布图，给出航空发动机性能及退化趋势是否正常的结论。

4.根据权利要求3所述截面参数自适应评估的航空发动机性能监控方法，其特征在于，所述步骤S1具体包括：

S11，基于航空发动机部件特性图构建其热力学模型，并利用实际试车或飞行数据对热力学模型进行修正，最终的航空发动机模型由下式表示：

{T_i，P_i，W_i}＝engine(T₂，P₂，P_amb，N₂，map)}，

式中，i为截面编号，T_i，P_i，W_i分别为第i个截面的总温、总压及流量，P_amb为环境压力，map为该型发动机各部件特性图；

S12，利用飞行数据构建航空发动机入口总温、总压、环境压力及高压转速的联合概率分布：

T₂，P₂，P_amb，N₂～F(t，p，p_amb，n₂)，

以上述概率分布为基础，采用蒙特卡洛方法生成5120个仿真输入数据：

T_2j，P_2j，P_ambj，N_2j～F(t，p，p_amb，n₂)，

式中，下标j表示服从联合概率密度F(t，p，p_amb，n₂)的第j个样本，将这些样本集合起来，形成仿真输入数据集：

Ω_input＝{T_2j，P_2j，P_ambj，N_2j}，j＝1，2，…，5120；

S13，将上述数据集输入到航空发动机热力学模型中，得到航空发动机各截面参数：

{T_ij，P_ij，W_ij，Wf_j，N_1j}＝engine(T_2j，P_2j，P_ambj，N_2j，map)}，

式中，下标ij表示由第j个输入样本计算的第i个截面参数，Wf_j为第j个输入样本计算的燃油流量，N_1j为第j个输入样本计算的低压转速；

S14，将S12产生的仿真输入数据集与S13航空发动机热力学模型计算的各截面参数整合为航空发动机仿真数据集，将数据集按照0.8，0.2的比例划分为训练集、验证集：

Ω_train＝{T_ij，P_ij，W_ij，p_ambj，，Wf_j，N_1j，N_2j}，j＝1，2，…，4096，

Ω_val＝{T_ij，P_ij，W_ij，P_ambj，，Wf_j，N_1j，N_2j}，j＝1，2，…，1024。