[发明专利]基于生成对抗网络的APU退化参数生成方法

说明书

基于生成对抗网络的APU退化参数生成方法，涉及飞机辅助动力装置在翼性能退化领域。本发明是为了解决现有APU故障预测准确性不高的问题。本发明所述的方法包括：通过飞机通信寻址与报告系统得到APU的在翼感知参数中的EGT数据，将EGT数据修正到国际标准大气条件下；构建生成对抗网络GAN，基于APU的在翼感知参数中的EGT训练生成对抗网络GAN；利用训练好的生成对抗网络GAN对输入数据进行样本生成，获得APU退化参数。属于飞机辅助动力装置在翼性能退化领域。

技术领域

本发明涉及飞机辅助动力装置在翼性能退化领域，具体涉及一种基于生成对抗网络的APU退化参数生成方法。

背景技术

飞机辅助动力装置(Auxiliary Power Unit,APU)是一种燃气涡轮动力系统，主要由小型燃气涡轮发动机、附件齿轮箱和供气系统等组成，其在翼时安装于飞机尾部。在飞机起飞过程中，由于APU可以为飞机一部分额外耗能系统提供能源，使得发动机功率全部应用在飞机起飞过程，提高飞机起飞效能。通常情况下，APU可在飞机爬升到某预定高度时自动关闭，在飞行高度不超过某一阈值的情况下，APU可以再次启动，重新为发动机提供能源。降落后，发动机不再工作，空调、照明等相关工作仍由APU完成。APU的存在解决航空发动机起动过程的特殊性，同时也是保证发动机在发生偶然事故停机时再次起动的主要设备，无论是在飞机起飞过程，还是飞行过程中，APU的可靠性始终是飞机飞行安全的有力保障。通过有效的监测技术，对APU进行故障预测，有效掌握设备的状态信息，及时发现问题并制定维修方法，从而有效预防某些功能故障的发生，控制并排除某些严重故障，减少经济损失，节约人力资源成本，缩小维修范围，减少停机时间。

APU的性能参数能够表征APU的性能，借鉴航空领域专家经验，APU在翼感知参数中的尾气温度(Exhaust Gas Temperature,EGT)是最重要的性能参数，EGT可以作为APU退化参数用于表征APU的性能。但是现有的EGT存在误差较大，而且样本数量少的问题，使用在翼感知参数难以获得准确度高的故障预测结果。

发明内容

本发明是为了解决现有技术APU退化性能参数存在EGT存在误差较大导致APU故障预测准确性不高的问题，现提出一种基于生成对抗网络的APU退化参数生成方法。

基于生成对抗网络的APU退化参数生成方法，包括：

步骤一：通过飞机通信寻址与报告系统得到APU的在翼感知参数中的EGT数据，将EGT数据修正到国际标准大气条件下；

步骤二：构建生成对抗网络GAN，基于APU的在翼感知参数EGT训练生成对抗网络GAN；包括：

步骤二一、生成器生成样本：

将从高斯噪声中随机采样得到的随机向量输入至生成器G，映射为隐含层矢量再生成新样本

步骤二二、判别器训练：

将生成器的新样本标注为0，原样本标注为1；生成新样本和原样本被共同输入至判别器D进行真伪判别，判别器D输出新样本和原样本对应的真伪标签通过最小化真伪标签的误差，完成判别器网络的训练；

步骤二三、生成器的训练：

将新样本标注为1，输入至判别器；当输出真伪标签为0时，生成器生成的新样本未能成功骗过判别器D，再通过最小化式反馈调节训练；

步骤二四、对抗学习的机制：

当输入原样本至GAN时，判别器D的目标是使输出值为1，当输入样本为新样本时，判别器的目标是使输出值为0，即判别器D能够判断新样本为假，而生成器G的目标是使为1，即生成样本骗过判别器，两者形成对抗与竞争；通过对抗学习机制，交替优化判别器和生成器，即，先固定生成器，利用随机梯度下降法优化生成器，使判别器的判别准确率最小化，判别器与生成器不断优化，直至判别器和生成器达到纳什均衡；