[发明专利]一种基于图像序列分析的燃气涡轮发动机燃烧室稳定性分析方法

说明书

一种基于图像序列分析的燃气涡轮发动机燃烧室稳定性分析方法，属于航空发动机故障预测与健康管理领域。首先，获取燃气涡轮发动机燃烧室内部流场数据。其次，对燃烧室流场图像进行预处理，分别得到判别模型数据集、预测模型数据集，并将两个数据集打乱顺序后均划分成训练集和测试集。再次，构建3DWaveNet模块作为预测模型的生成网络，并构建其判别网络，组合生成、判别网络构成预测模型，以预测模型数据集中的训练集进行训练，使用测试集进行评估。最后，根据判别模型数据集构建判别模型，以判别模型数据集中的训练集对模型进行训练，使用测试集进行测评。本发明在燃烧室稳定性分析上应用图像序列预测技术，能够对预测准确性和稳定性进行有效提升。

技术领域

本发明涉及一种基于图像序列预测的燃气涡轮发动机燃烧室稳定性分析方法，属于航空发动机故障预测与健康管理领域。

背景技术

航空发动机长期处于高温、高速以及重载的运行环境，所以发动机容易出现各种故障。燃烧室是航空发动机的关键部件之一，由于航空发动机在短时间内工作状态变化大，燃烧室将在很短时间内发生贫、富油工作状态的交替从而造成燃烧的不稳定。燃烧室故障的发生会使发动机造成严重破坏，所以希望在故障发生之前对燃烧室工作状态进行预测分析，从而在达到性能下限之前及时进行维修。

传统的燃烧室故障预测都是基于各类传感器测得的时序数据，时间上具有一定的延后性并且存在测量误差，这会导致预测存在滞后性和准确性差等问题。而燃烧室内部的流场分布作为原始数据最能够表征发动机运行状态，对流场分布图像进行分析处理而不是基于气路参数等时序数据，能够最大程度保留原有信息从而提高预测分析能力。

传统的时序图像预测技术包括单质心跟踪方法，光流法等，均需要人为对图像进行预处理，这将导致部分信息的丢失从而产生不精确的预测结果。

发明内容

针对现有技术预测精度低，本发明提供一种应用深度学习的基于图像序列分析的燃气涡轮发动机燃烧室稳定性分析方法。

为了达到上述目的，本发明采用的技术方案为：

一种基于图像序列分析的燃气涡轮发动机燃烧室稳定性分析方法，包括以下步骤：

S1.获取燃气涡轮发动机燃烧室内部流场数据，包括以下步骤：

S1.1考虑到粒子图像测速(PIV)设备难以获取，使用计算流体动力学(CFD)进行燃烧室流场模拟。

S1.2对模拟过程进行等时间间隔采样，获取单帧图像，其中，每秒取样30帧。

S2.对燃烧室流场图像进行预处理，包括以下步骤：

S2.1考虑到燃烧是一个动态过程，外加各种随机扰动，首先对图像进行加权平均，在一个小时间间隔内连续取多幅图像，利用其平均结果表征该时间段的图像性质，计算公式如下：

式中，N为观察次数，本方法中N取3；I_j(x，y)是j时刻的瞬时采集图像；是t时刻平均图像；w_j为权系数，可按高斯分布确定。

S2.2对加权平均得到的图片进行去噪以获得更清楚的流场图像，本方法使用中值滤波，使用3×3的窗口进行滑动，将窗口中的像素值进行排序，取其中值代替窗口中心像素原来的灰度。

S2.3将去噪后的图像以矩阵的形式进行存储，并转换成浮点型张量，得到图像集，为节省运算量将像素值进行归一化同除255。

S2.4将步骤S2.3获得的图像集根据其流场状态是否稳定，给每帧图片赋予标签“0”和“1”，“0”代表失稳，“1”代表正常，以此构建判别模型数据集。

S2.5将判别模型数据集打乱顺序后按照4:1的比例划分成训练集和测试集。