[发明专利]基于神经网络的航空发动机线性变参数模型建立方法

权利要求书

1.一种基于神经网络的航空发动机线性变参数模型建立方法，其特征在于，在线训练神经网络模型，所述神经网络模型包括隐含层、输出层以及设置于隐含层与输出层之间的乘法层，隐含层与乘法层之间为连接权值为1的局部连接，乘法层与输出层之间为全连接，乘法层的激励函数为比例函数，输出层的激励函数为线性函数，所述神经网络模型的输入为航空发动机线性变参数模型的调度参数，所述神经网络模型的输出为航空发动机线性变参数模型的状态方程和输出方程的输出；利用所述神经网络模型获得航空发动机线性变参数模型的参数，进而建立航空发动机线性变参数模型；所述航空发动机线性变参数模型的状态方程和输出方程具体如下：

x(k+1)＝A(α)x(k)+B(α)u(k)

y(k)＝C(α)x(k)+D(α)u(k)

式中，α为调度参数，x为状态量，u为输入量，y为输出量，k、k+1表示时刻，A(α)、B(α)、C(α)、D(α)为航空发动机线性变参数模型的参数；所述隐含层被均等分组，同一个分组的隐含层输出所对应乘法层的激励函数相同，不同分组对应不同的状态量和输入量；所述航空发动机线性变参数模型的参数具体如下：

式中，n_L为每个隐含层分组所包括的隐含层节点个数，n_α为调度参数维数，n为状态量维数，p为输入量维数，q为输出量维数，为归一化后的调度参数，b_j为隐含层第j个神经元的偏置，W′_ij代表输入层第i个神经元到隐含层第j个神经元的连接权值，W″_jk代表乘法层第j个神经元到输出层第k个神经元的连接权值，f()为隐含层激励函数。

2.如权利要求1所述基于神经网络的航空发动机线性变参数模型建立方法，其特征在于，所述调度参数为航空发动机的状态变量。

3.如权利要求1所述基于神经网络的航空发动机线性变参数模型建立方法，其特征在于，输入层到隐含层的连接权值随机生成，通过多次试探选择最优值并保持不变；乘法层到输出层的连接权值通过最小二乘法初始化，通过批量递推最小二乘算法在线更新。

4.如权利要求1所述基于神经网络的航空发动机线性变参数模型建立方法，其特征在于，乘法层对隐含层输出进行放大/缩小，放大/缩小的倍数等于航空发动机线性变参数模型的输入量和状态量。

5.如权利要求1所述基于神经网络的航空发动机线性变参数模型建立方法，其特征在于，所述航空发动机为涡扇发动机，所述神经网络模型的输入为k时刻的高压转子转速，所述神经网络模型的输出为k+1时刻的低压转子转速和高压转子转速以及k时刻的低压涡轮出口总压和总温。