本發(fā)明涉及數(shù)值模擬，特別是一種知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型。

背景技術(shù)：

1、航空發(fā)動(dòng)機(jī)總體性能仿真利用數(shù)值模擬技術(shù)，基于發(fā)動(dòng)機(jī)的構(gòu)型結(jié)構(gòu)、設(shè)計(jì)參數(shù)和工作原理，能夠預(yù)測(cè)和分析發(fā)動(dòng)機(jī)在不同工作條件下的性能表現(xiàn)。這對(duì)于發(fā)動(dòng)機(jī)及飛機(jī)的設(shè)計(jì)、優(yōu)化和控制具有至關(guān)重要的意義。

2、現(xiàn)有的發(fā)動(dòng)機(jī)總體性能仿真模型主要采用零維部件級(jí)建模，基于發(fā)動(dòng)機(jī)氣動(dòng)熱力學(xué)原理建立非線性數(shù)學(xué)模型，通過牛頓-拉夫遜等解算法迭代求解發(fā)動(dòng)機(jī)共同工作方程從而獲得發(fā)動(dòng)機(jī)的穩(wěn)態(tài)與過渡態(tài)性能。該模型的特點(diǎn)是精度高，符合發(fā)動(dòng)機(jī)物理工作原理，局限則在于在寬廣的工作范圍內(nèi)，經(jīng)常存在模型迭代不收斂的問題，此外，由于性能求解需要反復(fù)迭代調(diào)用模型進(jìn)行流路計(jì)算，導(dǎo)致其實(shí)時(shí)性較差。隨著現(xiàn)代航空發(fā)動(dòng)機(jī)設(shè)計(jì)的不斷發(fā)展，發(fā)動(dòng)機(jī)構(gòu)型和工作原理日益復(fù)雜，進(jìn)一步增加了數(shù)值仿真模型的復(fù)雜度，其收斂問題和非實(shí)時(shí)性特征更為明顯，難以滿足發(fā)動(dòng)機(jī)總體性能的設(shè)計(jì)優(yōu)化和實(shí)時(shí)性能反饋控制的需求。

3、近年來，為降低計(jì)算成本并提高優(yōu)化效率，代理模型在各個(gè)領(lǐng)域被廣泛應(yīng)用以近似替代復(fù)雜的仿真模型。在航空發(fā)動(dòng)機(jī)總體性能仿真領(lǐng)域，現(xiàn)有的代理模型主要采用數(shù)據(jù)驅(qū)動(dòng)的建模方法。這些方法基于總體性能仿真模型生成樣本數(shù)據(jù)庫，并應(yīng)用克里金、徑向基函數(shù)插值、支持向量回歸、人工神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行擬合、回歸、特征學(xué)習(xí)，從而構(gòu)建高度近似于總體性能仿真模型的代理模型。當(dāng)給定發(fā)動(dòng)機(jī)設(shè)計(jì)參數(shù)和工況等輸入?yún)?shù)時(shí)，無需反復(fù)迭代調(diào)用總體性能仿真模型，僅依靠訓(xùn)練得到的代理模型即可快速獲得發(fā)動(dòng)機(jī)的關(guān)鍵性能參數(shù)，同時(shí)避免模型不收斂的問題，從而可應(yīng)用于發(fā)動(dòng)機(jī)的進(jìn)一步性能優(yōu)化和控制設(shè)計(jì)。

4、然而，基于純數(shù)據(jù)驅(qū)動(dòng)的代理模型在實(shí)際應(yīng)用中存在諸多不足與局限。首先，由于航空發(fā)動(dòng)機(jī)具有眾多設(shè)計(jì)變量且高度非線性的特性，現(xiàn)有的總體性能代理模型雖然在某些情況下能夠?qū)崿F(xiàn)較為準(zhǔn)確的近似，但其精度和泛化能力仍有較大提升空間。因此，基于此類代理模型所預(yù)測(cè)的發(fā)動(dòng)機(jī)性能及優(yōu)化設(shè)計(jì)結(jié)果的可信度難以保障。其次，盡管所建立的代理模型具有較高的實(shí)時(shí)響應(yīng)性，但其對(duì)于發(fā)動(dòng)機(jī)總體性能仿真模型本身的收斂性沒有改善。在代理模型訓(xùn)練樣本生成步驟中，要求總體性能仿真模型在所有具有可行解的樣本空間內(nèi)均能實(shí)現(xiàn)收斂，這往往需要研究人員根據(jù)不同樣本空間調(diào)整發(fā)動(dòng)機(jī)的初始猜值，極大增加了代理模型訓(xùn)練的難度和工作量。此外，純數(shù)據(jù)驅(qū)動(dòng)的代理模型始終存在不滿足物理約束的問題。當(dāng)面對(duì)實(shí)際發(fā)動(dòng)機(jī)無法正常工作的工況或設(shè)計(jì)參數(shù)組合時(shí)，代理模型仍會(huì)輸出性能預(yù)測(cè)值，卻無法提供其物理可行性的相關(guān)信息。最后，由于代理模型的訓(xùn)練和預(yù)測(cè)計(jì)算時(shí)間與預(yù)測(cè)變量的數(shù)量呈正相關(guān)關(guān)系，當(dāng)需要同時(shí)預(yù)測(cè)所有詳細(xì)的發(fā)動(dòng)機(jī)性能參數(shù)時(shí)，例如發(fā)動(dòng)機(jī)總體性能仿真模型所提供的從整體到各部件層面的多種性能信息以及截面熱力狀態(tài)等百余個(gè)參數(shù)，代理模型在計(jì)算效率上難以體現(xiàn)出顯著優(yōu)勢(shì)。因此，代理模型往往僅用于預(yù)測(cè)發(fā)動(dòng)機(jī)的關(guān)鍵性能參數(shù)，如推力和燃油消耗率，這進(jìn)一步限制了傳統(tǒng)代理模型在發(fā)動(dòng)機(jī)性能仿真領(lǐng)域的應(yīng)用范圍和場(chǎng)景。

5、針對(duì)上述問題，亟需對(duì)傳統(tǒng)航空發(fā)動(dòng)機(jī)總體性能代理模型進(jìn)行改進(jìn)，構(gòu)建一種既能保持高計(jì)算精度、顯著提升發(fā)動(dòng)機(jī)性能計(jì)算速度，又能充分滿足發(fā)動(dòng)機(jī)物理約束、改善模型收斂性，并具備更廣泛應(yīng)用范圍的代理模型。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題，基于現(xiàn)有技術(shù)的缺陷和不足，本發(fā)明旨在提供一種知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型，通過引入發(fā)動(dòng)機(jī)基本物理規(guī)律和領(lǐng)域知識(shí)優(yōu)勢(shì)，采用知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的方式進(jìn)行代理模型的訓(xùn)練與應(yīng)用，從而提升發(fā)動(dòng)機(jī)總體性能代理模型的預(yù)測(cè)性能和應(yīng)用范圍。具體包括預(yù)測(cè)猜值向量和進(jìn)行猜值向量修正的兩個(gè)代理模型訓(xùn)練方法、“預(yù)測(cè)-性能”與“預(yù)測(cè)-迭代-性能”的兩個(gè)代理模型應(yīng)用方法，以及整個(gè)代理模型的訓(xùn)練和應(yīng)用的程序算法流程。

2、一種知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型，構(gòu)建過程包括以下步驟：

3、s1、獲取進(jìn)口總溫和發(fā)動(dòng)機(jī)控制規(guī)律變量以及進(jìn)口總溫和發(fā)動(dòng)機(jī)控制規(guī)律變量的取值范圍ivrange；

4、s2、采用拉丁超立方抽樣方法，在取值范圍ivrange內(nèi)生成初始樣本集iv，初始樣本集iv中的樣本點(diǎn)ivi表示各個(gè)自變量的一個(gè)取值組合；

5、s3、基于發(fā)動(dòng)機(jī)性能仿真模型，對(duì)初始樣本集iv中的樣本點(diǎn)ivi逐一進(jìn)行仿真迭代求解得到收斂樣本集a、收斂樣本集b和未收斂樣本集iv'，所述收斂樣本集a由收斂樣本點(diǎn)a構(gòu)成、收斂樣本集b由收斂樣本點(diǎn)b構(gòu)成、未收斂樣本集iv'由未收斂樣本點(diǎn)ivi'構(gòu)成；

6、s4、基于收斂樣本集a初步訓(xùn)練獲得初始ivtx代理模型，基于收斂樣本集b初步訓(xùn)練獲得初始etdx代理模型，初始ivtx代理模型和初始etdx代理模型串聯(lián)組成初始知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)代理模型kdsm；

7、s5、采用初始知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)代理模型kdsm預(yù)測(cè)獲得未收斂樣本集iv'中未收斂樣本點(diǎn)ivi'的猜值向量初值x'i，并基于發(fā)動(dòng)機(jī)性能仿真模型再次對(duì)每個(gè)未收斂樣本點(diǎn)逐一進(jìn)行仿真迭代求解得到，所述收斂樣本集a由收斂樣本點(diǎn)a構(gòu)成、收斂樣本集b由收斂樣本點(diǎn)b構(gòu)成、未收斂樣本集iv'由未收斂樣本點(diǎn)ivi'構(gòu)成收斂樣本集a'、收斂樣本集b'和未收斂樣本集iv”；

8、s6、基于收斂樣本集a'更新訓(xùn)練獲得更新ivtx代理模型，基于收斂樣本集b'更新訓(xùn)練獲得更新etdx代理模型，更新ivtx代理模型和更新etdx代理模型組成更新知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)代理模型kdsm；

9、s7、重復(fù)s5-s6，直至s5中不再出現(xiàn)新的收斂樣本點(diǎn)a、收斂樣本點(diǎn)b，終止迭代，得到知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型。

10、優(yōu)選的，s3中仿真迭代求解的猜值向量初值取x0，根據(jù)不同的收斂情況，采取相應(yīng)的處理策略，具體如下：

11、對(duì)于計(jì)算收斂的樣本點(diǎn)，策略如下：

12、s301、記錄自變量組合取值ivi、迭代收斂的猜值向量解xc,i、仿真模型初輪迭代計(jì)算獲得的殘差向量e0,i以及猜值向量修正量dxi＝xc,i-x0；

13、s302、將ivi作為輸入量，xv,i作為輸出量，組合為用于ivtx代理模型訓(xùn)練的收斂樣本點(diǎn)a，形式為{ivi+xc,i}，并將其加入到收斂樣本集{iv+xc}中即收斂樣本集a；

14、s303、將e0,i作為輸入量，dxi作為輸出量，組合為用于etdx代理模型訓(xùn)練的收斂樣本點(diǎn)b，形式為{e0,i+dxi}，并將其加入到收斂樣本集{e0+dx}中即收斂樣本集b；

15、對(duì)于計(jì)算不收斂的樣本點(diǎn)，策略如下：

16、將其加入到未收斂樣本集iv'中，作為下一輪仿真迭代求解的樣本集。

17、s5中對(duì)于計(jì)算收斂的樣本點(diǎn)，策略如下：

18、s501、記錄自變量組合取值ivi'、迭代收斂的猜值向量解xc,i、仿真模型初輪迭代計(jì)算獲得的殘差向量e0,i以及猜值向量修正量dxi＝xc,i-x'i；

19、s502、將ivi'作為輸入量，xc,i作為輸出量，組合為用于ivtx代理模型訓(xùn)練的新的收斂樣本點(diǎn)a，形式為{ivi'+xc,i}，并將其補(bǔ)充到收斂樣本集{iv+xc}即收斂樣本集a'中；

20、s503、將e0,i作為輸入量，dxi作為輸出量，組合為用于etdx代理模型訓(xùn)練的新的收斂樣本點(diǎn)b，形式為{e0,i+dxi}，并將其補(bǔ)充到收斂樣本集{e0+dx}即收斂樣本集b'中；

21、對(duì)于計(jì)算不收斂的樣本點(diǎn)，策略如下：

22、將其加入到新的未收斂樣本集iv”中，作為下一輪仿真迭代求解的樣本集。

23、優(yōu)選的，知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型為最新更新后的由ivtx代理模型與etdx代理模型串聯(lián)構(gòu)建成的kdsm代理模型。

24、優(yōu)選的，知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)總體性能代理模型的應(yīng)用流程方法，具體如下：

25、步驟1、給定發(fā)動(dòng)機(jī)控制規(guī)律變量、進(jìn)口總溫的自變量取值組合iv；

26、步驟2、將iv作為ivtx代理模型的輸入，預(yù)測(cè)獲得猜值向量x；

27、步驟3、基于猜值向量x，調(diào)用發(fā)動(dòng)機(jī)性能仿真模型進(jìn)行一次流路計(jì)算，計(jì)算獲得誤差向量e0；

28、步驟4、將e0作為etdx代理模型的輸入，預(yù)測(cè)獲得猜值向量修正量dx，從而獲得kdsm代理模型的輸出量x'＝x+dx；

29、步驟5、基于kdsm代理模型的輸出量x'，所述x'應(yīng)用于調(diào)用發(fā)動(dòng)機(jī)性能仿真模型進(jìn)行性能預(yù)測(cè)或迭代求解。

30、優(yōu)選的，所述x'應(yīng)用于調(diào)用發(fā)動(dòng)機(jī)性能仿真模型進(jìn)行性能預(yù)測(cè)或迭代求解的具體內(nèi)容為：

31、預(yù)測(cè)-性能：基于輸出量x'直接根據(jù)其取值預(yù)測(cè)發(fā)動(dòng)機(jī)匹配工作狀態(tài)，調(diào)用發(fā)動(dòng)機(jī)性能仿真模型進(jìn)行一次流路計(jì)算，從而預(yù)測(cè)發(fā)動(dòng)機(jī)性能。

32、預(yù)測(cè)-迭代-性能：將輸出量x'作為發(fā)動(dòng)機(jī)性能模型仿真迭代求解的初值，進(jìn)行迭代計(jì)算，根據(jù)收斂獲得的xc所確定的發(fā)動(dòng)機(jī)匹配工作狀態(tài)計(jì)算準(zhǔn)確的發(fā)動(dòng)機(jī)性能。

33、綜上所述，本發(fā)明一種自適應(yīng)循環(huán)航空發(fā)動(dòng)機(jī)構(gòu)型及其仿真模型，適用對(duì)象為各種不同構(gòu)型的航空發(fā)動(dòng)機(jī)。相較于傳統(tǒng)航空發(fā)動(dòng)機(jī)總體性能代理模型，本發(fā)明方案具有以下優(yōu)勢(shì)：

34、1、本發(fā)明所提出的知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)的代理模型訓(xùn)練和應(yīng)用方法，其具有較低的訓(xùn)練難度和成本、預(yù)測(cè)結(jié)果符合發(fā)動(dòng)機(jī)性能原理，能夠顯著提高模型的預(yù)測(cè)精度和泛化能力，適用于多種復(fù)雜工況及不同構(gòu)型的航空發(fā)動(dòng)機(jī)。

35、2、本發(fā)明所提出的代理模型能夠精準(zhǔn)預(yù)測(cè)發(fā)動(dòng)機(jī)狀態(tài)猜值向量，可顯著減少仿真模型的求解迭代次數(shù)和改善模型的收斂性。此外其應(yīng)用方法能夠提供從整體到各部件層面的多種發(fā)動(dòng)機(jī)性能信息，包括流路熱力參數(shù)、各部件工作狀態(tài)及性能參數(shù)等，可支持詳細(xì)的發(fā)動(dòng)機(jī)工作狀態(tài)判斷和優(yōu)化約束，拓展代理模型的應(yīng)用范圍，從而適用于更復(fù)雜和多樣化的工程需求。

36、3、本發(fā)明所提出的代理模型應(yīng)用方法靈活廣泛，提供“預(yù)測(cè)-性能”與“預(yù)測(cè)-迭代-性能”兩種應(yīng)用方法?！邦A(yù)測(cè)-性能”方法具有極快的計(jì)算速度，適用于能夠接受一定誤差的發(fā)動(dòng)機(jī)性能快速設(shè)計(jì)優(yōu)化和對(duì)發(fā)動(dòng)機(jī)性能計(jì)算響應(yīng)要求較高的場(chǎng)景；“預(yù)測(cè)-迭代-性能”方法則在保持與傳統(tǒng)仿真模型相同精度的同時(shí)，顯著降低計(jì)算成本，適用于高精度優(yōu)化和寬設(shè)計(jì)范圍的發(fā)動(dòng)機(jī)迭代求解收斂輔助的場(chǎng)景。

37、下面通過附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方法做進(jìn)一步的詳細(xì)描述。