基于内嵌物理约束神经网络模型的航空发动机数字工程模型

【类型】期刊

【作者】林志富 肖洪 王占学 张晓博  

【刊名】推进技术

【关键词】 特征处理,航空发动机,数字工程模型,性能参数预估,内嵌物理约束神经网络

【资助项】国家自然科学基金（52076180）;; 国家科技重大专项（2017-I-0001-0001）;; 航空发动机及燃气轮机基础科学中心项目（P2022-B-I005-001）;; 中央高校基本科研业务费专项资金

【摘要】基于数字化模型的航空发动机故障诊断与健康管理系统是航空发动机数字化智能化的重要应用，用于航空发动机状态监测和性能预估的数字化模型是健康管理系统的核心之一。本文给出了一种融合航空发动机领域知识与神经网络模型的策略，构建了内嵌物理约束的神经网络架构，基于该架构建立了用于航空发动机推力预估的数字模型。此外，给出了一种特征筛选方式，并利用不同数据集对模型进行了验证。计算结果表明：数字模型推力预估的平均相对误差和峰值相对误差均小于常规神经网络模型。在一定的模型规模下，基于架构的数字模型的峰值相对误差仅为常规神经网络模型的1/4。通过物理约束，克服了数据驱动模型对大数据的依赖，指导了神经网络层的超参数设置。

【年份】2023

【作者单位】西北工业大学动力与能源学院陕西省航空发动机内流动力学重点实验室;

【页码】14