基于机理-数据双驱动的航空发动机瞬态效应修正方法与流程

本技术涉及航空发动机健康管理，尤其涉及一种基于机理-数据双驱动的航空发动机瞬态效应修正方法。

背景技术：

1、航空发动机气路系统性能诊断依赖于对传感器数据的准确解析。传统的诊断方法通常假设发动机处于稳态工况，此时测量值仅与当前控制输入和健康参数有关。然而，在实际飞行任务中，发动机频繁经历加速、减速等瞬态过程。在瞬态工况下，由于热惯性、转子惯性等因素，传感器测量值会显著偏离稳态映射曲面，产生幅度可达稳态值10%~20%的动态偏差。

2、现有针对航空发动机瞬态效应的修正方法，主要分为两类。一类是基于经典控制理论的动态补偿方法，通过建立简化的一阶或二阶传递函数模型对传感器动态响应进行校正，但其补偿精度有限，难以适应宽范围、多变量的非线性瞬态过程。另一类是基于数据驱动的黑箱建模方法，利用神经网络或支持向量回归等工具拟合瞬态数据，该类方法缺乏物理约束，外推能力差，在工况边界条件下易产生不合理输出。

3、可见，上述现有方法导致在瞬态工况下，传感器测量值中的瞬态分量与健康退化信号相互耦合而难以分离，极易引发健康参数估计的严重偏差与系统误诊。

技术实现思路

1、本技术实施例提供一种基于机理-数据双驱动的航空发动机瞬态效应修正方法，用以解决现有技术中航空发动机在瞬态工况下因传感器测量值中的瞬态分量与健康退化信号相互耦合而难以分离，导致气路性能诊断精度严重下降甚至系统误诊的缺陷，实现瞬态工况下传感器测量值中瞬态动态偏差与健康退化信号的精确分离与瞬态效应的准确修正。

2、本技术实施例提供一种基于机理-数据双驱动的航空发动机瞬态效应修正方法，包括：

3、获取航空发动机在相邻时刻的转子转速，确定所述航空发动机当前工况的方向标记；

4、获取瞬态工况下所述航空发动机的传感器测量向量，基于预设的机理基线模型，确定所述航空发动机的传感器测量向量对应的机理预测值及所述传感器测量向量对应的机理残差；

5、根据所述航空发动机当前工况的方向标记和所述机理残差，构建增广可观测向量；

6、通过预训练的增广koopman算子对所述增广可观测向量进行预测，得到所述机理残差对应的残差预测值；

7、根据所述传感器测量向量对应的所述机理预测值和所述残差预测值，确定所述航空发动机的瞬态效应修正值。

8、在一种可能的实施方式中，所述获取航空发动机在相邻时刻的转子转速，确定所述航空发动机当前工况的方向标记的步骤，包括：获取航空发动机在相邻时刻的转子转速，根据当前时刻的转子转速与前一时刻的子转速，通过公式（1）确定所述方向标记：；其中，表示所述方向标记，k表示离散时间索引，表示所述航空发动机在时刻的转子转速，表示所述航空发动机在时刻的转子转速，为符号函数，当时，，表示所述航空发动机当前工况为加速模态；当时，，表示所述航空发动机当前工况为减速模态。

9、在一种可能的实施方式中，所述根据所述航空发动机当前工况的方向标记和所述机理残差，构建增广可观测向量的步骤，包括：根据所述机理残差和所述方向标记，通过公式（2）确定所述增广可观测向量：，其中，表示所述增广可观测向量，表示所述传感器测量向量在时刻对应的机理残差，表示所述航空发动机在时刻对应的方向标记，表示所述机理残差与所述方向标记的非线性交叉项，表示所述机理残差的范数。

10、在一种可能的实施方式中，所述增广koopman算子的预训练步骤包括：获取历史瞬态工况下的增广可观测向量序列，构建当前时刻的快照矩阵和下一时刻的快照矩阵；根据当前飞行包线参数对应的飞行包线点通过查表获取机理基线模型瞬态响应的时间常数；设定权重超参数，以最小化总损失函数为目标，迭代求解增广koopman算子，其中，所述最小化总损失函数表示为：，表示物理约束项，所述物理约束项通过公式（3）得到：，其中，表示所述增广koopman算子连续时间形式下的第个特征值，表示特征值的实部，表示特征值的总数量。

11、在一种可能的实施方式中，所述物理约束项用于约束所述增广koopman算子的特征值与所述机理基线模型在不同飞行包线下的时间常数保持一致。

12、在一种可能的实施方式中，所述通过预训练的增广koopman算子对所述增广可观测向量进行预测的步骤，包括：所述增广koopman算子的特征值谱包含第一特征值子集和第二特征值子集；根据所述航空发动机当前工况的方向标记，从所述增广koopman算子的特征值谱中，匹配对应的第一特征值子集或第二特征值子集，通过匹配到的特征值子集对应的特征向量，对所述增广可观测向量进行残差预测。

13、在一种可能的实施方式中，确定所述航空发动机的瞬态效应修正值步骤之后，所述方法还包括：根据瞬态工况下所述航空发动机的传感器测量向量、所述航空发动机的瞬态效应修正值及标称稳态模型输出值，确定所述航空发动机的健康指标。

14、在一种可能的实施方式中，所述获取瞬态工况下所述航空发动机的传感器测量向量，基于预设的机理基线模型，确定所述航空发动机的传感器测量向量对应的机理预测值及所述传感器测量向量对应的机理残差的步骤，包括：获取瞬态工况下所述航空发动机的传感器测量向量、时序控制向量及飞行包线参数；根据所述时序控制向量及所述飞行包线参数，通过所述机理基线模型映射得到所述航空发动机的传感器测量向量对应的机理预测值；根据所述传感器测量向量与对应的所述机理预测值的差值，确定所述传感器测量向量对应的机理残差。

15、在一种可能的实施方式中，所述根据所述时序控制向量及所述飞行包线参数，通过所述机理基线模型映射得到所述航空发动机的传感器测量向量对应的机理预测值的步骤，包括：根据当前时刻的飞行包线参数，通过预设的参数查找表，匹配得到对应飞行包线参数下的机理基线模型参数；其中，所述机理基线模型参数包括时间常数和增益；所述机理基线模型为带有一阶惯性加延迟的机理基线模型，利用双线性变换将所述一阶惯性加延迟机理基线模型进行离散化，将所述时间常数和所述增益转化为第一离散时间系数和第二离散时间系数；根据所述第一离散时间系数和所述第二离散时间系数、延迟步数及时序控制向量，通过公式（4）确定当前离散时刻传感器测量向量对应的机理预测值：，其中，表示离散时间索引，表示第个离散时刻的机理预测值，表示第个离散时刻的时序控制向量。

16、本技术实施例还提供一种基于机理-数据双驱动的航空发动机瞬态效应修正装置，包括：

17、工况标记模块，用于获取航空发动机相邻时刻的转子转速，确定所述航空发动机当前工况的方向标记；

18、机理预测模块，用于获取瞬态工况下所述航空发动机的传感器测量向量，基于预设的机理基线模型，确定所述航空发动机的传感器测量向量对应的机理预测值及所述传感器测量向量对应的机理残差；

19、残差预测模块，用于根据所述航空发动机当前工况的方向标记和所述机理残差，构建增广可观测向量；用于通过预训练的增广koopman算子对所述增广可观测向量进行预测，得到所述机理残差对应的残差预测值；

20、瞬态修正模块，用于根据所述传感器测量向量对应的所述机理预测值和所述残差预测值，确定所述航空发动机的瞬态效应修正值。

21、本技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于机理-数据双驱动的航空发动机瞬态效应修正方法。

22、本技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于机理-数据双驱动的航空发动机瞬态效应修正方法。

23、本技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于机理-数据双驱动的航空发动机瞬态效应修正方法。

24、本技术实施例提供的基于机理-数据双驱动的航空发动机瞬态效应修正方法，通过获取航空发动机在相邻时刻的转子转速，确定所述航空发动机当前工况的方向标记；获取瞬态工况下所述航空发动机的传感器测量向量，基于预设的机理基线模型，确定所述航空发动机的传感器测量向量对应的机理预测值及所述传感器测量向量对应的机理残差；根据所述航空发动机当前工况的方向标记和所述机理残差，构建增广可观测向量；通过预训练的增广koopman算子对所述增广可观测向量进行预测，得到所述机理残差对应的残差预测值；根据所述传感器测量向量对应的所述机理预测值和所述残差预测值，确定所述航空发动机的瞬态效应修正值。通过获取航空发动机在相邻时刻的转子转速并确定方向标记，为后续瞬态处理提供了加速/减速模态的判别依据，能够针对不同瞬态方向进行自适应处理；通过机理基线模型将传感器测量向量分解为机理预测值与机理残差，利用物理机理实现了瞬态动态偏差与健康退化信号的初步解耦；通过将方向标记与机理残差进行非线性融合构建增广可观测向量，使该向量同时包含方向信息、残差幅值及其交叉耦合特征，为线性预测模型提供了具有物理区分度的状态表征；利用预训练的增广koopman算子在高维线性空间中对增广可观测向量进行状态演化预测，将复杂的非线性瞬态动力学预测问题转化为线性预测问题，在保证预测精度的同时显著降低了计算复杂度；最后，通过将机理预测值与残差预测值进行融合确定瞬态效应修正值，实现了物理一致性与数据精度的统一。该方法能够同时克服航空发动机瞬态过程中方向不一致性与全包线时变性带来的建模困难，在全飞行包线和双向瞬态过程中实现瞬态效应的准确修正，有效分离传感器测量值中的瞬态分量与健康退化信号，避免因瞬态分量与退化信号耦合导致的健康参数估计偏差和系统误诊，为航空发动机气路系统性能诊断提供可靠的数据基础。