公开(公告)号：CN114154391B

公开(公告)日：2025-05-13

申请号：CN202111197597.X

申请日：2021-10-14

Applicant: 中国航发控制系统研究所

Inventor： 徐占艳 ,  朱烨 ,  任立华 ,  殷骏 ,  王阳 ,  蒋子萱

IPC: G06F30/27 ,  G06F30/17 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于LM卷积神经网络的航空发动机建模方法，包括以下步骤：(1)采集航空发动机的数据，构建网络的训练样本集和测试样本集；(2)设置卷积神经网络结构；(3)初始化卷积神经网络的参数；(4)把训练样本集输入到卷积神经网络中，卷积神经网络输出预测值；(5)应用LM算法对卷积神经网络的权重参数进行更新、优化；(6)重复步骤(4)和(5)，通过迭代不断优化网络参数，直到达到终止条件。本发明使用深度卷积神经网络辨识航空发动机模型能够增加辨识精度，去除了卷积神经网络池化层，保留了更多有效信息，同时对卷积神经网络反向传播过程使用LM算法改进，近似获取了系统的二阶信息，加快了网络收敛速度。

公开(公告)号：CN114154391A

公开(公告)日：2022-03-08

申请号：CN202111197597.X

申请日：2021-10-14

Applicant: 中国航发控制系统研究所

Inventor： 徐占艳 ,  朱烨 ,  任立华 ,  殷骏 ,  王阳 ,  蒋子萱

IPC: G06F30/27 ,  G06F30/17 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于LM卷积神经网络的航空发动机建模方法，包括以下步骤：(1)采集航空发动机的数据，构建网络的训练样本集和测试样本集；(2)设置卷积神经网络结构；(3)初始化卷积神经网络的参数；(4)把训练样本集输入到卷积神经网络中，卷积神经网络输出预测值；(5)应用LM算法对卷积神经网络的权重参数进行更新、优化；(6)重复步骤(4)和(5)，通过迭代不断优化网络参数，直到达到终止条件。本发明使用深度卷积神经网络辨识航空发动机模型能够增加辨识精度，去除了卷积神经网络池化层，保留了更多有效信息，同时对卷积神经网络反向传播过程使用LM算法改进，近似获取了系统的二阶信息，加快了网络收敛速度。