(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110500076.0 (22)申请日 2021.05.08 (71)申请人 哈尔滨工业大 学 （威海） 地址 264200 山东省威海市文化西路2号 (72)发明人 闫至骐　钟诗胜　林琳　崔智全　 赵明航　 (74)专利代理 机构 威海科星专利事务所 37202 专利代理师 初姣姣 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 迁移过程神经网络预测发动机清洗后排气 温度的方法 (57)摘要 本发明涉及一种迁移过程神经网络预测发 动机清洗后排气温度的方法， 设有TPNN模型， TPNN包括变量与EGTM的映射方法以及变量之间 的映射方法， 其特征在于， 对于数据参数与EGTM 的映射方法， 采用线性拟合的方式， 建立所有变 量与EGTM数据对应关系， 实现正向和逆向求解， 其中将水洗前数据进行了线性拟合， 取线性函数 的ti处值作为VBW， 提前水洗时间CSN和水洗周期 ΔCSN； 将水洗后数据进行了线性拟合， 取线性函 数的ti处值与VBW的差值作为INC， 取线 性函数的 斜率为DR； 利用迁移过程神经网络作为水洗 前后 变量的映射模 型， 模型采用迁移技术从同类型发 动机的数据中学习到初始框架， 迁移到目标发动 机数据中进行训练。 权利要求书5页 说明书13页 附图4页 CN 115310189 A 2022.11.08 CN 115310189 A 1.一种TPNN预测发动机清洗后排气温度的方法， 设有TPNN模型， TPNN包括变量与EGTM 的映射方法以及变量之 间的映射方法， 其特征在于， 对于数据参数与E GTM的映射方法， 采用 线性拟合的方式， 建立所有变量与E GTM数据对应 关系， 实现正向和逆向求解， 其中将水洗前 数据进行了线性拟合， 取线性函数的ti处值作为VBW， 提前水洗时间CSN和水洗周期ΔCSN； 将水洗后数据进行了线性拟合， 取线性函数的ti处值与VBW的差值作为INC， 取线性函数的 斜率为DR； 对于变量[VBW,CSN,ΔCSN]和[DR,INC]之间的映射方法， 利用迁移过程神 经网络作为 水洗前后变量的映射模型， 模型采用迁移技术从同类型发动机的数据中学习到初始框架， 迁移到目标发动机数据中进行训练； 其中， 所述CSN为飞行循环， 是发动机从出厂到当前的 所有循环数； ΔCSN是当发动机多次水洗时， 水洗间隔由飞行循环 来表示， 记做ΔCSN； INC是 设当前水洗次数为i， 水洗时间为ti， ti后EGTM的突变称为阶跃量INC； DR是EGTM的衰退率， 将 水洗后的EGTM进行线性拟合， 拟合直线的斜率称作EGTM的衰退率DR； VBW是水洗前发动机 EGTM数值。 2.根据权利要求1所述的一种TPNN预测发动机清洗后排气温度的方法， 其特征在于， EGTM与数据参数的映射方法包括以下内容： 设x为要预测的水洗后EGTM数据， 设飞行循环数为t， 水洗时间为， 则x由式(1)表达： x＝DR×(t‑ti)+INC+VBW,t＞ti(1)， 式(1)中的[DR,INC]由[VBW,CSN,ΔCSN]映射得到， [VBW,CSN,ΔCSN] 由ti前的数据 获 得， 将迁移过程神经网络称为h， 设θ为模型参数， 代表迁移过程神经网络中的权重和偏置， 迁移过程神经网络 h表达为： [DR,INC]＝h(VBW,CSN,Δ CSN| θ )  (2)， 模型参数θ从样本数据和维修记录中提取的[DR,INC]和[VBW,CSN,ΔCSN]训练得到， θ 的训练过程表达为： 设样本中EGTM数据为X＝{x1,x2,x3,……,xn}， n为数据总量； 水洗次数为{1,2, …,i,… k}， k为总水洗次数； 水洗记录的时间点为： Twashing＝{t1,t2,…,ti,…,tk}， 则根据Twashing把X 分为k+1组数据： … … 若水洗时间用飞行循环次数表征， 对于第i次水洗， CSN为在当前水洗时的总飞行循环 数， ΔCSN为两次水洗事 件之间的飞行循环数， 有： CSNi＝ti权　利　要　求　书 1/5 页 2 CN 115310189 A 2ΔCSNi＝ti‑t(i‑1) (5)； 将水洗前的数据进行线性拟合， 取拟合 函数水洗点处的数值作为VBW； 对于第i次水洗， 水洗前的数据表达为X(i)＝{xt(i－1)+1,xt(i－1)+2,……,xti－1}， 设线性拟合 函数的参数为bi、 ai， 则有： X(i)＝bi+ai×t,t＝{t(i‑1)+1,t(i‑1)+2,...,ti‑1} (6) 使用数据X(i)拟合bi、 ai， 得： 其中， card( ·)指X(i)的元 素数量， 由此第i次水洗的VBWi可由式(8)计算： VBWi＝bi+ai×(ti‑1) (8)， 数据样本中的DR和I NC通过发动机 EGTM数据在水洗后的变化曲线获得； 分别减掉式(4)中每组数据的水洗前发动机 EGTM数据值VBW， 有： … … [DR,INC]由式(9)中的数据拟合线性得到， 对于第i次水洗， 数据参数DRi和INCi用X(i+ 1)的数据拟合 为： 3.根据权利要求1所述的一种 TPNN预测发动机清洗后排气温度的方法， 其特征在于， 所 述TPNN由过程神经元组成， 神经元包含了加权、 积分和激励三部 分， 其中设样本采集的时间 区间为[0,T]， 则隐层的过程神经 元的输入为：权　利　要　求　书 2/5 页 3 CN 115310189 A 3