基于确定学理论的轴流压气机旋转失速的快速诊断方法

摘要

本发明公开了基于确定学理论的轴流压气机旋转失速的快速诊断方法，包括如下步骤：建立轴流压气机旋转失速的常值径向基函数(RBF)神经网络模型；建立多种旋转失速的模式库(从失速前、失速初期到完全失速模式)；利用常值RBF神经网络建立旋转失速的动态估计器；建立动态估计器的状态与被诊断压气机的流量状态残差；对残差评估，实现对轴流压气机旋转失速的快速诊断。该方法适用于轴流压气机旋转失速的快速诊断，可对轴流压气机从正常工况(失速前)到故障工况(完全失速)的整个过程进行学辨识和建立模式库，从而能实时快速的识别出轴流压气机运行过程中处于何种工况(失速前、失速初期和完全失速)而实现对旋转失速的快速诊断。

主权项

基于确定学习理论的轴流压气机旋转失速的快速诊断方法，所述轴流压气机是一个无限维分布参数系统，其特征在于包含如下步骤：(1)建立轴流压气机旋转失速的常值径向基函数神经网络模型：对所述无限维分布参数系统进行有限维近似建模，首先将无限维分布参数系统转换为具有对称占优特性的有限维高阶动力系统，然后用有限维高阶动力系统的对称占优部分的系统内部动态，采用RBF神经网络，对轴流压气机失速前、失速初期到完全失速工况下的整个动态过程进行学习训练，该学习训练是采用依据确定学习理论的学习方法，实现动态RBF神经网络的权值收敛到其最优值；对轴流压气机失速前、失速初期到完全失速工况下的整个动态过程的内部动态的RBF神经网络逼近，并将动态RBF神经网络的权值收敛后的一段时间内的各权值的均值保存生成常值RBF神经网络，由此得到各种旋转失速动态的有限维近似模型；所述逼近是沿压气机状态轨迹的内部动态的逼近，而远离压气机状态轨迹的内部动态则不被逼近；(2)建立多种旋转失速的模式库：将步骤(1)中所述权值收敛后的一段时间内各权值的均值作为学习训练结果保存到模式库中；多种压气机模型参数产生的多种旋转失速模式都建立步骤(1)中所述权值收敛后的一段时间内各权值的均值，将这些均值存贮于模式库中；(3)建立旋转失速的动态估计器：利用步骤(2)中模式库中存贮的均值构建常值RBF神经网络，并用该常值RBF神经网络建立动态估计器，每一个动态估计器分别对应一种旋转失速模式，当动态估计器所对应的旋转失速模式发生时，常值RBF神经网络就能迅速回忆起已学到的内部动态，并提供该旋转失速模式的内部动态；所述的动态估计器是对所述知识的再利用，作为轴流压气机旋转失速模式的动态表达，再现所对应的旋转失速模式的动态行为；(4)建立残差：将每个动态估计器的状态分别与压气机的流量状态进行比较，并且将它们之间的差值作为残差；(5)残差评估：对每个估计器的残差取范数，如果某个旋转失速模式发生，那么与该旋转失速模式匹配的估计器的残差的范数就会变小，而其他不匹配的估计器的残差的l1范数就会比较大；并且各估计器的平均范数也同样是与该旋转失速模式匹配的估计器的平均l1范数会变得很小而与该旋转失速模式不匹配的估计器的平均l1范数则变的较大；如果被诊断的压气机与模式库中某一旋转失速模式的动态估计器相匹配，就说明该旋转失速模式发生并同时将该旋转失速模式诊断出来；所述的匹配是指被诊断压气机与动态估计器之间具有相似性，其相似性的衡量因素包括：a)被诊断压气机的与动态估计器的状态的差异；b)沿着被诊断压气机的状态轨迹，被诊断压气机的系统内部动态与动态估计器的系统内部动态之间的差异。