本發明公開了一種基于深度強化學習的航空發動機壓縮部件特性修正方法,首先建立航空發動機部件級數學模型,計算數學模型與實際航空發動機之間的量測誤差,并基于發動機非線性部件模型的壓縮部件特性定義修正系數,然后采用基于價值的深度強化學習算法DQN,通過自主學習對壓縮部件特性圖進行修正,并計算壓縮部件特性修正系數;最后對航空發動機部件級數學模型的特性曲線進行更新,實現減小輸出數據的誤差;本發明解決了現有部件級模型精度不高,泛化能力不強的問題,適用于發動機發生性能退化后模型的修正,對于發動機健康管理、模型自適應修正、傳感器故障診斷等有積極的促進作用。
聲明:
“基于深度強化學習的航空發動機壓縮部件特性修正方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)