(19)中华 人民共和国 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 202111197597.X (22)申请日 2021.10.14 (71)申请人 中国航发控制系统研究所 地址 214063 江苏省无锡市滨湖区梁 溪路 792号 (72)发明人 徐占艳　朱烨　任立华　殷骏　 王阳　蒋子萱　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于LM卷积神经网络的航空发动机建模方 法 (57)摘要 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。 权利要求书2页 说明书5页 附图2页 CN 114154391 A 2022.03.08 CN 114154391 A 1.一种基于LM卷积神经网络的航空发动机建模方法， 其特 征在于， 包括以下步骤： (1)采集航空发动机的数据， 构建分别用于建立和测试卷积神经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)前向计算： 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)反向传播： 应用LM算法对卷积神经网络的权 重参数进行 更新、 优化； (6)迭代： 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； (7)测试： 调用设计好的网络结构和训练好的网络参数， 将所述测试样本输入到网络 中 进行测试， 如果测试效果 不满足要求， 则重复进行步骤(5) ‑(7)， 直到获得满意的预测效果。 2.根据权利要求1所述的一种基于LM卷积神经网络的航空发动机建模方法， 其特征在 于， 步骤(1)中所述的数据包括航空发动机前两个时刻的高、 低压转子转速和当前时刻的主 燃油量和尾喷管面积。 3.根据权利要求1所述的一种基于LM卷积神经网络的航空发动机建模方法， 其特征在 于， 步骤(2)中所述的卷积神经网络结构的第一层为输入层， 第二层为卷积层， 第三层为全 连接层， 第四层为输出层。 4.根据权利要求1所述的一种基于LM卷积神经网络的航空发动机建模方法， 其特征在 于， 所述步骤(5)的具体为： (5.1)计算除输入层外各层的敏感度； 输出层敏感度计算公式为： 其中， 是输出层激活函数的导数， 是输 出层数组的第一类列拓展； 全连接层敏感度计算公式为： 卷积层所有通 道连接在一起的敏感度计算公 式为： 卷积层第k个通道的敏感度 为： 其中vnum2是第二层每 个通道的节点数； (5.2)计算除输入层外各层训练参数的雅可比矩阵； 卷积层第k个通道卷积核的雅可比矩阵为： conv_row表示对矩阵的每一行分别做卷积运算， rot180表示将矩阵旋转180 °； 第k个通道偏 置的雅可比矩阵为 ∑col表示对数组的每一列分别求和； 从而， 全连接层权值雅可比矩阵计算公式 为： 其中 是 的转置矩阵的第一类列拓展， 拓展倍数为全连 接层节点数， 是全连接层敏感度转置矩阵的第二类列拓展， 将整个数组进行列拓展， 拓展倍数为卷积层3个通道连接后的节点数r， 即 ·*表 示两个矩阵元素对应相乘； 第三层偏置雅可比矩阵为： jac_b3＝( δ3)T； 从而， jac3＝[jac_w3  jac_b3]； 输出层雅可比矩阵计算与全连接层过程类似， 不再赘述； 所有训练参数的雅可比权　利　要　求　书 1/2 页 2 CN 114154391 A 2矩阵为： jac＝[jac2 jac3 jac4]； (5.3)计算训练参数梯度wgrad； wgrad＝(jacT*jac+ μI)‑1*(jacT*e)， 其中e为输出层误差转换成的列向量， I是单位矩阵， μ是网络的超参数， 当网络误差减小时 μ按一定倍数减小， 相反则增大； (5.4)最新迭代得到的训练参数为： wk+1＝wk‑β wgrad， β 为网络超参数。 5.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被处理器 执行时实现如权利要求 1‑4中任一项 所述的一种基于LM卷积神经网络的航空发动机 建模方 法。 6.一种计算机设备， 包括储存器、 处理器及存储在存储器上并可再处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑4中任一项 所 述的一种基于LM卷积神经网络的航空发动机建模方法。权　利　要　求　书 2/2 页 3 CN 114154391 A 3