本发明公开了一种基于深度强化学习的航空发动机压缩部件特性修正方法,首先建立航空发动机部件级数学模型,计算数学模型与实际航空发动机之间的量测误差,并基于发动机非线性部件模型的压缩部件特性定义修正系数,然后采用基于价值的深度强化学习算法DQN,通过自主学习对压缩部件特性图进行修正,并计算压缩部件特性修正系数;最后对航空发动机部件级数学模型的特性曲线进行更新,实现减小输出数据的误差;本发明解决了现有部件级模型精度不高,泛化能力不强的问题,适用于发动机发生性能退化后模型的修正,对于发动机健康管理、模型自适应修正、传感器故障诊断等有积极的促进作用。
声明:
“基于深度强化学习的航空发动机压缩部件特性修正方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)