本发明涉及航空发动机轴向压气机的失速预警技术,尤其是一种结合粒子群优化(pso)和随机森林(rf)算法的旋转失速检测方法。
背景技术:
1、轴向压气机作为涡扇发动机的关键组成部分,其性能的稳定性直接关系到飞行安全。旋转失速是压气机最严重的不稳定现象之一,可导致发动机性能急剧下降甚至破坏。现有的失速预警方法,如自相关检测法、小波分析法等,虽有一定的预警能力,但仍存在预警时间短、准确性不足等问题。随着人工智能技术的发展,利用机器学习算法对失速进行预警成为可能,但如何提高预警的准确性和时效性,仍是一大技术挑战。
技术实现思路
1、本发明的目的是提供一种高准确性和高时效性的轴向压气机失速预警方法。为实现上述目的,本发明采用粒子群优化算法(pso)来增强随机森林(rf)模型的预测能力。该方法首先通过在压气机关键位置部署传感器采集运行数据,然后使用k-means聚类算法对数据进行分类,有效规避了小波变换可能引入的人为误差。通过pso算法优化rf模型参数,构建了用于失速先兆检测的新模型。实验结果表明,该pso-rf模型能在失速发生前0.04至0.13秒内进行有效预警,显示出卓越的性能和预警时间稳定性。
1.一种基于粒子群优化随机森林的轴流压气机失速预警新方法,其特征在于:通过布置在压气机的多个关键位置的传感器,收集压气机的运行数据;运用特定的波形变换方法对收集到的数据进行预处理,减少由人为操作导致的误差利用k-means算法对预处理后的数据进行状态分类;采用粒子群优化算法对随机森林模型的参数进行优化;基于优化后的随机森林模型对压气机的旋转失速状态进行实时预警。
2.根据权利要求1所述的预警方法,其中所述传感器的数据通过波形变换进行预处理以降低手动误差,波形变换方法包括但不限于小波变换。
3.根据权利要求1或2所述的预警方法,其进一步特征在于所述k-means算法包括以下步骤:确定数据集的最优聚类数k;初始化k个聚类中心;根据最近邻原则对数据进行分类;计算新的聚类中心,并迭代优化直到满足终止条件。
4.一种轴向压气机旋转失速预警系统,其特征在于包括传感器、数据处理单元及预警单元,其中:传感器,布置在压气机的关键位置,用于收集压气机运行数据;数据处理单元用于执行包括波形变换、k-means聚类和pso算法在内的数据处理;预警单元根据数据处理单元的输出进行失速预警。