本發(fā)明公開了一種基于深度強化學習的航空發(fā)動機壓縮部件特性修正方法,首先建立航空發(fā)動機部件級數(shù)學模型,計算數(shù)學模型與實際航空發(fā)動機之間的量測誤差,并基于發(fā)動機非線性部件模型的壓縮部件特性定義修正系數(shù),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(shù);最后對航空發(fā)動機部件級數(shù)學模型的特性曲線進行更新,實現(xiàn)減小輸出數(shù)據(jù)的誤差;本發(fā)明解決了現(xiàn)有部件級模型精度不高,泛化能力不強的問題,適用于發(fā)動機發(fā)生性能退化后模型的修正,對于發(fā)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(fā)動機壓縮部件特性修正方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)