基于单分类超限学习机的轴流压气机气动失稳检测方法
专利汇可以提供基于单分类超限学习机的轴流压气机气动失稳检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于单分类超限学习机的轴流 压气机 气动 失稳检测方法。首先对采集到的动态压 力 信号 ，进行去趋势项与平滑处理和滑动窗口法做数据截取；其次选取多个时域统计特征来描述所截取的每段窗口数据，通过自 编码器 采用ELM 算法 作为 优化算法 ，对动态压力数据特征进行编码和解码处理，得到描述该工况下压力数据的二次重构特征；将只包含正常工况下的数据特征作为单分类超限学习机的输入，进行模型训练；最后将包含正常和气动失稳工况的测试数据按照时间顺序输入已训练的单分类模型，通过对数据特征的分类，实现对气动失稳的检测。本发明通过计算简单且高效的OC-ELM进行快速识别分类，准确率高，为轴流压气机的气动失稳检测提供了有效且便利的工具。，下面是基于单分类超限学习机的轴流压气机气动失稳检测方法专利的具体信息内容。
1.基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于对采集的动态压力信号预处理之后，利用滑动窗口方法实现数据截取，从每个窗口数据提取多个时域统计特征；将正常工况下压力数据的时域统计特征经过多层ELM-AE自编码器编码和解码处理，得到二次重构的特征；将重构的特征作为ELM最后一层的输入，获得ELM的实际输出；通过实际输出与正常类标签的误差，设置最优阈值参数来区分正常和异常数据；最后将包含正常和气动失稳工况下的测试样本数据作为该多层单分类超限学习机的输入，实现对轴流压气机气动失稳检测。
2.根据权利要求1所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于具体包含如下步骤：
步骤1、数据预处理：
步骤2、选取时域统计特征：对每个滑动窗口中的数据选取12个时域统计特征；
步骤3、输入训练样本归一化处理；
步骤4、样本数据二次特征提取；
步骤5、计算分类学习的输出权重β；
步骤6、计算单分类器阈值θ
步骤7、输入测试数据进行测试；
步骤8、旋转失速时间检测。
3.根据权利要求1或2所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤1具体实现如下：
1-1、去趋势项与平滑处理：采集压气机机匣壁面周向动态压力数据，采用常规的滑动平均法和五点三次平滑法做去趋势项和平滑处理；动态压力数据包含正常和气动失稳两部分工况数据；
1-2、数据截取：采用滑动窗口方法对数据进行截取，选取窗口大小和滑动距离为转子周期T的倍数，1T为64个采样点，滑动距离为32个采样点。
4.根据权利要求3所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤2所选取的时域统计特征为：平均值、均方值、均方根值、方均根值、方差、标准差、峰值、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标。
5.根据权利要求4所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤步骤3所述的输入训练样本归一化处理,具体实现如下：
3-1.将步骤2提取的时域统计特征作为输入训练样本：
其中 表示第i个样本的第α个时域统计特征，α＝12表示时域统计特征个数， 作为样本标签，表示其为正常转速样本，训练集只包含正常转速样本，N为总的训练样本数量。
6.根据权利要求5所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤4所述的样本数据二次特征提取，具体实现步骤如下：
4-1、归一化后的训练样本 即ELM-AE的输入和输出矩阵；
4-2、随机生成隐层输入权值矩阵 和正交化偏置向量矩阵
将输入数据映射到相同或者不同的数据维度空间：hk＝g(akxα+bk)，(ak)Tak＝I,(bk)Tbk＝1，其中：g()表示激活函数，k＝1,2,...,K为ELM-AE个数；
4-3、求解ELM-AE的输出权值矩阵
设ELM-AE个数为K,输入输出层神经元数量为d,隐含层神经元数量为 以及每个隐含层的 正则化参数 若 或 即对于稀疏或压缩的特征表达，
若 即对于等维度的特征映射，βk＝H-1XA,(βk)Tβk＝I,k＝
1,2,...,K；其中： 表示隐含层输出矩阵，即经过K个ELM-AE提取的特征矩阵。
7.根据权利要求6所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤5所述的计算分类学习的输出权重β，具体实现如下：
5-1、经过多层ELM-AE系统得到输出X'＝[x′1,x′2,...,x′N]，输入层神经元数量为d,ELM分类层隐含神经元数量为L以及ELM分类层的正则化参数C；
若
若
隐藏层输出节点矩阵为 且
5-2、得到实际输出
8.根据权利要求7所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤6所述的计算单分类器阈值θ，具体实现如下：
6-1、计算实际输出Y与样本标签T的误差，
6-2、将得到的误差 从大到小排序,得到 其中 和 分别
表示最大和最小的误差距离；
6-3、设置一个阈值参数μ，得到阈值为θ＝εfloor(μ·N)。
9.根据权利要求8所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤7所述的输入测试数据进行测试，具体实现如下：
7-1、给定一系列测试样本 其中 表示第i个样本，
表示其为正常转速样本， 表示其旋转失速样本，P为总的测试样本数量；
7-2、输入到多层ELM-AE得到每层输出 令最后一层ELM-AE输出为Y'＝
[y′1,y′2,...,y′N]；
7-3、输入到ELM分类层得到Yβ＝β·Y'，计算实际输出与样本标签T的误差
7-4、将得到的误差 与单分类器阈值θ比较：
10.根据权利要求9所述的基于单分类超限学习机的轴流压气机气动失稳检测方法，其特征在于步骤8所述的旋转失速时间检测具体实现如下：
将包含正常和气动失稳工况下的测试数据集输入已经训练完成的多层单分类超限学习机，设输出的第一个为-1的样本标签为 P为总测试样本数量；由步骤1的滑动窗口方法得到气动失稳的窗口节点为 即为轴流压气机气动失稳的检测时间。
基于单分类超限学习机的轴流压气机气动失稳检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 压缩机喘振检测 | 2020-05-25 | 344 |
| 一种改善斜流泵内部流动稳定性的装置 | 2020-05-26 | 71 |
| 一种天然气长输管道离心压缩机组智能保护系统 | 2020-05-13 | 374 |
| 一种改形压气机抽气机匣 | 2020-05-18 | 856 |
| 一种转静叶联合自适应调节的多级轴流压气机 | 2020-05-22 | 350 |
| 基于特征值理论的多级轴流压气机失速边界的预测方法 | 2020-05-13 | 473 |
| 一种离心压气机旋转失速过程中能量损失的分析方法 | 2020-05-08 | 441 |
| Estimation apparatus of heat transfer medium flow rate, heat source machine, and estimation method of heat transfer medium flow rate | 2020-05-24 | 467 |
| 一种具有弧形缝的压缩机机匣 | 2020-05-20 | 381 |
| A TECHNIQUE FOR CONTROLLING ROTATING STALL IN COMPRESSOR FOR A GAS TURBINE ENGINE | 2020-05-19 | 451 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
