买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于机理模型的故障特征强化学习提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116821653B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310610846.6，技术领域涉及：G06F18/213；该发明授权一种基于机理模型的故障特征强化学习提取方法是由周磊;肖洪;林志富;游瑞;唐轲设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于机理模型的故障特征强化学习提取方法在说明书摘要公布了：本发明属于航空发动机故障诊断技术领域，具体涉及一种基于机理模型的故障特征强化学习提取方法。具体技术方案为：构建高精度航空发动机叶片级性能仿真模型，将该模型作为强化学习智能体，搭建强化学习环境，在特定的航空发动机故障环境中训练强化学习模型，当该强化学习模型收敛，提取航空发动机故障特征，构建航空发动机故障特征库。该模型能够模拟不同工作叶片故障，支持同一部件内不同级工作叶片故障的模拟与特征增强，实现航空发动机叶片级精细化诊断目标，同时利用强化学习自适应学习故障特征以解决故障样本少、无法得到未知故障特征的问题。

本发明授权一种基于机理模型的故障特征强化学习提取方法在权利要求书中公布了：1.一种基于机理模型的故障特征强化学习提取方法，其特征在于：构建高精度航空发动机叶片级性能仿真模型，将该模型作为强化学习智能体，搭建强化学习环境，在特定的航空发动机故障环境中训练强化学习模型，当强化学习模型收敛，提取航空发动机故障特征，构建航空发动机故障特征库；所述强化学习环境包括状态空间、动作空间； 所述高精度航空发动机叶片级性能仿真模型构建方法如下： S1、获取单级叶片工作特性图：获取不同工况下叶片的性能参数，基于试验离散点利用插值算法得到叶片在不同工况下的连续性能参数，组成单级叶片工作特性图； S2、利用部件试验数据对单级工作叶片特性图进行修正：根据旋转部件内各级叶片遵循转速相等、流量平衡的准则，由单级叶片工作特性图获得部件内各级叶片进出口气动参数，利用所述各级叶片进出口气动参数求出单级性能参数，进而利用部件试验数据修正单级工作叶片特性图； S3、构建高精度航空发动机叶片级性能仿真模型：根据航空发动机类型确定计算部件，包括进气道、风扇、高压压气机、燃烧室、高压涡轮、低压涡轮、尾喷管； S4、计算初始化：获取修正后的风扇及高压压气机单级工作叶片特性曲线、其他部件通用特性曲线；对于发动机，给定油门杆位置、飞行马赫数、飞行高度及大气环境；选取航空发动机调节规律； S5、构造部件、叶片特性的修正因子，并初始化； S6、从航空发动机远前方未受扰动截面至航空发动机出口截面进行热力计算，对于旋转部件的热力计算，从第一级叶片开始，根据第一级叶片进口参数、试取的性能参数以及第一级工作叶片特性曲线得到该级叶片出口的热力参数，后面级的计算方式与第一级叶片相同，直至计算旋转部件地最后一级叶片的出口截面热力参数，即为旋转部件的出口截面热力参数；其他部件根据试取参数和通用部件特性图，由进口截面热力参数计算得到出口截面热力参数； S7、根据航空发动机内流量连续、功率平衡，构造共同工作方程；共同工作方程数量与试取参数数量相同，以满足方程封闭性条件，试取参数为步骤S6中进行热力学计算时遇到的未知量； S8、求解共同工作方程，获取部件截面、叶片截面的性能参数； S9、基于步骤S8中的部件截面、叶片截面的性能参数，以及故障航空发动机得到的试验数据，构造优化目标函数； S10、求解优化目标函数，获得部件及叶片特性修正因子； S11、判断优化目标函数是否收敛，若不收敛，重复步骤S6-S10；若收敛，得到部件及叶片特性修正因子参数，构建故障特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。