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！

申请/专利权人：南京航空航天大学

摘要：本发明提出一种实时监测超声速进气道流动状态的方法，可以直接基于动态试验数据来监测超声速进气道的流动状态。该方法相对于单个传感器的监测效果，不仅增加了监测结果的可靠性和鲁棒性，而且在满足实时监测的要求下，监测精度也进一步有所提升。另外，本发明通过多目标优化方法得到的一组传感器还可以用于指导在进气道中合适的位置上放置传感器。

主权项：1.一种实时监测超声速进气道流动状态的方法，其特征在于，包括如下步骤：步骤1：在超声速进气道的内部流道上布置多个传感器，采集各个传感器的动态压力信号，并利用滑动窗口对采集到的压力信号进行切分，得到不同流动状态下的样本，针对每个传感器分别构建样本集；步骤2：建立DTW-RBF网络，将每个传感器的样本集划分成训练集和测试集，训练出该传感器对应的DTW-RBF网络模型；步骤3：利用训练好的DTW-RBF网络模型对其对应的测试集进行验证，得到测试结果；步骤4：将传感器放置和集成问题归结为多目标优化问题，通过求解多目标优化问题，得到最优的传感器组合；步骤2中DTW-RBF网络包括输入层、基于非线性RBF核函数的隐含层以及输出层，所述非线性RBF核函数为：其中γ、x、C分别表示核函数宽度、输入序列以及核函数的中心序列；步骤2中DTW-RBF网络模型的训练步骤包括：步骤2.1：初始化网络参数，包括中心序列{Chid}、核函数宽度{γhid}、隐含层和输出层之间的线性权重{Whid,m}和偏置{bm}；步骤2.2：利用式1和式2分别计算隐含层和输出层各节点的输出； xp表示第p个训练样本，Kerxp,Chid表示隐含层各节点的输出，zpm表示输出层各节点的输出；步骤2.3：利用式3-5分别计算Soft-max层的输出、误差以及目标函数； ypm表示xp属于第m类的真实概率，表示xp属于第m类的预测概率，epm表示xp属于第m类的误差，P表示所有训练样本的数目，M表示所有类别数目，L表示所有训练样本属于各个类别的平均误差；步骤2.4：利用式6-11分别计算每个误差epm关于所有参数的导数； 其中，表示第p个样本在第m1个输出节点处的误差，和分别表示第p个样本属于第m1类的真实概率和预测概率，表示第p个样本在第m2个输出节点处的线性加权输出； 关于线性权重{Whid,m}以及偏置{bm}的导数计算如下 关于核函数宽度{γhid}的导数由下式计算： 关于中心序列{Chid}的导数由下式计算： 假设使用平方欧式距离计算代价矩阵Distn×l中的每个元素，并且规整路径为w＝w1,w2,…,wK，K表示长度，则DTWxp,Chid关于Chid的导数由下式计算： j表示xp或Chid中的第j个点的下标索引；步骤2.5：基于误差epm关于所有参数的导数，利用LM算法进行训练。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种实时监测超声速进气道流动状态的方法