【技術實現步驟摘要】
本專利技術屬于高超聲速飛行器中航空煤油裂解結焦的，尤其涉及一種管道內超臨界航空煤油裂解結焦量的動態預測方法。
技術介紹
1、高超聲速飛行器是指飛行馬赫數大于5的新型飛機、新型炮彈、巡航導彈等有翼或無翼的飛行器，不但體現了前沿高科技技術的頂尖水平，更是科學技術水平新飛躍的重要標志。在高超聲速飛行器的推進系統中，管道內的航空煤油不僅作為燃料提供動力，還被用作冷卻介質降低高溫部件。航空煤油在高溫高壓的工況下達到超臨界狀態，從而發生裂解反應，生成氣態烴類、焦炭等結焦產物。隨著工作時間不斷的累積，會極大地降低燃料的流動換熱效率和系統的使用壽命。因此，如何在實際飛行過程中實時、準確地預測管道內結焦量的動態變化，是保障高超聲速飛行器可靠性和安全性的關鍵技術。
2、現有技術中，通常采用基于經驗的裂解反應模型或簡化的動力學模型進行結焦預測。然而，這些方法存在以下缺陷：1、傳統的經驗模型在復雜的超臨界條件下難以準確反映實際的結焦動態過程，導致預測精度不足。2、現有的預測方法通常針對穩態或特定工況下的結焦量進行估算，缺乏對結焦量隨時間動態變化的預測能力。3、由于缺少多工況數據的支撐，傳統模型在面對不同的飛行條件或工況變化時，表現出較差的泛化性，難以在實際應用中推廣。
3、針對上述問題，亟需提出一種管道內超臨界航空煤油裂解結焦量的動態預測方法。
技術實現思路
1、為解決上述技術問題，本專利技術提出了一種管道內超臨界航空煤油裂解結焦量的動態預測方法，通過24步裂解反應模型和結焦動力學
2、為實現上述目的，本專利技術提供了一種管道內超臨界航空煤油裂解結焦量的動態預測方法，包括以下步驟：
3、結合航空煤油的24步裂解反應模型和結焦動力學模型，構建裂解結焦數據集；
4、在神經網絡的拓撲結構中引入反饋結構，構建裂解結焦的時序預測模型；
5、基于所述裂解結焦數據集對所述時序預測模型進行訓練并優化；
6、基于優化后的時序預測模型對管道內超臨界航空煤油裂解結焦量進行動態預測。
7、可選地，結合航空煤油的24步裂解反應模型和結焦動力學模型，構建裂解結焦數據集的過程包括：
8、將所述航空煤油的24步裂解反應模型和結焦動力學模型嵌入計算流體力學的求解器中，對不同的工況進行瞬態仿真，生成對應的瞬態數據；從所述瞬態數據中提取關鍵變量的時間序列數據，生成多個瞬態工況下的流動、反應和結焦數據，構建初始裂解結焦數據集；對所述初始裂解結焦數據集進行數據清理和修正的處理；對處理后的初始裂解結焦數據集進行格式轉化，并標注每個數據對應的工況條件和時間點，獲得最終的裂解結焦數據集。
9、可選地，在神經網絡的拓撲結構中引入反饋結構，構建裂解結焦的時序預測模型的過程包括：
10、在神經網絡的隱藏層中增加循環層，加入循環層后的隱藏層的值和輸出層的值分別表示為：
11、st＝f(ugxt+wgst-1)
12、yt＝g(vgst)
13、其中，st表示t時刻隱藏層的值，f代表輸入層和循環層的值到隱藏層之間的傳遞函數，u表示輸出層到隱藏層之間的權值矩陣，g代表隱藏層的值到輸出層之間的傳遞函數，xt表示t時刻輸入層的值，w表示隱藏層上一次的值作為當前的輸入權值矩陣，st-1表示t-1時刻隱藏層的值；yt表示t時刻輸出層的值，v表示隱藏層到輸出層之間的權值矩陣。
14、可選地，基于所述裂解結焦數據集對所述時序預測模型進行訓練之前還包括：
15、對所述裂解結焦數據集進行最大最小歸一化的處理，并將處理后的裂解結焦數據集隨機劃分為訓練集、驗證集和測試集。
16、可選地，基于所述裂解結焦數據集對所述時序預測模型進行訓練的過程包括：基于所述裂解結焦數據集中的訓練集對所述時序預測模型進行迭代處理，分別計算所述時序預測模型輸入層、隱藏層、輸出層和循環層的激活值，當各個層的激活值均滿足迭代要求，訓練結束。
17、可選地，基于所述裂解結焦數據集對所述時序預測模型進行優化的過程包括：
18、基于所述裂解結焦數據集中的驗證集，計算所述時序預測模型實際輸出和期望輸出的均方誤差和相對誤差，若所述均方誤差和相對誤差不滿足設定值，則對所述時序預測模型的拓撲結構進行優化；其中，待優化的拓撲結構包括網絡的層數、每層網絡的節點個數、激活函數、學習算法、學習率和損失函數。
19、本專利技術還提供一種管道內超臨界航空煤油裂解結焦量的動態預測系統，用于實施管道內超臨界航空煤油裂解結焦量的動態預測方法，包括：數據采集模塊、架構設計模塊、模型優化模塊和精度預測模塊；
20、所述數據采集模塊用于結合航空煤油的24步裂解反應模型和結焦動力學模型，構建裂解結焦數據集；
21、所述架構設計模塊用于在神經網絡的拓撲結構中引入反饋結構，構建裂解結焦的時序預測模型；
22、所述模型優化模塊用于基于所述裂解結焦數據集對所述時序預測模型進行訓練并優化；
23、所述精度預測模塊用于基于所述裂解結焦數據集對優化后的時序預測模型的預測精度進行測試。
24、本專利技術還提供一種電子設備，包括：存儲器和處理器；所述存儲器，用于存儲程序；所述處理器，用于執行所述程序，實現管道內超臨界航空煤油裂解結焦量的動態預測方法的各個步驟。
25、本專利技術還提供一種可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時，實現管道內超臨界航空煤油裂解結焦量的動態預測方法的各個步驟。
26、與現有技術相比，本專利技術具有如下優點和技術效果：
27、本專利技術通過構建裂解結焦數據集和時序預測模型，能夠更準確地捕捉超臨界條件下的復雜反應過程，顯著提高了結焦量預測的準確性；其中，在構建時序預測模型時，在傳統的神經網絡拓撲結構中引入循環層，使得時序預測模型能夠動態捕捉結焦量的時間演化規律，顯著提高了對不同時間點下結焦量的預測精度，解決了傳統方法中無法有效處理動態變化問題的缺陷；本專利技術對時序預測模型進行訓練和優化，顯著減少了預測誤差，使得優化后的時序預測模型在多種飛行工況下仍能保持高精度的結焦量預測，從而提升了模型的泛化能力和實用性。
本文檔來自技高網...【技術保護點】
1.一種管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
3.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
4.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
5.根據權利要求4所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
6.根據權利要求5所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
7.一種管道內超臨界航空煤油裂解結焦量的動態預測系統，其特征在于，用于實施權利要求1-6任一項所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，包括：數據采集模塊、架構設計模塊、模型優化模塊和精度預測模塊；
8.一種電子設備，其特征在于，包括：存儲器和處理器；所述存儲器，用于存儲程序；所述處理器，用于執行所述程序，實現如權利要求1-6中任一項所述的管道內超臨界航空煤油裂解結焦量的動態預測方法的各個步驟。
9.一種可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，實現如權利要求1-6中任一項所述的管道內超臨界航空煤油裂解結焦量的動態預測方法的各個步驟。
...【技術特征摘要】
1.一種管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
3.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
4.根據權利要求1所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
5.根據權利要求4所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
6.根據權利要求5所述的管道內超臨界航空煤油裂解結焦量的動態預測方法，其特征在于，
7.一種管道內超臨...
【專利技術屬性】
技術研發人員：陶凱航，高世民，張艷艷，李海旺，林聚強，龔維軍，
申請(專利權)人：天目山實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。