基于预训练模型的中心分级燃烧室燃烧振荡 预报方法

作     者：覃子宇 王欣尧 韩啸 林宇震 QIN Ziyu;WANG Xinyao;HAN Xiao;LIN Yuzhen

作者机构：北京航空航天大学航空发动机研究院航空发动机气动热力国家级重点实验室北京100191 北京航空航天大学先进航空发动机协同创新中心北京100191 

出 版 物：《推进技术》 (Journal of Propulsion Technology)

年 卷 期：2024年第45卷第4期

页      面：182-189页

核心收录：

学科分类：082502[工学-航空宇航推进理论与工程] 08[工学] 0714[理学-统计学（可授理学、经济学学位）] 0825[工学-航空宇航科学与技术] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：航空发动机及燃气轮机基础科学中心项目(P2022-A-II-006-001) 国家自然科学基金(52106128) 中央高校基本科研业务费专项资金 

主　　题：燃气轮机 燃烧室 燃烧振荡 预训练模型 迁移学习 主成分分析 分层聚类 

摘      要：为促进实现燃气轮机燃烧室中的燃烧振荡预报,提出一种结合预训练和迁移学习的研究思路。在预训练阶段,开展短火焰筒和长火焰筒下两类火焰图像的对比学习以完成编码器的自监督预训练。在迁移阶段,除了对特征编码构建线性分类器的直接迁移,本文还提出将工况参数作为先验条件的贝叶斯迁移学习。结果表明,在两种迁移学习方式下预训练模型相比传统监督学习模型具有4.6%左右的性能提升。同时基于贝叶斯推断的迁移学习相比直接迁移鲁棒性更好。通过主成分分析和分层聚类,验证预训练模型能够提取火焰图像更为通用的热声特征。