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！

龙图腾网恭喜中国航发控制系统研究所申请的专利基于LM卷积神经网络的航空发动机建模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：CN114154391B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202111197597.X，技术领域涉及：G06F30/27；该发明授权基于LM卷积神经网络的航空发动机建模方法是由徐占艳;朱烨;任立华;殷骏;王阳;蒋子萱设计研发完成，并于2021-10-14向国家知识产权局提交的专利申请。

本基于LM卷积神经网络的航空发动机建模方法在说明书摘要公布了：本发明公开了一种基于LM卷积神经网络的航空发动机建模方法，包括以下步骤：1采集航空发动机的数据，构建网络的训练样本集和测试样本集；2设置卷积神经网络结构；3初始化卷积神经网络的参数；4把训练样本集输入到卷积神经网络中，卷积神经网络输出预测值；5应用LM算法对卷积神经网络的权重参数进行更新、优化；6重复步骤4和5，通过迭代不断优化网络参数，直到达到终止条件。本发明使用深度卷积神经网络辨识航空发动机模型能够增加辨识精度，去除了卷积神经网络池化层，保留了更多有效信息，同时对卷积神经网络反向传播过程使用LM算法改进，近似获取了系统的二阶信息，加快了网络收敛速度。

本发明授权基于LM卷积神经网络的航空发动机建模方法在权利要求书中公布了：1.一种基于LM卷积神经网络的航空发动机建模方法，其特征在于，包括以下步骤：1采集航空发动机的数据，构建分别用于建立和测试卷积神经网络的训练样本集和测试样本集；2设置卷积神经网络结构；其中，卷积神经网络结构的第一层为输入层，第二层为卷积层，第三层为全连接层，第四层为输出层；3初始化卷积神经网络的参数；4前向计算：把训练样本集输入到卷积神经网络中，卷积神经网络输出预测值；5反向传播：应用LM算法对卷积神经网络的权重参数进行更新、优化；具体为：5.1计算除输入层外各层的敏感度；输出层敏感度计算公式为：其中，是输出层激活函数的导数，是输出层数组的第一类列拓展；第三层敏感度计算公式为：第二层所有通道连接在一起的敏感度计算公式为：第二层第k个通道的敏感度为：其中vnum2是第二层每个通道的节点数；5.2计算除输入层外各层训练参数的雅可比矩阵；卷积层第k个通道卷积核的雅可比矩阵为：conv_row表示对矩阵的每一行分别做卷积运算，rot180表示将矩阵旋转180°；第k个通道偏置的雅可比矩阵为∑col表示对数组的每一列分别求和；从而，第三层权值雅可比矩阵计算公式为：其中是的转置矩阵的第一类列拓展，拓展倍数为第三层节点数，是第三层敏感度转置矩阵的第二类列拓展，将整个数组进行列拓展，拓展倍数为卷积层3个通道连接后的节点数r，即·*表示两个矩阵元素对应相乘；第三层偏置雅可比矩阵为：jac_b3＝δ3T；从而，jac3＝[jac_w3jac_b3]；输出层雅可比矩阵计算与第三层过程类似，得到jac4；所有训练参数的雅可比矩阵为：jac＝[jac2jac3jac4]；5.3计算训练参数梯度wgrad；wgrad＝jacT*jac+μI-1*jacT*e，其中e为第四层误差转换成的列向量，I是单位矩阵，μ是第一网络的超参数，当网络误差减小时μ按一定倍数减小，相反则增大；5.4最新迭代得到的训练参数为：wp+1＝wp-βwgrad，β为第二网络超参数；wp表示迭代第p次得到的训练参数；6迭代：重复步骤4和5，通过迭代不断优化网络参数，直到达到终止条件；7测试：调用设计好的网络结构和训练好的网络参数，将所述测试样本输入到网络中进行测试，如果测试效果不满足要求，则重复进行步骤5-7，直到获得满意的预测效果。

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中国航发控制系统研究所，其通讯地址为：214063 江苏省无锡市滨湖区梁溪路792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”。