一种航空发动机加力燃烧室振荡燃烧实时预警方法

本发明公开一种加力燃烧室振荡燃烧实时预警方法，该方法采用将傅里叶级数简化后引入Kolmogorov‑Arnold网络(Kolmogorov‑ArnoldNetworks，KAN)的网络结构，提出了Cosine Kolmogorov‑Arnold网络(Cosine Kolmogorov‑ArnoldNetworks，CosKAN)，并结合异常检测思想，提出了一种名为异常检测Kolmogorov‑Arnold网络(Anomaly Detection Kolmogorov‑Arnold Networks，AD‑KAN)的新算法。具体来说，该算法可以无监督地学习所有正常样本点的特征分布，映射到高维空间中，并通过最小包围椭球自主学习预警边界，实现对加力燃烧室振荡燃烧的提前预警。为了验证该方法的可行性，在某型涡扇航空发动机地面试车台架上进行了试验，结果表明，所提AD‑KAN方法在精度、实时性、提前预警性能和鲁棒性上均表现出优越的性能。因此，该方法具有良好的预警性能，可以有效地实现航空发动机加力燃烧室振荡燃烧的实时预警。