(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210964472.3 (22)申请日 2022.08.12 (65)同一申请的已公布的文献号 申请公布号 CN 115048748 A (43)申请公布日 2022.09.13 (73)专利权人 中国空气动力研究与发展中心低 速空气动力研究所 地址 621000 四川省绵阳市涪城区二环路 南段6号 (72)发明人 易贤　张兴焕　张平涛　彭博　 (74)专利代理 机构 四川中代知识产权代理有限 公司 513 58 专利代理师 李康 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06K 9/62(2022.01)G06N 3/12(2006.01) G06F 111/08(2020.01) G06F 113/08(2020.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 111709185 A,2020.09.25 CN 111563354 A,2020.08.21 CN 114169106 A,2022.03.11 CN 113822359 A,2021.12.21 WO 2020000248 A1,2020.01.02 刘倩 等.“基于最大相关最小冗余-随机森 林算法的多联机系统在线故障诊断策略研究 ”. 《制冷技 术》 .2019,第39卷(第6期),1-8. 张文 等.“连续式跨声速风洞动力系统运行 安全研究 ”. 《兵工学报》 .2016,第37 卷(第7期), 1330-1336. 审查员 赵恒昌 (54)发明名称 获得压缩机压力预测模型的方法、 系统、 处 理终端 (57)摘要 本发明属于结冰风洞试验领域， 具体涉及一 种获得压缩机压力预测模型的方法、 系统、 处理 终端。 其中， 获得压缩机压力预测模型的方法包 括如下步骤： S100： 获取 组试验参数， 试验参数 包括： 风速、 气流密度、 换热器入口温度、 换热器 出口温度和压缩机吸气压力； S200： 通过遗传算 法优化随机森林 得到一个最优的森林； S3 00： 将 组试验参数的风速、 气流密度、 换热器入口温 度、 换热器出口温度作为最优的森林的树的输 入， 将压缩机实际吸气压力作为森林的树的输 出， 进行训练， 得到预测模型。 通过该方法获得的 预测模型能够预测实际吸气压力值， 该预测的实 际压力值具有更高的精确度。 权利要求书3页 说明书8页 附图1页 CN 115048748 B 2022.10.28 CN 115048748 B 1.获得压缩机 压力预测模型的方法， 其特 征在于， 包括如下步骤： S100： 获取 组试验参数， 试验参数包括： 风速、 气流密度、 换热器入口温度、 换热器出 口温度和压缩机吸气压力； S200： 通过遗传算法优化随机森林 得到一个最优的森林； S210： 随机生成 个染色体， 个染色体为0代， 每个染色体上包含4种基因， 4个基因 分别表示树的个数、 树的最大深度、 树的叶子节点最少样例数和 树的分裂内部节点最少样 例数； S220： 计算每个染色体的适应度， 并通过适应度计算每个染色体被选择的概率值， 并随 机生成每 个染色体对应的浮 点值； S230： 通过将一个染色体对应的概率值和浮点值进行比较， 选出 个染色体进行交叉 变异； S240： 重复步骤S2 20‑S230直至迭代 代为止； S250： 在0代到 代中所有染色体中选出适应度最大的染色体， 通过该染色体得到一个 最优的森林； S300： 将 组试验参数的风速、 气流密度、 换热器入口温度、 换热器出口温度作为最优 的森林的树的输入， 将压缩机吸气压力作为森林的树的输出， 进行训练， 得到预测模型； 步骤一： 通过 个染色体的基因获得 个森林； 步骤二： 将 组试验参数分为 组训练集和 组测试集， 其中： ； 步骤三： 将 组训练集的风速、 气流密度、 换热器入口温度、 换热器出口温度作为输 入， 将压缩机吸气压力作为输出， 带入 个森林进行训练获得 个模型； 步骤四： 将 组测试集带入 个模型得到压缩机吸气压力的预测值； 步骤五： 通过适应度计算公式计算获得每个森林的适应度， 所述适应度计算公式为： ； 步骤六： 通过概率计算公式计算获得每个森林的概率值， 所述概率计算公式为： ； 其中： ， ， ， 表示第 个模型中使用的 组测试集中的第 组 试验参数中的压缩机吸气压力， 表示将 组测试集中第 组试验参数： 风速、 气流密 度、 换热器入口温度、 换热器出口温度代入第 个模型中得到的预测值， 表示第 个 模型中使用的 组测试集中 个压缩机吸气压力的均值。 2.如权利要 求1所述的获得压缩机压力预测模型的方法， 其特征在于， 概率值 与浮点权　利　要　求　书 1/3 页 2 CN 115048748 B 2值 比较的方法为： 若 ， 则对应的染色体 被选择， 若 ， 则对应的染色体不被选择； 其中： 。 3.如权利要求1所述的获得压缩机压力预测模型的方法， 其特征在于： 染色体长度为 15， 以染色体的端部起依次将染色体分成4个基因， 4个基因的长度分别为： 4， 3， 3， 5， 长度为 4的基因表 示树的个数， 第一个长度为3的基因表示树的最大深度， 第二个长度为3的基因表 示树的叶子节点 最少样例数， 长度为5的基因表示 树的分裂内部节点 最少样例数。 4.如权利要求3所述的获得压缩机压力预测模型的方法， 其特征在于： 树的个数= （长度 为4的基因的二进制数对应的十进制数+1） *10； 树的最大深度=第一个长度为3的基因的二进制对应的十进制数+3； 树的叶子节点 最少样例数=第二长度为3的基因的二进制对应的十进制数+1； 分裂内部节点 最少样例数= 长度为5的基因的二进制对应的十进制数*19/ 31+0.01。 5.如权利要求 4所述的获得压缩机 压力预测模型的方法， 其特 征在于： 长度为4的基因的二进制数对应的十进制= ； 第一个长度为3的基因的二进制对应的十进制数= ； 第二长度为3的基因的二进制对应的十进制数= ； 长度为5的基因的二进制对应的十进制数= ； 其中： 表示以染色体的端部起依次编码的二进制值， 。 6.如权利要求1 ‑5任意一项所述的获得压缩机 压力预测模型的方法， 其特 征在于， 通过公式将 组试验参数中的气流密度转 化为高度， 所述公式为： ； 其中： 表示高度， 表示气流密度。 7.获得压缩机压力预测模型的方法的系统， 用于实施权利要求1 ‑6任意一项所述的获 得压缩机 压力预测模型的方法， 其特 征在于， 包括： 参数获取模块： 用于获取 组试验参数； 优化模块： 用于 遗传算法优化随机森林 得到一个最优的森林；权　利　要　求　书 2/3 页 3 CN 115048748 B 3