一种用于航空发动机盐雾腐蚀的数字化实验方法

1.本发明属于航空发动机故障诊断与健康管理技术领域，具体涉及一种用于航空发动机压气机盐雾腐蚀的数字化实验方法。


背景技术：

2.压气机作为航空发动机的关键部件，其功能是对流入发动机的气流做功，以便提高压气机出口的气流压力，为燃烧室提供高压空气，从而提高发动机热力循环效率。然而，运行环境对航空发动机性能影响极大。当航空发动机工作在高湿度、高盐度的海洋环境下，随空气进入压气机的盐雾将对系统内的叶片表面、叶顶和其他关键部件造成腐蚀与失效，对压气机内流场造成影响，使得压气机压比、效率等性能参数下降。进而造成发动机整体性能衰退，提高了维护成本，同时给舰载机的安全带来隐患。
3.目前现有的研究方法主要是通过三维数值模拟来研究压气机叶片腐蚀程度和其性能衰退的定量关系，当腐蚀参数改变时就需要重新进行数值模拟实验，因此造成效率低下。此外影响压气机性能衰退的因素较多，很难通过准确的数学方程来建立腐蚀参数与压气机性能衰退的定量关系。随着人工智能技术的不断发展，基于数据驱动的方法在性能参数预测上取得了较好的效果。我们能够利用积累的数值仿真数据，构建压气机性能预测模型，从而学习输入工作状态参数、叶片腐蚀程度参数与性能参数之间的映射关系。
4.造成压气机性能衰退的主要原因是压气机叶片腐蚀，现有研究方法中主要通过数值模拟方法，研究压气机叶片不同部位腐蚀程度与压气机性能衰退之间的关系，从而为维修提供指导。为得到各阶段压气机性能衰退特性曲线，需要在不同腐蚀程度下对不同转速、流量工况进行多次数值仿真实验。这种方法在不考虑由于长时间工作导致的部件力学性能衰退、机械磨损下，影响压气机性能的腐蚀参数较多，当腐蚀参数改变时，需要重新进行数值仿真计算性能参数，因此仅通过数值模拟的方式来得到压气机的性能参数效率低下。
5.现有的数字工程建模技术，传动的做法是采用纯数据驱动，不引入实际物理模型，而实际的压气机部件系统中，包含多级动叶和静叶，其中动叶腐蚀包含吸力面腐蚀、压力面腐蚀及叶顶腐蚀，静叶腐蚀包含吸力面腐蚀及压力面腐蚀，压气机不同级之间、以及不同叶片结构腐蚀存在复杂的耦合关系。然而可以利用的数值模拟数据往往较少，采用纯数据驱动的方法容易学到错误的规律。针对纯数据驱动的方法，数字工程模型中不包含压气机实际的物理结构信息，进而模型拟合出的结果误差较大，不能用于盐雾腐蚀性能衰退研究。


技术实现要素：

6.为解决上述技术问题，本发明提出了一种用于航空发动机盐雾腐蚀的数字化实验方法，可以大大减少数值仿真的次数，快速得到给定工作状况及腐蚀程度下压气机性能参数，得到衰退后的压气机工作特性曲线，从而计算出相应的性能衰退率，研究不同腐蚀参数对压气机性能衰退的影响程度，进而为压气机的维修提供指导。
7.为实现上述发明目的，本发明所采用的技术方案是：一种用于航空发动机盐雾腐
蚀的数字化实验方法，构建并训练盐雾腐蚀环境下的压气机性能预测模型，通过该模型计算不同腐蚀状况及不同工作状态下的压气机性能参数，并绘制压气机工作特性曲线，计算压气机盐雾腐蚀后的性能衰退率，对压气机进行健康管理。
8.优选的：包括如下步骤：
9.s1、构造数据样本集；
10.s2、构建盐雾腐蚀环境下的压气机性能预测模型；
11.s3、利用所述数据样本集训练压气机性能预测模型；
12.s4、分别将腐蚀状况及工作状态参数、相同工况下未腐蚀的工作状态参数输入压气机性能预测模型，分别获得衰退后、未衰退的性能参数，绘制衰退、未衰退的压气机工作特性曲线；
13.s5、根据衰退、未衰退的压气机工作特性曲线，计算相应转速下的压气机性能衰退率。
14.优选的：还包括s6：设置压气机性能衰退阈值ξ，若性能衰退值超出衰退阈值ξ，对发生腐蚀的压气机叶片进行维修或更换。
15.优选的：构造数据样本集：根据若干数值仿真数据构造初始数据样本集，对初始数据样本集进行归一化处理，形成数据样本集；数据样本集包括压气机工作状态参数、压气机腐蚀程度参数、压气机性能参数。
16.优选的：所述压气机性能预测模型包括依次设置的物理信息网络层、物理信息耦合层、映射网络层；所述物理信息网络层包括状态信息层、腐蚀信息层，状态信息层由工作状态网络层组成；腐蚀信息层由各级压气机腐蚀网络层组成，每级压气机腐蚀网络层包括该级动叶腐蚀参数层、静叶腐蚀参数层。
17.优选的：所述状态信息层输入包括压气机转速、压气机进口流量；和/或，动叶腐蚀参数层输入包括吸力面粗糙度、压力面粗糙度、叶顶间隙；和/或，静叶腐蚀参数层输入包括吸力面粗糙度、压力面粗糙度。
18.优选的：所述物理信息耦合层采用时序结构，将状态信息层、各级压气机腐蚀网络层的输出信息按照时间序列融合并提取特征信息。
19.优选的：所述s5中性能衰退率计算公式：
[0020][0021]
相应的：一种电子设备，包括：
[0022]
一个或多个处理器；
[0023]
存储装置，用于存储一个或多个程序；
[0024]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现一种用于航空发动机盐雾腐蚀的数字化实验方法。
[0025]
相应的：一种计算机可读介质，所述可读介质存储有计算机程序，所述计算机程序被处理器执行时实现一种用于航空发动机盐雾腐蚀的数字化实验方法。
[0026]
与现有技术相比，本发明具有以下有益效果：
[0027]
本发明通过构建并训练盐雾腐蚀环境下的压气机性能预测模型，通过该模型计算不同腐蚀状况及不同工作状态下的的压气机性能参数，并绘制压气机工作特性曲线，计算
压气机盐雾腐蚀后的性能衰退率，对压气机进行健康管理。本发明提出的压气机性能预测模型是基于压气机部件的真实物理结构搭建的，相对于纯数据驱动的方法需求训练数据量少，且更加具有可解释性。该方法可以快速得到给定工作状况及腐蚀程度下压气机性能参数，得到衰退后的压气机工作特性曲线，从而计算出相应的性能衰退率，研究不同腐蚀参数对压气机性能衰退的影响程度，进而计算为压气机的维修提供指导。
附图说明
[0028]
图1为本发明用于航空发动机盐雾腐蚀的数字化实验方法的实施流程图；
[0029]
图2为本发明压气机性能预测数字工程模型结构；
[0030]
图3为本发明实施例1压气机效率预测数字工程模型结构。
具体实施方式
[0031]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
[0032]
如图1-2所示，本发明公开了一种用于航空发动机盐雾腐蚀的数字化实验方法，其核心思想：构建并训练盐雾腐蚀环境下的压气机性能预测模型，通过该模型计算不同腐蚀状况及不同工作状态下的压气机性能参数，并绘制压气机工作特性曲线，计算压气机盐雾腐蚀后的性能衰退率，对压气机进行健康管理。本发明提出的压气机性能预测模型基于压气机部件的真实物理结构搭建的，相对于纯数据驱动的方法需求训练数据量少，且更加具有可解释性。研究盐雾腐蚀对压气机性能衰退的影响，从而大大减少数值模拟次数，为压气机维修提供指导。
[0033]
本发明公开的数字化实验方法主要包括如下步骤：
[0034]
s1、构造数据样本集。根据若干数值仿真数据构造初始数据样本集，对初始数据样本集中输入参数进行归一化处理，形成数据样本集。例如，所述的数值仿真数据可以以nasa67(二级轴流压气机)为研究对象，采用仿真软件计算得到，仿真软件可以是cfx软件或其他软件。
[0035]
归一化处理公式如下：
[0036][0037]
其中，x
′
表示归一化后数据，x表示输入样本数据，x
min
为输入样本数据中输入特征参数的最小值，x
max
为输入样本数据中输入特征参数的最大值。
[0038]
s2、构建盐雾腐蚀环境下的压气机性能预测模型。基于s1中的数据样本集，选取压气机工作状态参数、腐蚀程度参数作为该模型的输入量，选取压气机性能参数作为该模型的输出量，例如压气机性能参数效率。
[0039]
s3、利用所述数据样本集训练压气机性能预测模型，在满足工程要求的误差下得到压气机性能预测模型。
[0040]
s4、分别将给定腐蚀状况及工作状态参数的数据、相同工况下未腐蚀的工作状态参数数据输入压气机性能预测模型，分别获得衰退后、未衰退的性能参数，通过拟合数据点
得到衰退的压气机工作特性曲线、未衰退的压气机工作特性曲线。
[0041]
s5、根据衰退压气机工作特性曲线、未衰退的压气机工作特性曲线，计算相应转速下的压气机性能衰退率。此处的性能衰退率指的是工作特性曲线上所有数据点性能衰退率的平均值，即某一腐蚀工况下的性能衰退率。通过改变腐蚀状况，重复步骤s4-s5，进而研究不同腐蚀程度对压气机性能的影响。
[0042]
所述s5中性能衰退率计算公式：
[0043][0044]
s6、设置压力机性能衰退阈值ξ，若性能衰退值超出衰退阈值ξ，则需要根据具体情况对发生腐蚀的压气机叶片进行维修或更换。
[0045]
对于步骤s1，数据样本集包括压气机工作状态参数、压气机腐蚀程度参数、压气机性能参数。其中，压气机工作状态参数包括压气机转速n、压气机进口流量ma。压气机腐蚀程度参数包括吸力面粗糙度l1、压力面粗糙度l2、叶顶间隙l3。压气机性能参数包括压比π、效率η。由于发动机工作的大气条件不同，假设大气条件下压力、温度分别为需要将该条件下的转速和流量换算为标准大气条件下的流量m
acor
及转速n
cor
，其换算公式为：
[0046][0047][0048]
其中，ma为大气条件下的流量，n为大气环境条件下的转速。
[0049]
对于步骤s2，所述压气机性能预测模型结构主体分为三层：包括依次设置的物理信息网络层s01、物理信息耦合层s02、映射网络层s03。
[0050]
根据压气机结构及工作原理，所述物理信息网络层s01包括状态信息层s11、腐蚀信息层s12。状态信息层s11由工作状态网络层组成，表示压气机的工作状态。腐蚀信息层s12由各级压气机腐蚀网络层组成，每级压气机腐蚀网络层输入包括该级动叶腐蚀参数层、静叶腐蚀参数层。由于每级压气机中气流先后经过动叶级和静叶级，每级压气机腐蚀网络层采用时序结构。
[0051]
所述物理信息耦合层s02采用时序网络结构，将状态信息层s11、各级压气机腐蚀网络层s12的输出信息按照时间序列进一步融合并提取特征信息。时序网络层在第一个时间步的输入为工作状态网络层输出，表示压气机的工作状态，后续时间步通过压气机不同级的空间顺序依次连接，从而提取物理参数的特征。
[0052]
映射网络层s03是将物理信息耦合层s02提取的特征信息映射到压气机性能参数上。映射关系可以为物理信息耦合层s02在最后一个时间维度的输出通过全连接层最终输出压气机性能参数。
[0053]
对于步骤s3，压气机性能预测模型性能评价指标采用平均百分比误差(mape)，其计算公式为：
[0054]
[0055]
其中，m表示样本数量，表示预测性能参数值，yi表示性能参数标签值。
[0056]
可设置压气机性能预测模型在测试集上的平均百分比误差最大不超过1％，当训练得到的模型满足此条件，该模型可用于后续的研究。
[0057]
对于步骤s4，给定腐蚀程度和压气机工作转速，将一组流量分别输入到步骤s3中压气机性能预测模型中，输出发动机性能参数，通过插值算法即可得到给定腐蚀程度和压气机工作转速下性能衰退的压气机工作特性曲线。给定同样的压气机工作转速，设置腐蚀程度为未腐蚀状态，将与上述相同的一组流量输入到数字工程模型中，得到未衰退的发动机性能参数，通过插值算法得到未衰退的压气机工作特性曲线。
[0058]
对于步骤s5，根据各流量下未衰退和衰退的性能参数计算对应的性能衰退率，最后计算所有流量下性能衰退率的平均值，作为该转速和腐蚀程度下的性能衰退率，进而探究腐蚀程度对压气机性能衰退的影响程度。
[0059]
本发明还公开了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的用于航空发动机盐雾腐蚀的数字化实验方法。该实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。
[0060]
本发明还公开了一种计算机可读介质，所述可读介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述的用于航空发动机盐雾腐蚀的数字化实验方法。本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图1-2所示的方法的程序代码。
[0061]
需要说明的是，本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0062]
在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0063]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网
(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0064]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0065]
实施例1
[0066]
本实施例中研究压气机叶片腐蚀对效率性能参数的影响，以nasa stage64为研究对象，其具体为两级轴流压气机，假设叶片腐蚀只发生在压气机的前两级中，所述实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0067]
步骤1：以nasa stage64为研究对象，通过仿真软件模拟得到积累的数值仿真数据，构造初始数据样本集，样本集参数包括压气机工作状态参数、压气机叶片腐蚀程度参数，其工作状态参数包括转速n、流量ma，压气机叶片腐蚀程度参数包括叶顶间隙l，预测性能参数为效率η。由于燃气轮机工作的大气条件不同，假设大气条件为需要将该条件下的转速和流量换算为标准大气条件下的流量m
acor
及转速n
cor
，其换算公式为：
[0068][0069][0070]
由于不同输入特征参数的数值维度不同，需要对输入特征参数进行min-max归一化处理，归一化处理公式如下所示：
[0071][0072]
其中，x
′
表示归一化后数据，x表示输入样本数据，x
min
为输入样本数据中输入特征参数的最小值，x
max
为输入样本数据中输入特征参数的最大值。
[0073]
步骤2：建立盐雾腐蚀环境下压气机效率预测模型，具体模型架构如图3所示。首先，物理信息层由状态信息层s11和腐蚀信息层s12组成。
[0074]
状态信息层s11由工作状态网络层组成，表示压气机的工作状态，工作状态网络层的输入包含压气机转速、压气机进口流量等。
[0075]
腐蚀信息层s12由压气机第一级腐蚀网络层和压气机第二级腐蚀网络层组成，每级压气机腐蚀网络层输入包含该级动叶腐蚀参数层和静叶腐蚀参数层，其中动叶腐蚀参数层的输入包括吸力面粗糙度、压力面粗糙度、叶顶间隙等，静叶腐蚀参数层的输入包括吸力面粗糙度、压力面粗糙度等。
[0076]
状态信息层s11和腐蚀信息层s12均采用时序结构，状态信息层能够表示压气机的工作状态，因此放在最前面。腐蚀信息层按照气流流经压气机结构的先后顺序排列。这里的时序结构包括但不限gru、lstm，同时采用双向结构消除相同子网路层不同参数先后输入顺序的影响。需要注意的是，各子网层输出的节点必须保持一致，便于在物理信息耦合层中进行拼接。
[0077]
物理信息耦合网络层s02采用与上述子网络层相同的时序结构，将工作状态信息层及各级腐蚀网络层的输出信息按照时间序列进一步融合并提取特征信息。
[0078]
映射网络层s03采用全连接网络，其输入为物理信息耦合网络层s02在最后一个时间步对应的输出，最终输出压气机效率。
[0079]
由于该预测问题属于回归问题，模型训练的损失函数采用均方误差损失函数(mean square error,mse)：
[0080][0081]
其中，n表示样本的数量，yi表示真实效率值，表示预测值。
[0082]
训练模型使用的优化器为adam，学习率设置为1e-3。
[0083]
步骤3：使用数据训练样本集对步骤2中构建的压气机性能预测数字工程模型进行训练，将数据测试样本集输入到训练好的数字工程模型中得到预测效率值，根据性能评价指标检验模型性能好坏。压气机性能预测数字工程模型性能评价指标采用平均百分比误差(mape)，其计算公式为：
[0084][0085]
其中，m表示样本数量，表示预测性能参数值，yi表示性能参数标签值。
[0086]
设置模型在测试集上的平均百分比误差最大不能超过3％，否则不能用于盐雾腐蚀压气机性能衰退研究。
[0087]
步骤4：设置各级压气机叶片腐蚀程度和压气机工作转速，在可取流量范围内采样出一系列点，将这一组流量分别输入到步骤3中训练得到的模型中输出压气机效率参数，即可得到给定腐蚀程度和压气机工作转速下效率衰退的压气机工作特性曲线。给定同样的压气机工作转速，设置腐蚀程度为未腐蚀状态，将与上述相同的一组流量输入到训练好的模型中得到未衰退的压气机工作特性曲线。
[0088]
步骤5：根据各流量下未衰退和衰退的效率性能参数计算对应的性能衰退率，最后将所有流量下性能衰退率的平均值作为该转速和腐蚀程度下的性能衰退率，进而探究腐蚀程度对压气机效率衰退的影响程度。
[0089]
性能衰退率的计算公式如下：
[0090][0091]
步骤6：设置压气机性能衰退阈值ξ，在本实施例中设置效率衰退阈值为5％，若性能衰退值超出衰退阈值，则需要根据具体情况针对发生腐蚀的压气机叶片进行维修或更换。
[0092]
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形、变型、修改、替换，均应落入本发明权利要求书确定的保护范围内。

技术特征：
1.一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：构建并训练盐雾腐蚀环境下的压气机性能预测模型，通过该模型计算不同腐蚀状况及不同工作状态下的压气机性能参数，并绘制压气机工作特性曲线，计算压气机盐雾腐蚀后的性能衰退率，对压气机进行健康管理。2.根据权利要求1所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：包括如下步骤：s1、构造数据样本集；s2、构建盐雾腐蚀环境下的压气机性能预测模型；s3、利用所述数据样本集训练压气机性能预测模型；s4、分别将腐蚀状况及工作状态参数、相同工况下未腐蚀的工作状态参数输入压气机性能预测模型，分别获得衰退后、未衰退的性能参数，绘制衰退、未衰退的压气机工作特性曲线；s5、根据衰退、未衰退的压气机工作特性曲线，计算相应转速下的压气机性能衰退率。3.根据权利要求2所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：还包括步骤s6、设置压气机性能衰退阈值ξ，若性能衰退值超出衰退阈值ξ，对发生腐蚀的压气机叶片进行维修或更换。4.根据权利要求2所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：构造数据样本集：根据若干数值仿真数据构造初始数据样本集，对初始数据样本集进行归一化处理，形成数据样本集；数据样本集包括压气机工作状态参数、压气机腐蚀程度参数、压气机性能参数。5.根据权利要求4所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：所述压气机性能预测模型包括依次设置的物理信息网络层、物理信息耦合层、映射网络层；所述物理信息网络层包括状态信息层、腐蚀信息层，状态信息层由工作状态网络层组成；腐蚀信息层由各级压气机腐蚀网络层组成，每级压气机腐蚀网络层包括该级动叶腐蚀参数层、静叶腐蚀参数层。6.根据权利要求5所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：所述状态信息层输入包括压气机转速、压气机进口流量；和/或，动叶腐蚀参数层输入包括吸力面粗糙度、压力面粗糙度、叶顶间隙；和/或，静叶腐蚀参数层输入包括吸力面粗糙度、压力面粗糙度。7.根据权利要求5所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：所述物理信息耦合层采用时序结构，将状态信息层、各级压气机腐蚀网络层的输出信息按照时间序列融合并提取特征信息。8.根据权利要求2所述的一种用于航空发动机盐雾腐蚀的数字化实验方法，其特征在于：所述s5中性能衰退率计算公式：9.一种电子设备，其特征在于：包括：一个或多个处理器；存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述一种用于航空发动机盐雾腐蚀的数字化实验方法。10.一种计算机可读介质，所述可读介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述一种用于航空发动机盐雾腐蚀的数字化实验方法。

技术总结
本发明属于航空发动机故障诊断与健康管理技术领域，具体涉及一种用于航空发动机压气机盐雾腐蚀的数字化实验方法。具体技术方案为：构建并训练盐雾腐蚀环境下的压气机性能预测模型，通过该模型计算不同腐蚀状况及不同工作状态下的压气机性能参数，并绘制压气机工作特性曲线，计算压气机盐雾腐蚀后的性能衰退率，对压气机进行健康管理。本发明提出的压气机性能预测模型是基于压气机部件的真实物理结构搭建的，相对于纯数据驱动的方法需求训练数据量少，且更加具有可解释性。且更加具有可解释性。且更加具有可解释性。


技术研发人员：周磊 肖洪 陈果 游瑞 唐轲
受保护的技术使用者：西北工业大学
技术研发日：2023.05.29
技术公布日：2023/9/14