外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,...外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,现有的方法较难对此类故障进行有效的预警。因此,针对该问题,基于监控数据提出一种深度特征提取的支持向量数据域描述(Support vector data description,SVDD)的故障预警方法,以实现对外涵静子叶片脱出故障的早期预警。首先,采用基于发动机气路性能辨识的建模方法,建立发动机特定性能参数的观测模型对气路参数进行深度特征提取,以真实状态量与模型观测量的差值作为航空发动机是否发生故障的特征;然后利用SVDD算法建立决策边界,实现故障数据的自动划分,决策边界生成的阈值可在故障发生之前的一定时间之内给出告警;最后,经过多次计算,结果表明,在故障早期直至故障发生的区间内,表征其健康状态的性能参数都与观测量有较大的偏移,表明了所选特征的有效性。使用数据增强方法生成故障仿真数据与真实数据进行对比验证,预警时间比故障真实发生时间预警模型平均提前3.14 h。展开更多
针对航空发动机滑油箱油量测量值易受多个参数影响导致滑油消耗率难以计算和预测的问题,提出了一种改进的滑油量数据提取规则和滑油消耗率预测方法。基于密度聚类算法(Density-based spatial clustering of applications with noise,DBS...针对航空发动机滑油箱油量测量值易受多个参数影响导致滑油消耗率难以计算和预测的问题,提出了一种改进的滑油量数据提取规则和滑油消耗率预测方法。基于密度聚类算法(Density-based spatial clustering of applications with noise,DBSCAN)等方法对发动机数据进行了清洗,获取平稳飞行状态下滑油量数据。使用最小二乘法对滑油量进行拟合,得到了滑油消耗率,平均拟合优度达到了0.86。在此基础上,利用多层感知器(Multi-layer perception,MLP)建立了滑油消耗率与飞行状态参数之间的关系,预测结果与实际值的平均绝对百分比误差为1.15%。本文提出的方法能够满足实际工程需求,为评估航空发动机滑油系统的健康状况提供了可靠参考。展开更多
A multi-component system has the long fixed maintenance time, so the opportunistic maintenance policy is adopted to put preventive replacement and corrective replacement together, so that the long fixed maintenance ti...A multi-component system has the long fixed maintenance time, so the opportunistic maintenance policy is adopted to put preventive replacement and corrective replacement together, so that the long fixed maintenance time can be shared by more than one component, and the system availability can be improved. Then, the generation characteristics of the random failure time are researched based on the replacement maintenance and the minima[ maintenance. Furthermore, by choosing the opportunistic replacement ages of each component as opti- mized variables, a simulation algorithm based on an opportunistic maintenance policy is designed to maximize the total availability. Finally, the simulation result shows the validity of the algorithm by an example.展开更多
文摘外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,现有的方法较难对此类故障进行有效的预警。因此,针对该问题,基于监控数据提出一种深度特征提取的支持向量数据域描述(Support vector data description,SVDD)的故障预警方法,以实现对外涵静子叶片脱出故障的早期预警。首先,采用基于发动机气路性能辨识的建模方法,建立发动机特定性能参数的观测模型对气路参数进行深度特征提取,以真实状态量与模型观测量的差值作为航空发动机是否发生故障的特征;然后利用SVDD算法建立决策边界,实现故障数据的自动划分,决策边界生成的阈值可在故障发生之前的一定时间之内给出告警;最后,经过多次计算,结果表明,在故障早期直至故障发生的区间内,表征其健康状态的性能参数都与观测量有较大的偏移,表明了所选特征的有效性。使用数据增强方法生成故障仿真数据与真实数据进行对比验证,预警时间比故障真实发生时间预警模型平均提前3.14 h。
文摘针对航空发动机滑油箱油量测量值易受多个参数影响导致滑油消耗率难以计算和预测的问题,提出了一种改进的滑油量数据提取规则和滑油消耗率预测方法。基于密度聚类算法(Density-based spatial clustering of applications with noise,DBSCAN)等方法对发动机数据进行了清洗,获取平稳飞行状态下滑油量数据。使用最小二乘法对滑油量进行拟合,得到了滑油消耗率,平均拟合优度达到了0.86。在此基础上,利用多层感知器(Multi-layer perception,MLP)建立了滑油消耗率与飞行状态参数之间的关系,预测结果与实际值的平均绝对百分比误差为1.15%。本文提出的方法能够满足实际工程需求,为评估航空发动机滑油系统的健康状况提供了可靠参考。
文摘A multi-component system has the long fixed maintenance time, so the opportunistic maintenance policy is adopted to put preventive replacement and corrective replacement together, so that the long fixed maintenance time can be shared by more than one component, and the system availability can be improved. Then, the generation characteristics of the random failure time are researched based on the replacement maintenance and the minima[ maintenance. Furthermore, by choosing the opportunistic replacement ages of each component as opti- mized variables, a simulation algorithm based on an opportunistic maintenance policy is designed to maximize the total availability. Finally, the simulation result shows the validity of the algorithm by an example.
