发动机故障诊断的主因子模型

提出了发动机故障论断的主因子模型。这是一种基于故障方程的参数诊断方法。主因子模型能够利用较少的测量参数对较多的故障类型进行论断,可以有效地克服故障方程病态的影响,保证诊断结果具有高的精度和信度,并提供诊断结果可靠性的评价信息。文中给出了主因子模型的基本理论、主因子模型的最优实用算法及其算例以及对于JT9D发动机的24个故障样本的验算结果。理论和实际考核表明主因子模型是一种有效的故障诊断方法。

Kohonen网络在发动机故障诊断中的应用

文中第一部分研究了利用Kohonen 网络进行发动机故障诊断的特点与算法。并以JT9D发动机为例对算法的有效性进行了检验,23 个故障样本的确诊率达到87% 。文中还以一个典型例子进行了详细分析。文中第二部分提出了利用Kohonen 网络进行故障诊断结果排序的方法,该方法有助于给出简明的诊断结论。文中第三部分提出了利用Kohonen 网络提取故障样本群的代表性样本的方法。该方法对于经验故障方程的建立十分有用。研究结果表明,自组织映射模型程序简单、应用方便,诊断结果不受训练样本的病态影响,特别是能够以非常简单而直观的方式揭示样本群的统计特性,是一种适用于发动机分类故障诊断的较好的。

发动机全面性能诊断的随机搜索模型

提出了求解发动机亚定故障方程组整体优化解的随机搜索模型。该数学模型可以在同时发生的故障模式的数目小于、等于、特别是大于测量参数个数的各种复杂情况下给出全面的故障诊断信息。以ＪＴ９Ｄ发动机全面性能诊断问题为例，利用随机模拟样本对随机搜索模型的诊断有效性进行了评估，并且利用ＪＴ９Ｄ发动机的２４个实际故障样本对随机搜索模型进行了检验。研究结果表明，利用４个测量参数可以对发动机主要部件同时发生的６～１０个故障进行诊断。诊断有效性指标可达０．８９～０．９４。

发动机故障诊断的主特征量模型

本文提出了发动机状态监控气路分析的主特征量模型。主特征量摸型的基本原理为对于发动机部件匹配热力学关系式的小偏差方程组,利用最优化方法求出各种可能的故障组合的最优解,然后根据合理性判据选择合理的最优解。主特征量模型可以在可能的故障参数数目大于测量参数数目的情况下,对主要故障参数进行故障诊断。与目前广泛采用的影响系数矩阵法比较,主特征量模型可以用于测量参数数目较少的情况,并且可以给出较多的故障诊断信息,因此具有广泛的实用意义。文中给出了主特征量模型的三种数学模型,讨论了利用主特征量模型进行故障诊断的有关技术问题,并且通过计算机模拟方法对主特征量模型的适用性及可靠性进行了分析。研究结果表明,本文提出的主特征量模型是发动机状态监控与故障诊断的一种有效方法。

发动机经验故障方程的建立与应用

本文提出了根据发动机故障样本建立故障方程的方法。发动机经验故障方程是不同于发动机小偏差方程的另一类故障方程 ,它为发动机故障诊断提供了一条简便易行的途径 ,并且使发动机故障诊断范围扩展到气路分析方法难以适用的场合。文中讨论了经验故障方程的建立方法及其在发动机故障诊断中的应用 ,给出了利用经验故障方程进行发动机故障诊断的实例。

发动机故障方程的最少故障整体优化解

发动机故障诊断是根据有限的发动机性能参数的测量值在众多的可能发生但不一定发生的故障之中确定出故障的类别和程度。测量参数与故障参数之间的关系通常表示为亚定的线性方程组△y=A△x,式中△y为测量参数向量而△x为故障参数向量。引入最少故障原理可以对亚定的故障方程组求解。求解方法可分为整体优化解法和组合优化解法两大类。本文给出两种基于最少故障原理的约束整体优化解法。最少故障原理和约束条件的引入可以有效地保证最优解的确定性和合理性。文中还给出了利用整体优化解法进行发动机故障诊断的实例。

发动机亚定故障方程组整体优化解分布函数模型

提出了求解发动机亚定故障方程组整体优化解的分布函数模型.该模型利用一种可以控制自变量数值在整体解中分布的分布函数与亚定故障方程组的残差平方和构成复合目标函数,同时以物理合理性准则作为约束条件,构成一个非线性规划问题.分布函数模型可以在小于、等于特别是大于故障方程个数的各种复杂情况下给出全面的故障诊断信息,从而为目前迫切需要解决的发动机性能监控与故障诊断中在测量参数不足的情况下,对发动机进行全面性能诊断的技术难题提供出一种切实可行而又十分有效的数学模型.首次提出了作为评价发动机全面性能诊断算法有效性指标的相似度的概念,并且以JT9D发动机全面性能诊断问题为例,利用Monte Carlo随机模拟方法确定了分布函数模型可以达到的相似度值.研究结果表明,分布函数模型的相似度可达0.9以上.还利用JT9D发动机的实际故障样本对分布函数模型进行了检验.

利用BP网络进行发动机故障诊断的研究

探讨了利用人工神经网络的ＢＰ网络进行发动机故障诊断的特点。通过发动机实际故障样本和模拟故障样本对ＢＰ网络的故障诊断功能进行了研究，并且对ＢＰ网络与主因子模型两种算法进行了比较。

发动机故障诊断主状态量模型的数学模型

发动机故障诊断的一种主要方法是根据故障方程和发动机性能参数的测量值确定故障的类别和故障程度,故障方程组通常是亚定的。主状态量模型是求解亚定的故障方程的有效方法。主状态量模型的主要内容是根据最少故障原理,利用最优化方法求解然后根据合理性准则选择合理最优解。本文详细地讨论了主状态量模型可能采用的数学模型,并且指出:(1)主状态量模型可以采用不同的数学模型求解;(2)并非所有的数学模型都能给出合理的结果。本文的研究结果表明,约束或无约束超定最小二乘法和单个优选的散度法是发动机故障诊断主状态量模型的理想算法,而本文中所讨论的其他算法都或多或少存在一定的问题。

发动机故障诊断的MONTE CARLO通解算法

给出了发动机故障诊断的 Monte Carlo通解算法 ,该算法可以有效地解决发动机故障诊断算法中由于故障方程存在多重共线性所引起的误诊、漏诊与多解问题。首先给出求解故障方程的 Monte Carlo算法 ,该算法能够保证得到满足故障方程的全部合理解 ;能够简单地用于各种故障相关性准则 (例如各种残差向量范数准则 )以及亚定故障方程的求解问题 ;并且算法简单易行 ,无需为每个特定情况专门编制计算程序。其次提出了基本解与通解的概念 ,并且给出了利用主成分分析与利用主因子模型求基本解的两种有效算法。利用基本解与通解算法可以将由于多重共线性引起的复杂故障诊断结果表示为简单明了的形式 ,有利于对诊断结果作出正确决策。用计算机模拟方法对算法的有效性进行了分析 ,对于 JT9D发动机气路方面的 2 4个实际故障样本 ,所给出的算法的确诊率为 86%～ 92 %

发动机故障诊断的主特征量模型

本文提出了发动机状态监控气路分析的主特征量模型。其基本原理如下:对于发动机部件匹配热力学关系式的小偏差方程组,利用最优化方法求出各种可能的故障组合的最优解,并根据合理性判据选择合理的最优解。它可以在可能的故障参数数目大于测量参数数目的情况下,对主要故障参数进行故障诊断。与目前广泛采用的影响系数矩阵法比较,主特征量模型可以用于测量参数数目较少的情况,并且可以给出较多的故障诊断信息,因此具有广泛的实用意义。文中给出了主特征量模型的三种数学模型,讨论了利用主特征量模型进行故障诊断的有关技术问题,并且通过计算机模拟方法对主特征量模型的适用性及可靠性进行了分析。研究结果表明,本文提出的主特征量模型是发动机状态监控与故障诊断的一种有效方法。

发动机故障隔离技术的主特征量模型

本文提出了发动机气路分析故障隔离技术的主特征量模型。主特征量模型的基本原理如下:发动机征兆量和发动机特征量之间存在着特殊的函数关系,即 n 个征兆量小偏差方程可以被少于 n 的 t 个故障量偏差所满足。利用这一特性可以对多于征兆量数目的 m 个特征量进行故障隔离。与目前广泛采用的影响系数矩阵法比较,主特征量模型不仅具有更广泛的实用意义,而且数学模型更加严格,并且能提供较多的故障诊断信息。文中给出了主持征量模型的两种求解方法,即最小征兆量偏差残差模法和最小特征量偏差法。文中还给出了主特征量模型的计算例题,并对计算结果进行了分析。

发动机故障诊断主因子模型故障相关性准则的研究

】主因子模型是发动机状态诊断（基于故障方程的故障诊断）理论的一个新进展。故障相关性准则的正确选取是主因子模型的核心问题。本文给出三种建立故障相关性准则的途径，即利用线性回归分析、时序分析和系统辨识理论中的定阶准则建立故障相关性准则，以及利用数理统计中的线性模型线性假设显著性检验理论和区间预测理论建立故障相关性准则。文中对所得到的１１个准则进行了比较。研究结果表明，利用线性模型线性假设显著性检验理论建立的两个准则（变量显著性准则ＶＳＣ和子集显著性准则ＳＳＣ）要比近代回归分析、系统辨识或时序分析中通常采用的选择最优变量子集的定阶准则具有更强的故障辨识能力和鉴别线性模型多重共线性的能力。

发动机故障诊断的变记忆约束滤波算法

为提高故障诊断可靠性，给出了3种利用多次测量信息减少测量误差影响的方法，即变记忆约束滤波算法、分段算术平均预平滑算法以及指数顶平滑算法。其中，变记忆约束滤波算法能够有效地避免由于故障方程多重共线性所引起的病态解。证明了多故障诊断问题中滤波算法与分段算术平均算法的等价性，证明了在衰减滤波的条件下（第一变记忆因子小于1），随测量点数的增加，变记忆滤波算法的第一变记忆因子与指数平滑的平滑系数之和趋近于1。利用计算机仿真方法对于所得结论进行了检验。

发动机故障诊断经验影响系数的定量化问题

本文提出了根据发动机故障样本建立故障方程的方法。发动机经验故障方程是不同于发动机小偏差方程的另一类故障方程,它为发动机故障诊断提供了一条简便易行的途径,并且使发动机故障诊断范围扩展到气路分析方法难以适应的场合。文中讨论了经验故障方程的建立方法及其在发动机故障诊断中的应用,给出了利用经验故障进行发动机故障诊断的实例。

发动机故障方程的最少故障直接整体解

发动机故障诊断的一种主要方法是根据故障方程和发劝机性能参数的测量值确定故障的类别和故障程度。故障方程组通常是亚定的。根据最少故障原理可以对亚定的故障方程组求解。求解方法分为直接整体解法(一次优化整体解法)和组合优化解法(两次优化解法)两大类。本文给出了三种直接整体解法,即根式目标函数方案、分式目标函数方案和调整因子方案,并且讨论了约束条件的计入方法及其重要意义。所给出的方法相当严格地满足最少故障原理。文中还给出了利用直接整体解法进行发动机故障诊断的实例,并且对直接整体解法进行了全面的评价。

总压形式的能量方程与热阻问题

本文根据热力学第二定律的熵方程和稳定流的能量方程导出了用总压表示的一维定常流的能量方程。这是不同于稳定流能量方程（以焓表示的能量方程）和伯努利方程（机械能形式的能量方程或以压强位能表示的能量方程）；的另一种形式的能量方程。这一方程给出了热量、功量和熵产等因素对于气流总压的影响。特别是这一方程给出了热阻是一般流动情况下（不限于等截面加热管流和等压加热流动）的普遍现象的证明。文中第二部分给出了关于热阻的物理意义的定量分析。

发动机故障诊断主状态量模型合理解的选择

主状态量模型是基于发动机故障方程的发动机故障诊断的一种十分有效的方法,它在发动机故障诊断上的成功应用已为大量实例所证实。发动机故障诊断主状态量模型的一个技术关键就是合理解的选择问题。本文给出了选择合理解的基本原则。这些原则可以有效地提高合理解选择的确定性和故障诊断的故障分辨率。对于JT9D发动机的大量故障实例利用主状态量模型(加权最小二乘法)进行了检验。故障诊断的成功率达90%以上,并且得到了许多有用的信息,文中给出了24个实例的故障诊断结果以及故障趋势分析的典型例子。

发动机故障诊断的主成分算法

给出了两种基于主成分分析的发动机故障诊断算法，即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点，即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念，解决了主成分个数选择的难题．还以ＪＴ９Ｄ发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明，利用主成分降维方法可以将ＪＴ９Ｄ发动机的２６个故障因子压缩到９个，或者将５个单元体的１０个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。

航空发动机气动热力参数的趋势分析

航空发动机状态的趋势分析,是一种广泛地应用于航空发动机性能监控的分析技术。本文建立了发动机气动热力参数趋势分析的数学模型,着重讨论了有关数据处理中的四个问题:参数的换算;野点的判断和剔除;趋势性的判断和数据的平滑与预测。并将上述模型应用于JT9D发动机的气动热力参数的趋势分析。