应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片(VSV)调节规律极其复杂,通过挖掘快速存取记录装置(QAR)数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化(PSO)算法的支持向量回归机(SVR)模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSOSVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。

民航发动机进口可调导流叶片调节规律研究

调整发动机进口可调导流叶片能够防止失速或喘振的发生,提高发动机工作稳定性,改善发动机性能。依据进口可调导流叶片的防喘原理,利用基准进口气流角法建立发动机进口可调导流叶片调节规律模型。通过模型计算发动机不同状态点下的进口可调导流叶片安装角度,并与实际位置进行对比。结果表明,除个别复杂航段外,模型计算值与实际值偏差较小,证明模型能够很好地反映进口可调导流叶片的调节规律,可为发动机故障诊断和VSV控制系统的设计提供参考。

基于Adaboost的发动机故障诊断训练数据影响分析

数据挖掘是民航发动机故障诊断的重要手段之一,故障诊断模型的训练数据多来源于已知故障数据或试验数据。实际操作中,不同种类的大量故障数据难以获得,且同一种故障由于故障程度的不同也可能使性能参数产生较大差异,导致诊断模型的推广性较差。在故障数据较少的情况下,如何获得鲁棒性好的诊断模型具有重要意义。指印图标识了不同故障对应的发动机主要性能参数的小偏差量,可用数据挖掘方法,将其作为不同故障的基础数据。通过比值系数法、相关系数法、单位向量法扩充基础数据,再应用不同的噪声添加方法,作为模型训练的数据,使诊断模型更具推广性。

基于PSOBP神经网络的民航发动机VSV故障诊断

现代民航发动机大多使用VSV系统来提高发动机工作稳定性和避免发动机失速或喘振。为了诊断VSV系统故障,提出了一种基于PSOBP神经网络对VSV位置进行监控的方法,当PSOBP神经网络模型的预测值与实际值的偏差超过一定值时,则判断VSV系统故障。利用发动机健康状态的QAR数据,基于PSO算法优化的BP神经网络建立了发动机VSV在飞机下降段的调节规律模型,同时建立BP神经网络模型。经过对比分析,通过PSOBP神经网络建立的VSV调节规律模型的诊断精度,高于传统的BP神经网络模型,可为民航发动机状态监控和故障诊断提供依据,具有一定的工程实用价值。

基于试验数据的活塞发动机性能参数分析

通过分析活塞发动机的TCDS数据,能够实现活塞发动机的状态监控和故障诊断。利用发动机实验操作台,对O200发动机、O300发动机和R985发动机实施三种故障安装,得到故障状态下的性能参数。然后以健康参数为基础计算偏差,基于发动机原理及工程经验,对不同型号发动机在不同故障下的性能参数进行对比分析,结合发动机维修手册可快速确定发动机故障部位,为发动机设计和维修工作提供技术支持。

飞行原理实验的教学实践案例分析

阐述飞行原理实验教学中的问题,提出以"超星学习通"平台为基础,对教学方式、实验分组、考核方式、教师资源共享的改革创新,从而有利于提高飞行技术专业学生的学习兴趣。