基于模糊神经网络发动机状态监测警报系统的建立

针对传统的依靠单一参数对发动机进行状态监测的不足,利用模糊神经网络处理不确定性复杂问题的能力,融合多种监测参数的信息,建立了基于趋势分析的5级状态监测警报系统。首先从铁谱、振动和性能参数三方面优选监测参数,通过对大量历史数据的统计分析得到各监测参数的界限值,建立了发动机失效程度逐级递进的5级状态监测标准。然后建立隶属函数,通过计算隶属度实现了输入样本的模糊化。最后设计神经网络的结构,利用历史数据训练网络。通过对实例结果的分析证明了该模型的实效性。

基于小波过程神经网络的飞机发动机状态监视

针对飞机发动机状态监视问题,提出了小波过程神经网络模型。其隐层和输出层为过程神经元,隐层激活函数采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质,有更强的学习能力和更高的预测精度。文中给出了相应的学习算法,并以飞机发动机状态监视中排气温度裕度的预测为例,分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明,小波过程神经网络结构更简单,收敛速度更快,优于过程神经网络,因而为飞机发动机状态监视提供了一种有效的方法。

基于混沌时间序列理论的发动机状态参数降噪研究

针对因缺乏未染噪数据而难以考查航空发动机状态参数降噪效果的问题,提出了基于混沌时间序列理论来考查其降噪效果的办法,并结合实例考查了小波、奇异谱分析和局部投影3种降噪方法对航空发动机状态参数的降噪效果。仿真结果表明,局部投影法更多地保留了发动机状态参数的混沌特性,适用于航空发动机状态参数的降噪处理。

航空发动机状态监控与故障诊断系统研究

航空发动机的状态监控与故障诊断系统(EMS)已成为先进发动机的核心技术之一,现已发展成为一门新兴的科学技术。国外的许多军用飞机由于采用EMS,极大降低发动机的使用和维修成本、提高发动机使用的可靠性。本文结合某型发动机的EMS,阐述了EMS的实现方法和发展趋势。

基于模糊信息融合的航空发动机状态聚类分析

将模糊信息融合中模糊聚类分析的方法应用于航空发动机。通过对其性能参数的预处理以及构造模糊相似矩阵,利用传递闭包法得到等价关系矩阵,并对聚类结果进行分析,用实例验证了所用方法的可行性,为发动机状态监控人员更好地识别发动机的运行状态和故障现象提供了一种有效的方法和途径。

K-means算法在发动机状态评估方法中的研究及应用

针对发动机状态评估具有随机性大、易受噪声数据干扰从而影响评估结果准确性的问题,研究了基于改进K-means算法评估发动机状态的方法。作者介绍了传统K-means算法的不足,提出了改进后算法的基本流程,运用实际评估案例,介绍了优化后算法的具体实施过程,最后将改进后的算法与传统算法进行比较,验证了改进后的算法客观性和稳定性更好,更适用于发动机状态评估。

逆变理论视角下幽默风格与动机状态相关研究

运用逆变理论的元动机状态结构验证并讨论了幽默风格背后的心理机制。研究发现,幽默风格与动机模式存在明显相关关系,不同的幽默风格与特定的元动机动态有关。亲和型、自强型、嘲讽型和自贬型4种幽默风格背后都具有独特的元动机的特征。幽默风格与动机模式的关系暗示,幽默风格作为幽默行为的一种特性,同样是受元动机状态的逆变性质影响的。

航空发动机状态监控亚定方程组有效数字算法

缺少状态监控的信息量是基于数学模型的航空发动机状态监控的主要困难。航空发动机状态监控亚定方程组缺少成熟可靠的求解算法。提出一种求解航空发动机状态监控亚定方程组的有效数字算法。此算法按实际工程应用所需的有效数字位数将解空间离散化,再加上亚定方程组本身的物理背景约束,然后用求解整数规划问题的方法将亚定方程组求解出来。仿真结果表明此算法是有效的,且2或3位有效数字的仿真结果曲线拟合较好,能较好地满足实际工程应用的需要。

基于深度信念网络的民航发动机状态监测

民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息;传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意;此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取;实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。

航空发动机状态监控与故障诊断系统(EMS)研究

航空发动机的状态监控与故障诊断系统(EMS)已成为先进发动机的核心技术之一,现已发展成为一门新兴的科学技术。国外的许多军用飞机由于采用EMS,极大降低发动机的使用和维修成本、提高发动机使用的可靠性。本文结合某型发动机的EMS,阐述了EMS的实现方法和发展趋势。

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。

汽车发动机状态监测与故障诊断技术研究

汽车发动机状态监测与故障诊断技术和汽车发动机的性能、可靠性、使用安全直接相关。在汽车发动机长时间使用过程中,需要对其技术状态进行实时监控和评估,发现潜在故障并快速定位,以指导维护保养工作,确保汽车发动机可靠运行。该文分析基于声音信号、振动信号、油液分析等状态监测技术,以及模型建立、知识库建设等故障诊断方法,提出汽车发动机状态监测与故障诊断技术创新路径,以实现汽车发动机的状态评估和故障预测,提高汽车发动机的性能和耐久性。

AVL845发动机诊断分析系统在发动机状态修中的应用

AVL845型发动机诊断分析系统由主机及各测量传感器和可移动的机架构成。其特点是便于发动机在车测试,且无需加载设备就能对发动机的功率和扭矩特性进行测量。测试原理和功能：AVL845型发动机诊断分析系统可对柴油机和汽油机进行诊断分析,对于柴油机可进行以下几项测试和诊断分析：

基于自适应多尺度注意力机制的CNN-GRU矿用电动机健康状态评估

利用多传感器信息融合技术进行电动机健康状态评估时,矿用电动机监测数据中存在异常值和缺失值,而卷积神经网络和循环神经网络等深度学习模型在数据质量下降严重的情况下难以有效提取数据特征和更新网络权重,导致梯度消失或爆炸等问题。针对上述问题,提出了一种基于自适应多尺度注意力机制的CNN-GRU(CNN-GRU-AMSA)模型,用于评估矿用电动机健康状态。首先,对传感器采集的电动机运行数据进行填补、剔除和标准化处理,并以环境温度变化作为依据对矿用电动机运行数据进行工况划分。然后,根据马氏距离计算出电动机电流、电动机三相绕组温度、电动机前端轴承温度和电动机后端轴承温度等健康评估指标的健康指数(HI),采用Savitzky–Golay滤波器对指标HI进行降噪、平滑、归一化处理,并结合主成分分析法计算的不同指标对矿用电动机的贡献度,对指标HI进行加权融合得到矿用电动机HI。最后,将矿用电动机HI输入CNN-GRU-AMSA模型中,该模型通过动态调整注意力权重,实现对不同尺度特征的信息融合,从而准确输出电动机健康状态评估结果。实验结果表明,与其他常见的深度学习模型CNN,CNN-GRU,CNN-LSTM,CNN-LSTM-Attention相比,CNN-GRU-AMSA模型在均方根误差、平均绝对误差、准确率、Macro F1及Micro F1等评价指标上更优,且预测残差的波动范围更小,稳定性更优。

发动机工作状态对排气扩压器流动特性的影响

为了准确描述发动机工作状态对高空台排气扩压器流动特性的影响,采用Fluent软件数值模拟分析了3 km和5 km飞行高度,发动机中间状态、小加力状态和最大状态下高空台排气扩压器气流压力、速度、温度的变化规律。结果表明:飞行高度为3 km和5 km时,相同状态下排气扩压器内气流压力、速度、温度变化趋势基本一致。经过排气扩压器扩压减速后,发动机中间状态、小加力状态和最大状态下气流静压增加了12%,21%,25%,气流速度衰减了79%,80%,76%。当发动机工作状态从中间状态转变为最大状态时,排气扩压器内气流温度逐渐升高,波动也越大。

线性拟合法建立航空发动机状态变量模型

针对非线性拟合法建立航空发动机状态变量模型过程中的初值问题,提出了一种能够避免该问题的线性拟合法,即在离散域情况下,利用已知的状态序列来构建系统矩阵与模型响应之间呈线性关系的目标函数,从而使非线性最小二乘问题转化为线性最小二乘问题.应用该方法建立某型涡扇发动机的小偏差状态变量模型,并与非线性拟合法进行了对比研究,结果表明该方法不仅避免了初值问题,而且具有较高的建模精度,从而验证了该方法的有效性.

用图表法判别发动机所处状态及气门可调性的研究

用平面图与表的方法,论述了在非解体情况下,理论判别发动机在某一时刻的所处状态及气门的可调整性.

基于有限状态自动机的车道变换模型

为了解决车道变换模型中采用Gipps换道框架计算效率不高的问题,提出了一种车辆行驶的有限状态自动机框架,该框架能够容纳选择性换道和强制性换道,使驾驶员从当前状态出发进行局部决策。同时提出了基于临界距离的强制性换道需求产生条件和基于前方交通状态的选择性换道需求产生条件,推导了基于前后临界空当的换道安全条件,开发了交通仿真软件,并在二车道道路上对模型进行了验证。结果表明:该模型能够再现真实的交通流宏观特性和换道行为微观特性。

基于有限状态自动机的服务组合模型

分析了目前服务计算的研究现状和存在的问题,在D Berardi和A Wombacher的基础上提出了一种带条件的有限状态自动机模型cFSA(Finite State Automata with condition),并给出了基于cFSA的服务理论模型.在该服务理论模型的基础上提出了一种基于有限状态自动机的服务组合形式化模型,并给出了该模型的代数性质和实现方法.

BPEL中基于有限状态自动机的Web服务自动组合

提出了一种基于有限状态自动机的Web服务自动组合方法,该方法能够自动实现BPEL中抽象业务流程与Web服务的绑定.以有限状态自动机模型形式化地定义了业务流程的外模式和内模式,将Web服务组合问题转化为有限状态自动机问题.利用有限状态自动机的笛卡儿积运算,得出了服务组合系统的行为描述.在此基础上,提出了组合服务存在性的判定依据,进一步给出了组合服务的计算方法,设计并实现了一个演示系统.