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。

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。

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.

Y12系列发动机的状态趋势监控

发动机状态趋势监控(ECTM)是用户监测发动机的一种维护手段,可以:1.跟踪发动机燃气发生器德使用的状态,早期探测发动机性能的衰减和退化(特别是潜在的故障);2.在最佳经济点进行修理,能降低使用和维护费用,因为状态趋势监控能在早期发现故障的隐患,不等发动机损坏到严重的程度就采取措施,因而降低了使用和维修费用。3.协助判断故障问题来源,减少了分析故障的时间;4.对热段检查实行“软时间”,即视情热检;5.增加了运行(航班)的可靠性。

用结构自适应神经网络预测航空发动机性能趋势

将航空发动机作为复杂非线性系统考虑,运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论,建立航空发动机性能趋势预测的神经网络模型,同时,针对神经网络的结构设计困难问题,建立了基于遗传算法的结构自适应神经网络预测模型,实现了神经网络结构的优化。最后,利用三组民航飞机发动机的性能数据进行了预测分析,验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。

用改进子空间辨识法建立航空发动机模型

研究一种采用改进子空间辨识法建立用于航空发动机故障诊断与控制系统设计的小偏差状态变量模型方法。首先,利用发动机非线性模型的输入输出数据序列,在离散域下基于子空间辨识法建立指定阶数、无噪声干扰的状态变量模型,然后将其转化到连续域下进行相似变换,从而获得具有明确物理意义的发动机状态变量模型。这样,不仅避免了那些基于最优化思想方法所带来的一系列问题,即非线性迭代优化、对初始值敏感、计算时间长、系统矩阵参数规律性差等,而且不受模型阶次影响,并具有实现简单等特点。应用于建立某型涡扇发动机的小偏差状态变量模型,并与改进拟合法在拟合精度、计算时间、参数变化三个方面进行比较,从而验证了改进子空间辨识方法的优点与有效性。

某航空发动机燃烧室进口温度控制设计研究

引言随着电子技术和计算机技术发展,国内设备控制向自动化、数字化、综合化、智能化和网络化的发展,尤其在一些大型机械设备和长期恶劣环境中得到广泛应用。而燃烧室试验状态复杂(按发动机工作状态可分为起飞状态、最大连续状态、巡航状态、慢车状态等),需对试验器各系统的变量(例如压力、温度、流量等)进行调节和控制。

发动机通风冷却系统的影响因素分析

整理了风斗进入短舱的冷气流量的变化规律,对发动机通风冷却系统各影响因素进行分析,分析了发动机状态、飞行状态(高度、马赫数)对飞机短舱内温度变化的影响规律。结果表明,发动机状态是影响发动机通风冷却系统的主要因素,飞行状态对涡喷和涡扇发动机通风冷却系统的影响规律不同。

涡轴发动机自吸油试验方案设计及验证

阐述了涡轴发动机自吸油特点,对比了国内外相关标准对涡轴发动机自吸油能力的评定要求和方法。研究了涡轴发动机油泵自吸油工作机理,总结出合理可行的自吸油试验方法,并进行了飞行试验验证,以确定影响飞行试验方法的各种因素,包括自吸供油的高度边界、各个高度自吸供油的速度范围和发动机状态。试验表明,影响发动机自吸油边界的主要因素为发动机状态和飞行高度,所提出的试验方案经验证可行且能够较为充分地验证发动机自吸油能力。