基于融合神经网络的发动机排气温度裕度预测

民用航空发动机排气温度裕度(EGTM)的变化趋势反映了其性能衰退情况,为使用EGTM的变化趋势来映射其性能衰退情况,提出了一种经验模态分解(EMD)算法与卷积长短期记忆网络(CNN-LSTM)相融合的EGTM组合预测模型。采用EMD将原始EGTM序列分解为多个固有模态分量和残差分量,并将所有分量作为模型输入,利用卷积长短期记忆网络捕获各分量非线性相关性并提取长时依赖关系,构建深度学习模型框架。为验证所提方法的有效性,采用某航空公司10 a的EGTM的实际测试数据进行实验分析,并设计了5种神经网络作为竞争模型进行对比研究。实验结果表明:相比于竞争模型,所提出的EMD-CNN-LSTM组合预测模型可使平均绝对误差和均方根误差降低37.82%和33.01%,拟合优度提高1.02%,此外,当EGTM处于敏感区域时,所提出模型的EGTM单点预测精度显著高于其他竞争模型。结果表明,该融合神经网络模型在民航发动机EGTM预测中具有较好的准确性和稳定性。

基于起飞排气温度裕度(EGTM)的航空发动机寿命预测研究

起飞排气温度裕度(exhaust gas temperature margin,EGTM)是一表征航空发动机性能的重要参数,针对民航发动机性能监控,给出了起飞EGTM的定义及其估算方法,并利用起飞EGTM预测了某航空发动机的剩余寿命。实践表明,利用提出的起飞EGTM估算方法,能够基本满足发动机工程管理的需要。

高压涡轮罩环安装形变对排气温度裕度的影响

为研究高压涡轮防护罩环(HPTS)安装后产生的同心度偏移和形变对航空发动机排气温度裕度(EGTM)的影响,根据发动机HPTS安装后的偏移及形变参数,结合高压涡轮单元体相关几何结构,运用支持向量机(SVM)建立了发动机维修后试车的EGTM预测模型。依托所建模型分析了冷态下HPTS不同安装形变偏向对EGTM的影响,并结合试验中HPTS热态下的磨削情况讨论了其影响产生的原因。研究方法可为发动机试车前HPTS的安装和调整提供指导建议。

基于改进EMD的排气温度裕度预测

针对排气温度裕度(EGTM)数据的非线性、非平稳特征,提出了基于改进经验模态分解(EMD)与支持向量回归结合的预测方法。通过改进的EMD方法对EGTM数据进行分解以降低时间序列的复杂程度;根据EMD得到各本征模态函数及趋势序列,构建基于支持向量机的预测模型;将所得的各分量的预测结果综合得到EGTM预测结果。以某航空发动机EGTM数据验证所提方法的有效性,相比于传统的预测方法,均方根误差降低至2.024,平均绝对位差降低至1.603,有效提高了回归精度。

基于粒子群极限学习机的排气温度裕度预测

排气温度是表征发动机工作状态的主要参数之一,通过对多个飞行架次的排气温度裕度(Exhaust Gas Temperature Margin,EGTM)进行预测分析,能够在一定程度上反映发动机工作性能,为后续故障检测工作提供理论依据。针对EGTM数据的非线性、非平稳特征,提出了基于粒子群优化算法(Particle Swarm Optimization,PSO)的极限学习机(Extreme Learning Machine,ELM)预测方法。通过ELM构建EGTM的预测模型,并利用PSO算法对其参数进行优化以保证模型的精确性;以某航空发动机EGTM数据作为验证,结果表明,相比于传统的预测方法,RMSE与MAE分别降低至1.889 8、1.0,有效提高了预测精度。

基于EMD-SVR的排气温度裕度预测

排气温度是发动机运行状态的重要性能表征参数之一,通过对多个飞行架次的排气温度裕度(Exhaust Gas Temperature Margin,EGTM)进行预测分析,能够有效表达发动机的工作性能,从而为后续故障预防及检测提供理论依据。针对EGTM数据的非线性、非平稳特征,提出了基于经验模态分解(Empirical Mode Decomposition,EMD)与支持向量回归(Support Vector Regression,SVR)相结合的预测方法。通过EMD方法对EGTM数据进行分解以降低时间序列的复杂程度;然后根据EMD得到的各本征模态函数及趋势序列,构建基于SVR的预测模型;最后将所得的各分量的预测结果综合以得到EGTM的预测结果。以某航空发动机EGTM数据作为验证,结果表明,相比于传统的预测方法,RMSE与MAE分别降低了77.76%、80.62%,有效提高了回归精度。

基于数据的航空发动机排气温度裕度及剩余寿命计算方法

针对航空发动机重要监控参数排气温度裕度(EGTM)计算及预测困难的问题,根据航空工业标准实施指南,建立了一种基于数据的EGTM计算方法及剩余寿命预测模型。分解EGTM影响因素并基于修正后的相似理论对风扇转速及排气温度进行修正。对部分换算/修正公式参数的离散试验数据进行拟合,得到关系曲线。利用支持向量机学习发动机引气系统影响因素,通过遗传算法优化支持向量机的惩罚因子及核函数参数,获得经引气系统参数修正后的EGTM值。利用小波变换对EGTM进行降噪和特征提取。运用多项式回归拟合特征参数,确定单发/平均机队EGTM性能衰退率,计算EGTM剩余寿命。该模型实现了从数据输入到剩余寿命预测的全过程计算,EGTM计算结果与发动机厂商提供的结果对比拟合优度达0.994。剩余寿命衰退曲线拟合效果与小波变换后EGTM曲线对比拟合优度达0.98。结果可作为维修计划制定及经济成本计算的理论支撑和参考依据。

基于无迹粒子滤波算法的航空发动机排气温度预测

针对粒子滤波算法不能考虑最新的观测值,仅使用某时间节点之前的实际数据来预测航空发动机排气温度,会造成预测的温度数据误差累积,不能及时修正以及粒子退化等问题,将无迹粒子滤波引入到航空发动机排气温度预测中。分别介绍了粒子滤波算法和无迹粒子滤波算法;在此基础上,建立了航空发动机的退化模型。利用退化模型和无迹粒子滤波算法对航空发动机排气温度进行预测,并将预测值与实际值进行比较,将所得结果与采用传统粒子滤波算法得到的结果进行了对比,结果表明:无迹粒子滤波算法对于排气温度的预测效果较好,所预测的发动机达到阈值的时间与实际时间更为接近,温度范围更为集中,准确性更高,预测误差小于5%。

民用航空发动机拐点温度的计算方法

影响民航飞机飞行安全的因素众多,其中动力装置性能为一主要因素。针对国内外民机主力机型A320系列飞机的航空发动机CFM56-5B的拐点温度进行研究。阐释高涵道比发动机拐点温度的定义,统计分析CFM56-5B系列发动机拐点温度值及影响因素。分析其对飞机实施假设温度减推力起飞的意义及实施方法,飞机运行高温高原机场的性能要求以及拐点温度对发动机实施健康评估保障飞行安全的作用。应用最小二乘法对起飞数据进行处理,分别采用平均值法和正切法计算实际拐点温度,并与理论值验证得正切法可行。

纳入雷诺数修正的GA-Elman算法对EGTM的研究

为进一步减小排气温度裕度计算误差,对发动机起飞排气温度裕度基线观察值和雷诺数影响系数进行了多元非线性拟合,提出了利用雷诺数影响系数修正排气温度(Exhaust Gas Temperature,EGT)基线观察值的方法,将雷诺数影响系数加入神经网络的输入层,利用遗传算法(Genetic Algorithm,GA)优化Elman网络模型,建立排气温度裕度(Exhaust Gas Temperature Margin,EGTM)的预测模型。通过结合飞行数据计算,对比多元非线性拟合以及Elman网络模型和基于Elman网络优化的GA-Elman模型的计算误差效果,得出实验结果:GA-Elman对EGTM计算精度更高,鲁棒性更强。

航空发动机性能参数联合RBFPN和FAR预测

排气温度是最能反映航空发动机运行状态的性能参数之一.对连续飞行班次的起飞排气温度裕度(EGTM,Exhaust Gas Temperature Margin)参数进行预测分析,有助于判知航空发动机将来的工作性能,为预防和排除故障提供充分的时间和决策依据.在依据具有非线性、非平稳特征的起飞EGTM历史监测值序列构建预测模型时,基于奇异值分解滤波算法提出了一种联合径向基函数预测网络(RBFPN,Radial Basis Function Prediction Networks)和函数系数自回归模型(FAR,Functional-coefficient Auto Regressive model)的预测方案,充分发挥RBFPN和FAR在预测EGTM参数值变动趋势成分和随机成分的各自优势,使其互为补充,协同处理.实验结果表明该联合预测方案能够有效抑制RBFPN或FAR单独采用时所呈现出的不足,提高预测性能.

航空发动机性能参数预测方法

航空发动机性能参数预测对于发动机的视情维修具有重要的意义.为了提高预测精度,在分析发动机性能参数数据特点的基础上,提出了一种新的应用于此领域的组合预测模型.首先利用小波变换将原始数据分解为不同尺度上的几组子序列,根据各子序列的特点分别选用自回归滑动平均(ARMA,Autoregressive Moving Average)模型或求和自回归滑动平均(ARIMA,Autoregressive Integrated Moving Average)模型进行预测,然后将所有预测结果合成,得到最终预测结果.通过仿真实验,验证了该组合模型提高短期和中长期预测精度的有效性,并分析了小波分解层数对于预测精度的影响.

一种改进的航空发动机剩余寿命预测方法

针对传统的发动机剩余寿命预测方法因为假定机队中所有发动机有相同的性能衰退模式,导致预测精度不高的问题,在分析发动机排气温度裕度数据的基础上,提出基于性能衰退模式的发动机剩余寿命预测方法.对发动机排气温度裕度粗大误差的处理进行了研究,定义了排气温度裕度时序数据的距离,给出了性能衰退模式挖掘步骤,采用CFM56-5B发动机的排气温度裕度时序数据对提出的方法进行了验证.结果表明,提出的方法与基于机队EGTM平均衰退率的预测方法相比,平均相对误差减少了2.5%。基于性能衰退模式的发动机剩余寿命预测方法可以为发动机拆发期限预测和维修计划制定提供可靠的支持.

CFM56-7B型发动机衰退模型建立与研究

发动机从投入使用到返厂大修整体性能衰退是一个连续性过程,研究目的在于建立能精确反映该过程的模型。收集大量CFM56-7B型发动机数据,通过解码、修正、换算得到大量的发动机排气温度裕度数据点,分段拟合并比较得到最优的该型发动机衰退数学模型,并运用另一机队数据验证模型。验证表明模型能较好地反映该型发动机衰退规律,给系统工程师分析该型发动机提供了指导依据,对研究该型发动机的性能衰退过程具有实用和理论指导意义。

不确定条件下民航发动机维修工作范围决策

为降低民航发动机维修成本和提高修后性能,提出不确定条件下的发动机维修工作范围决策方法.将发动机各单元体各维修级别能够恢复的整机性能值表示为一个梯形模糊数,建立单元体性能恢复值分配优化的模糊机会约束规划模型;将模型的机会约束转化为清晰等价类,发现该模型和确定条件下的单元体性能恢复值分配优化模型具有相同的结构,能够采用确定条件下模型的求解方法进行求解;利用应用实例对提出方法进行了验证.结果表明:提出方法能够解决不确定条件下的发动机维修工作范围决策问题;模型机会约束的置信水平对决策结果至关重要,要综合考虑实现送修目标的风险和维修成本,确定合理的置信水平.

基于随机维纳过程的航空发动机性能衰退研究

针对发动机下发间隔预测的问题,研究了发动机性能衰退规律。基于发动机排气温度裕度(EGTM)数据,建立了随机维纳模型,并使用严酷度因子修正模型,表征不同的工作条件对发动机的影响。利用期望最大化(EM)算法结合贝叶斯定理,对模型参数求解,最终得到了基于性能衰退的发动机平均下发间隔。研究结果表明,在严酷度因子为1.2696的使用条件下,某型号航空发动机性能衰退平均下发间隔为8219循环;基于该模型预测的发动机平均下发间隔与厂商建议的下发时间之间的误差仅为1.7%。

航空发动机在翼清洗时机Wiener预测模型研究

为实现发动机在翼清洗由传统固定时间间隔向柔性时间间隔的转变,降低成本和碳排放量,利用发动机性能参数-排气温度裕度(EGTM),基于节省燃油量的成本、延长在翼时间节省的大修成本及清洗成本三者总和最小,得到发动机性能参数(EGTM)阀值,通过Wiener退化模型模拟EGTM参数衰退规律,融合运行数据预测最佳清洗时机。最后通过采用此方法清洗的80台发动机运行数据与未采用此方法清洗的108架飞机的数据作为对比,结果表明前者衰退速率慢,表明该方法较好。

基于相似时间序列的航空发动机剩余寿命预测

性能衰退是导致航空发动机下发的主要原因之一,针对同型号不同个体性能衰退模式差异较大这一问题,提出了基于相似性匹配的发动机剩余寿命预测方法。首先选取排气温度裕度(EGTM)来表征发动机当前性能状态,通过相似修正与狄克松异常值判别消除外在因素影响;然后使用K-means方法对EGTM数据进行聚类分析;最后根据欧氏距离法计算预测样本与历史样本间的相似度,依据相似度大小赋予参照样本相应权重来预测发动机剩余寿命。航空公司实际数据验证表明,该方法具有较高的预测精度,能够为维修计划的制定提供可靠依据。

减推力起飞对航空发动机性能影响

介绍了飞机减推力起飞的方法,分析了减推力起飞对民用涡轮风扇发动机性能的影响。得出减推力起飞能降低发动机涡轮前温度、起飞排气温度裕度(EGTM),延长发动机在翼时间和使用维护周期,达到节约发动机维修成本的目的。

民航发动机拆发日期预测研究

针对民航发动机拆发送修业务的需求,采用Daubechines的3阶小波对民航发动机历史性能数据进行降噪平滑处理,建立民航发动机性能衰退模型。结合影响民航发动机拆发日期的时寿件的软时间、适航指令/服务通告限制等因素,对民航在翼发动机进行拆发日期预测。试验结果验证了该方法在预测民航在翼发动机拆发日期的可行性,可以满足民航发动机拆发送修业务的需求。