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...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。展开更多
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...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。展开更多
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...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。展开更多
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...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。展开更多
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...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.展开更多
文摘起飞排气温度裕度(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。
文摘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。
文摘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。
文摘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。
文摘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.