基于GMM聚类方法构建经验模型的机载实时模型改进方法

采用建立经验模型的方法补偿机载实时模型输出与发动机测量参数输出之间的偏差,提高机载自适应模型在全飞行包线内的参数跟踪和估计性能。由于在线获取数据量较大,采用基于高斯混合模型的聚类方法实现数据压缩,用于离线训练并更新经验模型。将建立的经验模型应用在民用大涵道比涡扇发动机机载自适应模型中,仿真结果表明:基于高斯混合模型建立的经验模型能够减小机载实时模型输出误差,带经验模型的机载自适应模型的健康参数估计精度以及发动机部件故障隔离性能得到提高。

基于机载实时模型的发动机执行机构故障状态参数估计

为了对发动机的主燃烧室供油量控制器、喷管喉部面积控制器、风扇进口可调导叶角度控制器、压气机进口可调导叶角度控制器进行故障诊断,建立了基于简化n+1残量方法的非线性机载实时模型,并结合常增益扩展卡尔曼滤波器建立执行机构控制参数估计器,利用非线性部件级模型模拟飞行包线内发动机执行机构的软故障。仿真结果表明:执行机构控制参数估计器在飞行包线内能实现较高精度估计,且具有较好的稳定性。

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.