似然K均值聚类用于涡扇发动机气路故障诊断

K均值聚类算法是聚类领域最知名的方法之一,然而K均值聚类完全依赖欧式距离进行聚类,忽略了样本特征离散程度对聚类结果的影响,导致聚类边缘样本容易被误聚类,且算法易局部收敛,聚类准确率较低。针对传统K均值聚类算法的不足,提出了似然K均值聚类算法,对于每个聚类的所有样本考虑每个维度样本特征的离散程度信息,分别计算样本属于某一聚类的似然概率,能够有效提高聚类准确率。在人造数据集和基准数据集验证了似然K均值聚类算法的优越性,将其应用于涡扇发动机气路部件故障以及传感器故障的模式识别,验证了该算法在涡扇发动机故障诊断中的实用性和有效性。

基于QAR的CFM56-5B发动机高高原冷发启动困难研究

CFM56-5B发动机作为运行高高原机场的主力发动机,其启动过程中常出现启动失效即冷发启动。基于QAR数据,从高高原与平原、冷发与热发、冬季与夏季三个角度出发,对比正常发动机同一参数的正常趋势,得出高高原冷发启动常见的故障模式,如启动失速、点火故障和启动悬挂,最后分析得出高高原冷发启动困难的原因并提出改进措施,为高高原发动机启动提供参考。

浅谈涡扇发动机故障的QAR数据分析

详细介绍了通过QAR数据对涡扇发动机的重大疑难故障进行分析和排除的一般性方法,并以空客A330飞机的遄达700发动机为例,对一些特殊故障模式进行了简要说明。

轴流压气机旋转失速建模与检测:Ⅰ——基于确定学习理论与高阶Moore-Greitzer模型的研究

喘振和旋转失速是轴流压气机研究领域中重要而困难的问题.本文基于确定学习理论及动态模式识别方法提出一个旋转失速初始扰动近似准确建模和快速检测的方法.首先,基于高阶Moore-Greitzer模型(Mansoux模型),利用确定学习理论提出一个对旋转失速初始扰动的内在系统动态的近似准确建模方法;其次,基于以上近似准确建模,利用动态模式识别方法提出一个对旋转失速初始扰动的快速检测方法.基于MIT的Mansoux-C2模型仿真研究验证了所提方法的有效性.最后,在北京航空航天大学航空发动机重点实验室的低速轴流压气机试验台上开展了试验研究.通过对低速轴流压气机试验台参数进行测量,得到基于北航低速轴流压气机试验台的Mansoux模型.通过对基于北航试验台Mansoux模型进行仿真研究,验证了所提方法的有效性.