基于置信规则库的航空发动机气路系统健康状态评估

针对航空发动机气路系统健康状态评估建模中有效故障数据贫乏的问题,文中基于置信规则库(BRB)理论,融合监测信息与专家知识建立了航空发动机气路系统健康状态评估模型。首先,为了减小BRB模型的复杂度,考虑相关性对特征量进行选择;将特征量作为BRB模型输入,建立BRB健康状态评估模型;最后,利用带有投影操作的约束协方差矩阵P-CMA-ES算法对模型进行参数优化,提高了模型的评估精度。通过对某型航空发动机气路系统进行健康状态评估仿真分析,验证了所提模型的有效性和准确性。

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。