民用发动机状态混沌预测算法

首先应用Haar小波和DB16小波对航空发动机排气温度的原始数据序列进行去噪处理,并且证明了处理后的数据序列具有混沌特征.其次应用混沌理论建立发动机状态预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,以及该曲线是否平稳,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行...     

基于多元线性回归的发动机性能参数预测

在对发动机性能参数相关性研究基础上,结合多元线性回归预测模型,提出了一种能够考虑发动机众多因素对因变量影响的发动机性能预测模型.使用该模型对发动机排气温度(EGT)进行预测时,能够兼顾到p_4.95,N₂,T₃,N₁,p_B等性能参数对EGT影响.最后使用一组某民用机型发动机飞行试验数据对模型进行了验证,并与加权一阶局域法进行了对比.结果表明,该模型预测精度优于加权一阶局域法,该方法可以为这种机型发动机故障预测提供决策依据.      

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

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%。     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

NARX神经网络在航空发动机EGT趋势预测中的应用

航空发动机的健康状态是保证飞行安全的重要因素,能在早期发现发动机隐藏的故障,通过预测发动机性能参数的变化趋势来掌握发动机性能衰退情况,实现对发动机健康状态的准确判断,具有重要的意义。针对航空发动机性能参数的数据特点,提出将动态神经网络中的NARX(非线性自回归)神经网络模型运用到性能参数的预测中,并用航空发动机排气温度(EGT)的趋势预测对该方法进行了验证。验证结果表明,这种方法在性能参数预测的精度上优于BP神经网络的预测结果。     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型

利用广义回归神经网络(GRNN)良好的非线性映射能力，对航空发动机排气温度(EGT)进行预测。由于GRNN的预测性能受宽度系数的影响，因此采用改进的果蝇算法优化广义回归神经网络(IFOA-GRNN)，并用优化后的GRNN对航空发动机的EGT进行预测。以某发动机为案例，选取相关参数作为预测模型的输入变量，EGT作为预测模型的输出变量。在相同的样本分配下，将FOA-GRNN(fruit fly optimization algorithm to optimize GRNN)、GRNN、自回归预测模型和优化的支持向量回归机作为对比算法。分析结果表明:IFOA-GRNN的收敛精度高于FOA-GRNN；IFOA-GRNN对EGT预测的平均相对误差为2.47%、拟合优度为0.8506，其预测效果均优于其他对比算法；同时，IFOA-GRNN对噪声的敏感性也低于其他对比算法。      

Assessment of gas temperature fluctuations in the GTE combustion chamber exit section at generalizing experimental data on fuel combustion efficiency

It is suggested that gas composition at every point of the combustion chamber exit section be characterized by the temperature values T _i (“ideal” temperature) corresponding to the local values of the air-to-fuel coefficient α _i under complete fuel combustion (ν _comb ≈ 1). It is assumed that the values of T _i are distributed over the exit section area (gas mass) linearly and the values of T _imax and T _imin can be determined by the experimental data on the gas temperature fields in the combustion chambers. The distribution of temperatures T _i is used when it is necessary to generalize the experimental data on fuel combustion efficiency in GTE combustion chambers.     

航空发动机尾气静电信号基线模型分析及应用

开展了基于尾气静电信号的航空发动机气路监控技术的应用研究,把尾气静电监测信号EGEMS作为一种新的气路状态参数并建立其基线模型,通过监控尾气静电信号RMS(root mean square)值的偏差值实现对气路部件的实时监控.首先从尾气静电监测的角度总结了尾气碳烟颗粒物的排放特性,分析了尾气静电信号的基线成分、主要影响因素及典型故障静电信号特征,在此基础上分别提出了基于燃油流量单参数的尾气静电信号基线模型(参数化模型)和基于多元状态估计技术的多参数基线模型(非参数化模型)挖掘技术.通过对某型涡轴发动机尾气静电信号的分析表明:所建立的基线模型能够准确反映发动机不同工况下的尾气静电信号的基本特征,有效地监测到气路的异常状态,验证了所提方法的可行性和有效性.      

基于新型多分类支持向量算法的发动机故障诊断

层次支持向量机(H-SVM)比通常的"一对多" (1-V-R)和"一对一" (1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度.提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定.仿真实验表明,基于H-SVM的故障分类器具有良好的分类准确性和泛化性能,能够对发动机气路部件的单一故障和复合故障进行快速诊断.     

A new approach to fuzzy dynamic fault tree analysis using the weakest n-dimensional t-norm arithmetic

Dynamic fault tree analysis is widely used for the reliability analysis of the complex system with dynamic failure characteristics. In many circumstances, the exact value of system reliability is difficult to obtain due to absent or insufficient data for failure probabilities or failure rates of components. The traditional fuzzy operation arithmetic based on extension principle or interval theory may lead to fuzzy accumulations. Moreover, the existing fuzzy dynamic fault tree analysis methods are restricted to the case that all system components follow exponential time-to-failure distributions. To overcome these problems, a new fuzzy dynamic fault tree analysis approach based on the weakest n-dimensional t-norm arithmetic and developed sequential binary decision diagrams method is proposed to evaluate system fuzzy reliability. Compared with the existing approach, the proposed method can effectively reduce fuzzy cumulative and be applicable to any time-to-failure distribution type for system components. Finally, a case study is presented to illustrate the application and advantages of the proposed approach.     

Dimension Accuracy and Surface Integrity of Creep Feed Ground Titanium Alloy with Monolayer Brazed CBN Shaped Wheels

Titanium alloy tenon is creep feed ground with monolayer brazed cubic boron nitride (CBN) shaped wheels. The dimension accuracy of the tenon is assessed and the results indicate that it completely meets the requirement of blade tenon of aero-engine. Residual stresses, surface roughness, microstructure and microhardness are measured on ground surfaces of the specimen, which are all compared with that ground with vitrified CBN wheels. Under all the circumstances, compressive residual stress is obtained and the depth of the machining affected zone is found to be less than 40 μm. No phase transformation is observed at depths of up to 100 μm below the surface, though plastic deformation is visible in the process of grain refinement. The residual stress and microhardness of specimens ground with brazed CBN wheels are observed to be lower than those ground with vitrified ones. The arithmetic mean roughness (R_a) values obtained are all below 0.8 μm.     

活性粒子对H_2/Air混合物燃烧的影响

建立H2/Air混合物燃烧的化学动力学模型,计算与分析了在非平衡等离子体条件下,气体放电产生的活性粒子(O,H)和活性基(OH)在不同当量比下对参与燃烧的组分以及温度和压力的影响,为航空发动机燃烧室等离子体助燃(PAC)实验研究和实际应用提供理论依据.计算结果表明等离子体助燃可以提高反应效率、燃烧温度和火焰传播速率,减少燃烧上升时间,强烈影响H2/Air混合物燃烧.     

航空发动机管壳式燃-滑油散热器换热特性计算

采用无量纲关系曲线(Re~St·Pr2/3)计算管壳式燃-滑油散热器管程、壳程表面传热系数,基于效率-传热单元数法建立了管壳式燃-滑油散热器换热特性计算模型;以航空发动机某管壳式燃-滑油散热器少量试验数据为基础,拟合得到了该型散热器管程和壳程Re~St·Pr2/3关系曲线,并将该关系曲线应用于另一结构类似的管壳式燃-滑油散热器换热特性计算.算例计算表明:计算值与试验数据吻合较好,管程、壳程出口温度相对误差均不超过6.5%,总换热量相对误差不超过7.4%.该方法可应用于航空发动机管壳式燃-滑油散热器设计及验证阶段的换热特性计算.