涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

基于贝叶斯反馈云模型的航空发动机性能评估

针对在翼发动机运行性能变化关键时机预测问题,结合贝叶斯反馈分析方法,将在翼发动机运行前后性能信息结合进行反馈,评估当前发动机性能基于初始性能状态的变化关系,不仅实现发动机性能状态准确评估,更能及时预测发动机性能状态变化时机,为在翼发动机可靠运行和及时换发提供决策支持。     

基于单类支持向量机的航空发动机故障检测

通过监控航空发动机性能参数,准确判断发动机的工作状态,预知发动机的异常变化．为预防和排除故障提供充足的时间和决策依据。开发出利用QAR（quick access Feeorder．快速存取记录器）数据的发动机故障检测系统,该系统基于民航发动机的QAR数据,由于发动机正常运行数据容易获取．而故障样本难以获得．因而采用单类支持向量机（OCSVM）,仅依靠发动机的健康数据建立其分类器。利用OCSVM分类器．监控后续航班参数是否出现异常,通过分析检测结果,实现发动机故障检测。采用该系统监控航空发动机性能参数．及时发现发动机运行状态异常,证明了系统的可行性和有效性。     

一种航空发动机运行可靠性评估方法

航空发动机运行过程中,可靠性评估是航空发动机可靠性评估领域的关键问题之一,而合理的评估方法能够提高可靠性分析的效率和精度,因此本文提出一种支持评估飞机任务过程中航空发动机运行可靠性的方法。结合飞行任务特点和航空发动机工作特性,以快速存取记录器信息为分析数据,考虑当前运行环境、飞机瞬时状态、发动机当前工作状态 3 类因素对运行可靠性进行分析;将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度;以 B737-800 机型一次北京—乌鲁木齐的飞行任务为例,对方法的有效性和可行性进行验证。结果表明：本文提出的可靠性评估方法解决了航空发动机运行过程中数据量大、维度高导致的数据处理困难问题。     

基于支持向量机和信息融合的整机振动状态监视与诊断

将信息融合和支持向量机等智能诊断技术应用于整机振动状态监视与故障诊断领域。采用航空发动机振动信号作为诊断模型的训练样本,使支持向量机能够反映特征向量和故障类型的映射关系,从而成功地诊断了某型发动机的振动故障模式。     

航空发动机综合权值排队系统的建立与应用

发动机的状态评估可为航空公司和发动机维修企业安排发动机最佳的拆换时间和制定合理的维修计划提供可靠的依据,因此评估方法的系统化、科学化成为关键所在。利用系统工程的理论,并结合实际问题,提出建立一套科学、完整的发动机状态评估系统,可以为发动机工程师及时了解发动机状态并做出正确决策提供有效的帮助。     

基于状态分类评价的发动机故障诊断专家系统

传统的专家系统,完全在假设的情况下诊断,诊断效率不高,对监控数据很难量化,不易提供线上诊断.为了解决这个问题,提出基于状态分类评价的专家系统,依据发动机构造的特点,将技术状态分成2类:物理类和逻辑类.物理状态通过基本功能参数与零件几何特性关系建立动态故障模型,逻辑状态通过推理对专家知识采用D-S算法和预测故障程度相结合的方法.从而达到对发动机故障进行整体诊断.     

发动机航线类综合载荷谱研究

在空测和外场使用统计的基础上,根据综合任务谱和实际的飞行任务谱对发动机造成的疲劳和蠕变以及热冲击损伤一致的原则,在推导过程中保证两种谱的载荷循环数相同、各功率状态持续的时间相同以及主要的功率状态的变化顺序相同,将某发动机５种航线类飞行任务和地面功能检查试车任务进行综合,得到航线类综合任务谱。然后根据发动机的高度－速度特性和飞行高度与速度计算出该发动机的航线类转速谱。综合任务谱和相应的转速谱的获得为     

基于模糊信息融合的航空发动机状态聚类分析

将模糊信息融合中模糊聚类分析的方法应用于航空发动机。通过对其性能参数的预处理以及构造模糊相似矩阵,利用传递闭包法得到等价关系矩阵,并对聚类结果进行分析,用实例验证了所用方法的可行性,为发动机状态监控人员更好地识别发动机的运行状态和故障现象提供了一种有效的方法和途径。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。