基于云关联度的航空发动机传感器、部件故障识别系统设计

针对灰色关联度方法用于发动机故障诊断精度低的问题,结合云理论和关联度分析方法,提出了云关联度方法,利用“云滴”能够反映映射的模糊性和随机性与整体“形状”变化分布这一特性,克服数据挖掘的模糊性和随机性问题,采用综合隶属度方法能够充分对数据进行挖掘,最终计算出云关联度.为了实现航空发动机传感器、部件单一故障的实时识别和诊断,在分析航空发动机传感器故障和部件故障特点的基础上,利用云关联度方法,设计了航空发动机传感器、部件故障的识别系统.仿真结果表明该方法不仅能够实时正确区分航空发动机传感器、部件故障,还能准确诊断出故障发生的传感器或者部件的位置,有效地改善了航空发动机故障诊断能力.      

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

基于定部件效率的航空发动机通用性能仿真系统构建

根据飞机设计阶段对航空发动机性能仿真简便、快速和有效的要求,在基于定部件效率的航空发动机性能仿真方法基础上,对航空发动机部件进行通用性建模,并采用面向对象技术构建通用航空发动机性能仿真系统。采用定部件效率模型对航空发动机性能进行仿真,降低了航空发动机性能仿真过程的专业性要求;同时,采用面向对象技术建立通用的航空发动机性能仿真系统,提高了仿真代码的重用性及仿真系统的适用性。利用该仿真系统建立双转子混排涡扇发动机和自由涡轮式单转子涡轮螺旋桨发动机仿真对象模型,并对某型双转子混排涡扇发动机稳态特性进行仿真,验证了仿真系统的有效性。     

基于部件特性的航空发动机性能模型修正

研究了基于部件特性修正的航空发动机稳态性能模型修正方法,并通过对部件特性的研究总结了部件特性修正因子选择原则。以此为基础,提出了基于多状态试验数据的发动机性能模型修正方法,并采用双轴涡扇发动机地面试验节流特性数据对稳态性能模型进行修正。结果表明,采用单个试验状态数据修正后的稳态性能模型不能完全满足工程使用要求,使用基于多状态试验数据修正后的节流特性转速范围内模型计算精度与修正前相比有很大提高,验证了该方法的有效性和实用性。     

涡轴发动机部件特性修正及更新方法

针对由航空发动机零部件制造、装配及性能退化引起的发动机模型与实际发动机之间的性能不匹配问题,提出1种基于粒子群优化算法(PSO)的发动机部件特性自动修正及更新方法。根据发动机部件级模型的输出数据和发动机性能分析软件GasTurb计算结果,以发动机关键测量参数所定义的目标函数最小为优化目标,利用PSO获取不同相对换算转速下的部件特性修正因子,并在线完成特性图的自动更新。并以某型涡轴发动机为对象进行仿真验证,结果表明:该方法可有效提高涡轴发动机部件级模型的精度,并直接输出更新后的部件特性。     

涡轮发动机部件特性自适应模型的确定方法

针对现有航空涡轮发动机部件特性自适应模型中存在的不足,提出了合理的解决方法:根据测量参数合理选择部件特性修正因子;使用部件特性删除法求解部件特性修正因子;部件特性修正因子的数值拟合方法。采取这些改进措施后,使得现有航空涡轮发动机部件特性自适应模型得到改善。计算结果与两种型号的涡喷发动机的试验数据对比表明本文的改进方法合理。     

故障因子诊断方法在航空发动机上的应用研究

航空发动机气路中任何零部件受损而引起的性能恶化,必然导致相关参数的变化。引入了故障因子的概念,介绍了故障因子诊断方法在航空发动机上的应用,阐述了航空发动机故障诊断过程中测量参数与性能参数选取的依据和方法,利用故障因子建立了某型涡喷发动机稳态工作状态下的故障模型和诊断模型,探讨了4个测量参数诊断气路部件故障的方法。算例结果表明:故障因子诊断方法是航空发动机进行故障诊断的1种最基本且十分有效、快捷的诊断手段。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

航空发动机叶轮机部件低状态特性的指数预测方法

介绍了一种预测航空发动机叶轮机部件低状态特性的指数预测模型。该模型考虑到空气可压缩性的影响,运用相似理论,结合发动机的部件特性关系,得到了两个指数值,进而得到了发动机的低状态部件特性。数值模拟表明,该方法的精度较高,对研究发动机的起动特性特别是在高原使用时存在的起动问题具有重要的指导意义。      

一种航空发动机性能监控的免疫神经网络模型

提出了一种基于免疫神经网络的航空发动机性能监控与故障检测模型.利用人工免疫系统的识别机理,并结合人工神经网络,确定发动机性能偏离正常值的程度(异常度),实现发动机性能趋势的监控.该方法能够灵敏、准确地反映发动机整体性能的变化情况,提高发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大.通过对某型涡扇发动机进行监控,证明该方法确实有效.      

研发阶段涡扇发动机模型自适应方法

为了实现研发阶段涡扇发动机整机试验数据的快速评估和模型自适应,提出一种发动机模型自适应方法。该方法以整机试验数据为输入,结合气动热力过程约束方程和发动机整机匹配约束条件,重构出各部件的性能参数。文中提出了按照高压涡轮导向器喉部流通能力确定核心机流量的方法,并以载荷系数为媒介实现叶轮机械部件参数修正计算,完成了小涵道比涡扇发动机的自适应建模计算。计算结果表明,17个测量参数与计算结果完全一致,该方法完成单个状态点自适应计算的平均时间约为1.44ms,主要部件特性的修正系数在0.95～1.05。采用该方法计算的部件特性参数自适应修正系数可为发动机性能调试和故障诊断提供依据。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

涡扇发动机部件特性自适应模拟

发展了一种预测发动机部件特性的自适应模型方法，该方法以通用特性为基础，运用单纯型优化方法，以发动机主要性能参数和过程参数偏差函数最小为优化目标，以部件特性耦合因子为被优参数，预测出不同飞行条件下的涡扇发动机的风扇、压气机、燃烧室、高、低压涡轮等部件特性。运用该模型对某涡扇发动机性能的计算结果表明，发动机主要性能参数和过程参数的计算偏差均在0．5％之内，对发动机各截面总温、总压计算偏差均在1％之内。预测出的部件特性已成功用于发动机故障诊断方程的建立。     

基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究

针对航空发动机上可用传感器测量参数偏少情况下的健康参数估计问题,提出1种先分类后估计的方法。将传感器测量参数输入异常监测模块,对发动机工作状态进行监测,若监测结果为无故障则直接给出无部件故障的诊断结论;否则将测量参数输入最小二乘支持向量机(LSSVM),对部件故障进行分类,卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计。仿真结果表明:该方法可以减少需要估计的健康参数,提高估计精度。     

发动机全面性能诊断的随机搜索模型

提出了求解发动机亚定故障方程组整体优化解的随机搜索模型。该数学模型可以在同时发生的故障模式的数目小于、等于、特别是大于测量参数个数的各种复杂情况下给出全面的故障诊断信息。以JT9D发动机全面性能诊断问题为例,利用随机模拟样本对随机搜索模型的诊断有效性进行了评估,并且利用JT9D发动机的24个实际故障样本对随机搜索模型进行了检验。研究结果表明,利用4个测量参数可以对发动机主要部件同时发生的6～10个故障进行诊断。诊断有效性指标可达0.89～0.94.     

基于定性模型的液体火箭发动机故障诊断

建立了液体火箭发动机各类部件在正常和故障状态下的定性工作模式库，然后根据液体火箭发动机系统的拓补结构和系统的定性故障特征寻找系统全局定性解，并依据全局解中各个部件的状态来确定系统的故障部件。方法具有较好的解释性，在计算机上实现只需少量的内存和执行时间。另外，该方法用节点支路关联矩阵来表示系统的拓扑结构，具有一定的通用性。     

子方阵分析法对发动机进行故障诊断

本文提出的子方阵分析法可在测量参数较少的情况下对部件故障进行诊断。本方法的特点是将故障参数进行组合,每组中故障参数数目等于监测参数数目,以使故障参数可对监测参数求解。本文给出了选择最可能的解的选择准则,数值试验证明这个方法对诊断一个部件或同时有两个部件出现故障是非常有效的,这正是发动机出现故障的早期情况。本文也指出了必须十分注意的问题,以免误诊。本方法用于 JT9D发动机显示了其有效性。      

发动机故障诊断的主成分算法

 给出了两种基于主成分分析的发动机故障诊断算法,即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点,即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念,解决了主成分个数选择的难题．还以JT9D发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明,利用主成分降维方法可以将JT9D发动机的26个故障因子压缩到9个,或者将5个单元体的10个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。     

航空发动机初始放飞寿命应用研究

确定航空发动机设计定型试飞初始寿命时,面临试飞时间要求长于单台发动机定型试车累计时间的矛盾,需要既确保试飞试验载机的安全,又能满足试飞所需求时间。通过分析航空发动机寿命的确定方法,对初始寿命的确定进行深入研究,结合某型涡轴发动机研制实际情况,提出了在完成关键件安全寿命验证的基础上,结合同步开展的设计定型持久试车、首翻期寿命试车和试飞使用信息分析评估等,分阶段给出整机放飞寿命满足试飞寿命需求的寿命策略。该方法已在研制实践中应用,取得了良好效果,有效地解决了上述难题,对其他型号发动机的研制具有有益的借鉴作用。