民用涡扇发动机在使用和维护中的EGT裕度管理

分析了民用涡扇发动机EGT裕度的影响因素,总结了发动机使用维护中提高EGT裕度,减小EGT裕度衰退,恢复EGT裕度的措施。     

通过监控EGT裕度进行下发预测初探

通过对从航空公司获得的数台发动机的飞行数据(主要是起飞阶段EGT裕度数据)分析,拟合EGT裕度衰减趋势曲线,求出整个发动机机队的EGT的均值和均方差变化趋势,并根据该变化趋势,分析整个机队所处的状态,进行下发预测,以进行有针对性地管理。     

提高民航发动机起飞EGT裕度的措施

随着航空发动机状态监控与故障诊断技术的不断完善与提高,目前航空发动机的维修思想已由"预防为主"转向"以可靠性为中心",维修方式相应地由"定时维修"转变为"视情维修".实现发动机视情维修的基础是对发动机的主要性能参数进行实时监控,而发动机起飞EGT裕度是衡量发动机性能的主要参数,EGT裕度越大表明发动机的健康状况越好.     

如何防止JT8D—217A／C发动机超温

针对JT8D－217A／C发动机超温现象发生的原因，制定了JT8D－217A／C发动机起飞EGT裕度监控方案，并利用此方案监控发动机，在中国北航空公司取得了良好的效果。     

维修动态

<正>海航技术顺利为第三方客户完成发动机水洗工作近日,海航航空技术有限公司在海口基地顺利为第三方客户完成了波音737-800飞机的发动机水洗工作。此台发动机水洗后的EGT裕度恢复15℃以上,燃油流量下降0.5%左右,延长了在翼时间,有效降低了燃油成本和发动机维修成本。本次使用的发动机水洗设备由海航技术自主研发和制造,可支持多种型号发动机水洗,拥有清水去离子     

V2500发动机排气温度虚高故障分析

发动机的排气温度(EGT)虚高会使机组错误判断发动机状况,本文通过分析热电偶故障原因提出相应的排故建议。     

小样本下基于偏最小二乘回归的航空发动机性能参数预测

排气温度(EGT)是反映民用航空发动机运行状态的重要性能参数之一,本文基于发动机各个性能参数存在相关性研究的基础上,针对小样本、贫信息量、多自变量影响的情况,结合偏最小二乘回归分析,提出了一种小样本条件下考虑发动机众多因素对EGT影响的发动机性能短期预测模型。作为试验验证,文中选取了某民用飞机发动机实际飞行数据对模型进行检验,并与大样本、足信息条件下建立的多元线性回归预测模型进行对比,结果表明该模型在贫信息下也可以达到很高的预测精度,为少数据条件下发动机性能参数短期预测提供了一个有效途径。     

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.      

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。