高空台特种调节阀建模方法对比研究

为了获得准确的轮盘式特种调节阀流量特性模型,提高高空舱进口流量预测精度,提出了基于BP神经网络和NARX网络的建模方法。在对调节阀与传感器测点位置分析的基础上,将调节阀和阀后容腔作为整体进行建模。对比研究了流量系数、静态BP神经网络以及基于Gamma Test的动态NARX网络建模方法,并给出了工程中选取建模方法的建议。以试验流量数据为基准,仿真对比了不同阀门开度变化时,各模型输出流量的稳态误差和动态误差。结果表明,BP神经网络方法和NARX网络方法建模精度要优于流量系数法。同时,BP神经网络模型最大稳态误差为0.52kg/s,优于NARX网络模型和流量系数模型。NARX网络模型的最大动态误差为2.04kg/s,相比于BP神经网络模型和流量系数模型,能够更准确地反映流量的动态特性。     

基于神经网络的航空发动机进口总压畸变重构研究

为建立适用于畸变容限控制技术的航空发动机进气总压畸变估算方法,采用基于神经网络方法,以飞机试飞测量数据为基础,分别开展了发动机进口总压流场和稳态周向畸变指数重构方法研究。以壁面静压、发动机进口面中心点总压以及攻角、侧滑角数据分别构建了三种不同输入参数组合的神经网络模型,并对比分析了各模型的重构精度和适用性。结果表明:采用神经网络方法可以较好地建立壁面静压、飞行参数与发动机进口总压分布和稳态周向畸变指数的映射模型;以壁面静压、发动机进口面中心总压、攻角和侧滑角为输入的神经网络模型,对于总压流场重构和稳态周向畸变指数重构都具有最佳的重构精度;采用先重构流场总压分布再计算稳态周向畸变指数的间接方法相对于直接重构稳态周向畸变指数的方法具有更高的重构准确性;对于与建模飞机具有相同进气道结构和布局的飞机,训练完成的神经网络模型对总压流场重构具有一定的适应性,对稳态周向畸变指数重构适用性差。     

航空发动机燃油系统执行机构及其传感器故障诊断

提出了基于执行机构模型和航空发动机逆模型的执行机构及其传感器单一故障诊断和定位方法.基于执行机构小闭环结构建立了3阶执行机构传递函数模型.基于两个并联的BP(back propagation)神经网络,建立了航空发动机稳态逆模块和动态补偿模块,形成航空发动机逆模型,以实现基于航空发动机输出的燃油流量估计.以执行机构模型输出和传感器输出之间的偏差为依据进行故障判别,以航空发动机逆模型输出和传感器输出偏差为依据对故障进行定位.以某型航空发动机及其燃油系统执行机构模型为对象进行的仿真,结果表明,该诊断系统可在航空发动机稳态、动态情况下准确地诊断出幅值在1.6%以上的执行机构及其传感器故障并进行定位,验证了所提出故障诊断方法的有效性.      

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

基于NN-PSM的航空发动机机载自适应稳态模型

为建立一种适用于大包线、变状态的高精度、高实时性航空发动机机载自适应稳态模型，提出一种基于神经网络和推进系统矩阵相融合（NN-PSM）的机载自适应稳态模型建模方法。该方法基于小偏差线性化方法对发动机进行线性化来提取推进系统矩阵，用于表征机载模型与发动机之间的输出偏差量。基于神经网络建立发动机基线模型，用于映射飞行条件与发动机输出量之间的关系，利用神经网络的强拟合能力提高机载模型的稳态精度；设计卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明:NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。      

基于改进BP网络的航空发动机起动过程辨识

利用某型发动机地面试验数据作为学习样本,采用改进BP神经网络的方法,建立了航空发动机起动过程动态模型。利用所建立的模型对起动性能进行了估算,估算结果与试验数据基本相符。结果表明,将改进BP神经网络用于起动模型的辨识是可行的,该模型具有精度高,推广性好的优点。对于用BP神经网络对发动机进行起动性能计算具有一定的理论指导意义和应用价值。     

航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.      

航空发动机神经网络内模控制

基于神经网络内模控制理论研究了神经网络内模控制方法在航空发动机控制系统中的应用,建立了基于Elman网络的航空发动机多变量内模控制系统。采用Elman网络建立发动机内模型和内模控制器,详细介绍了建模、控制的算法及其实现过程。取部分飞行条件下的数据作为学习样本,采用动态BP算法对神经网络权值进行调整,并在飞行包线内其它工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的航空发动机内模控制系统具有良好的控制品质和较强的自适应能力。      

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。     

航空发动机内窥故障诊断专家系统研究

采用BP神经网络准确识别内窥故障信息,并且建立综合基于规则推理和基于案例推理的混合专家系统,对内窥故障进行智能诊断。实验结果证明,该专家系统能快速有效地给出损伤评估和维修策略。     

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

基于实时模型的涡扇发动机加速供油规律设计方法

针对某型涡扇发动机建立了实时模型,并将实时模型计算与试验结果进行了对比,得出该实时模型对模拟航空发动机加速过程具有一定的精度。通过改变航空发动机加速过程控制逻辑,并引入压气机裕度这一限制条件,获得了1种航空发动机加速供油规律设计方法。在实时模型中采用该方法,能够快速准确地获得航空发动机的加速供油规律;同时能够直观地得到航空发动机加速过程的动态特性。结果表明:通过验算得到设计的加速供油规律符合航空发动机加速要求。     

航空发动机主轴承使用状态寿命预测模型

在滚动轴承寿命预测模型分析的基础上,提出了航空发动机主轴承状态寿命的概念,即把主轴承的使用寿命周期划分为状态良好、初步损伤、故障发展和即将失效4个寿命阶段;建立了1种利用机载传感器信息(转速、振动和飞行器机动),来确定航空发动机主轴承使用状态寿命的模型,该模型把状态监控数据和基于理论模型分析计算的方法相结合,为评估主轴承的寿命状态提供了1种新的方法.     

某型发动机可靠性环境因子分析及应用

某型航空发动机在使用过程中故障率较高,结合其外场使用数据,以可靠性理论为基础,建立了基于Van Montfort方法的威布尔分布检验模型,根据该模型判定发动机主机的使用数据服从威布尔分布,确定了可靠度函数和故障率函数;针对发动机主机可靠性受环境影响的问题,建立了可靠性环境因子分析模型,以评估海洋环境条件对发动机可靠性的影响。并据此对使用单位和生产单位提出了一系列提高发动机使用可靠性的建议。     

航空发动机过渡态最优控制规律设计的新方法

针对航空发动机过渡态最优控制规律的设计问题,提出了一种新的方法——动态稳定法:在发动机动态特性计算模型的基础上,通过额外提取其中所有的状态量变化率,使其共同工作方程组的偏差趋于0,从而让过渡态仿真稳定下来,此时的稳态参数值即为对应过渡态工作点的各项参数;然后分别根据指定的物理约束条件,通过简单的静态迭代优化即可直接建立相应的控制规律;最后将这些控制规律通过取大/小的方式进行合并,从而获得所需过渡态最优控制规律.以某型涡扇发动机最优加速控制规律的改进设计为例,结果表明该方法具有设计精度高、实现简单以及快速直观等优点.      

航空发动机试验数据采集分析系统设计与实现

实现航空发动机试验数据的高速采集与高效分析,对提高航空发动机试验效率和技术水平有着非常重要的意义。在分析原系统的不足的基础上,设计与开发了新型航空发动机试验数据采集分析系统,实现了全参数高速记录和稳态数据的自动生成等功能,并利用数据库技术对试验数据进行了高效管理。     

基于Simulink的航空发动机P2压力测量装置的设计计算

在分析某型航空发动机P2压力测量装置原理的基础上,基于动态力学平衡方程、动态流量平衡方程,建立了P2压力测量装置的非线性模型;通过稳态点线性化方法,建立了动态线性模型;根据稳态平衡关系,提出了1种对B压力测量装置中关键元件参数进行设计的计算方法;在Simulink平台上建立了B压力测量装置的仿真模型,对所建模型和设计参数进行了性能仿真验证。     

航空发动机在MATLAB与C＋＋接口支持下的建模方法

研究了MATLAB与C ++接口及数据处理问题 ;基于航空发动机稳态计算程序 ,导出了某型涡扇发动机稳态线性化模型 ,并对该模型的准确度进行了分析及验证     

神经网络在发动机自适应建模中的应用研究

提出了一种新的基于神经网络的发动机自适应实时模型的建模方法。建模的思想是认为发动机的任何非额定工作都将导致其输出参数的变化,因而可以把这些参数偏离正常工作参数值的变化量,也就是输出偏离量,用来表征发动机的非额定工作情况。把它们作为增广的状态变量,设计卡尔曼滤波器对其进行最优估计,然后用这些输出偏离量的估计值,通过由BP神经网络训练出来的可测输出偏离量与未测输出偏离量的映射关系来校正机载发动机模型的计算输出,使之与真实发动机的输出一致,从而使实时机载模型获得对任何发动机非额定工况的自适应能力。