基于模糊粗集的航空发动机健康状态监测算法研究

在发动机运行过程中,由于诸多非线性因素的影响,现有发动机状态监测中使用的参数只能部分地反映发动机性能状态,无法进行故障准确定位和故障预测.本文将通过研究模糊粗集的特征参数挖掘算法,从远程发动机监控系统所获得的大量发动机工况参数、气动热力参数和机械性能信息中进行数据挖掘,找出能够全面反映发动机性能状态的特征参数和新规律,进行发动机健康状态监测.     

基于SVR的航空发动机抗性能退化容错研究

涡轮风扇发动机工作环境复杂,长期工作在高温、高压状态下,使得发动机不断老化、性能衰退,由性能退化导致的航空发动机可靠性降低问题不容忽视.采用支持向量回归方法SVR对测量参数进行估计,获得发动机性能退化模型;应用支持向量机的非线性回归的核函数变换法,对特征空间优化获得最优分类面,同时基于Mann-Kendall算法对发动机性能退化参数进行评估.结果表明:该方法能有效地评估分析发动机性能退化趋势和衰退程度.     

基于自回归模型的自适应阈值算法

提出一种基于自回归模型的自适应阈值检测算法用于监测液体火箭发动机地面试验的稳态过程,该算法由两个阶段组成。第一阶段的检测算法阈值由不同试车台次的稳态参数测量值的自回归模型的估计值、标准偏差和带宽系数计算,第二阶段的检测算法阈值由稳态过程的参数均值的自回归模型的估计值、标准偏差和带宽系数计算。用某大型液体火箭发动机的地面试验数据进行验证,结果表明该算法能有效可靠地监测发动机的运行状态。      

基于马氏距离的航空发动机健康监控方法

航空发动机健康监控是实现航空发动机健康管理的关键技术之一。针对航空发动机健康监控高维计算复杂度高的问题,提出了一种基于主成分分析与马氏距离结合的计算方法。首先通过主成分分析对性能监测参数进行降维,并采用马氏距离计算发动机的健康参数,最终根据威布尔分布确定健康参数的警戒值。实例计算结果表明,方法能够较好反映航空发动机健康状态,并能检测运行过程中出现的异常点。     

基于图像化变差函数的性能数据异常明别

为提升发动机性能监控的智能化水平，实现性能数据的高效利用，提出了基于图像化变差函数的发动机性能数据异常 判别方法。 通过研究发动机性能数据的标准化修正方法和图像转化方法，将数值型表示的发动机性能数据转化为发动机性能图像。 通过引入变差函数理论，采用 4 方向的变差函数值表示性能特征值，融合不同时刻不同参数的性能数据。 在提取发动机性能图像关 键特征点的基础上，定义性能图像间的差异距离，实现基于变差函数的发动机性能图像异常判别方法，从而实现对发动机性能状态 的判别。 选用若干组实际发动机性能数据对方法进行验证O 验证结果表明:该方法运算高效，实现了高维性能数据的降维和对性能 图像运行状态的分类，从而判别发动机性能数据的运行状态。     

超燃冲压发动机进气道特性及传感器选择研究

针对超燃冲压发动机进气道状态监测系统的需求,通过对超燃冲压发动机进气道进行二维流场数值模拟,得到了超燃冲压发动机进气道在不同马赫数、不同反压下的数值模拟结果,进而通过分析进气道从起动状态到不起动状态下的壁面静压分布特性,给出了进气道起动状态的初步判断准则。在确定了进气道监测参数的基础上,将可拓学理论用于超燃冲压发动机传感器选型中,建立了超燃冲压发动机传感器选型的综合评价方法,并以压力传感器选型算例验证了该方法的可靠性。该研究为超燃冲压发动机参数测量方案制定和状态监测系统设计提供参考。     

基于AHP的液体火箭发动机地面试验监测参数的选取方法研究

确定监测参数是液体火箭发动机地面试验监控系统的一个重要而基础的问题。从某液体火箭发动机地面试验稳态参数的统计特性和常见故障出发,通过分析地面试验测量参数的故障敏感性、故障关联性、测点传感器的可用性和参数相关性(或传感器冗余),建立具有方案层、准则层和目标层的层次模型,运用层次分析法(AHP)对发动机地面试验的测量参数进行评价、比较和优化,确定了用于监测液体火箭发动机地面试验的监测参数。经过发动机的地面故障试验数据和故障仿真数据的检验,所确定的监测参数集较好地反映了发动机状态的变化,说明所选用的方法合理、可行,解决了长期以来,依靠领域专家定性确定监测参数的问题。      

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。     

基于信息融合的航空发动机剩余寿命预测

利用航空发动机状态监测信息,考虑到信息本身具有的误差性和随机性等特点,采用贝叶斯线性模型融合了监测信息,实现了综合利用多源信息的进行航空发动机性能衰退评估;以性能衰退评估结果为输入变量,建立基于Gamma随机过程的可靠性评估模型,预测在指定性能可靠性水平下的剩余寿命.通过算例,分析了不同监测参数对剩余寿命预测的影响.该方法能将性能监测与可靠性分析集成到一个框架中,充分利用了多种状态监测信息,结果更加准确,更符合控制航空发动机维修决策风险的实际.      

液体火箭发动机系统故障实时监测算法研究

利用水力系数（ＣＡＤＥ）的性质和现有液体火箭发动机管路系统中压力域流量的测量值，进行适当分段组合，计算出相应的压力和水力系统改变量。并根据实际试车经验确定出相应的根限值。同时使用灰色理论中ＧＭ预测模型对发动机的监测参数进行预测。从而及早分析出发动机所处工况。该算法能尽早地探测出发动机系统中出现的故障，以提供足够的时间对发动机采取措施。     

基于K-L信息测度的液体火箭发动机的泄漏故障检测

液体火箭发动机的泄漏是常见和极其危险的故障。研究快速有效的泄漏故障检测方法,是一个很重要迫切的课题。本文针对已有发动机的状态监测参数,建立ＡＲ模型进行时间序列分析,利用Ｋ－ Ｌ信息测度作为判别函数来检测发动机的泄漏故障。仿真结果表明,这种泄漏故障检测的方法是切实可行的。     

基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。      

涡轮泵实时故障检测的改进自适应相关阈值算法

1引言火箭发动机在飞行使用之前,需要分析试车振动数据以评估发动机的性能与状态[1]。涡轮泵是液体火箭发动机中最复杂故障概率最高的部件[2],而振动是涡轮泵故障的重要起因[3],因此,涡轮泵振动数据的分析显得尤为重要。目前,它的主要分析方法有时域统计[4]、频谱分析[5]、神经     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

液体火箭发动机泄漏故障实时仿真

以某泵压式供应系统的液体火箭发动机作为研究对象, 进行泄漏故障状态下的模拟, 为提取泄漏故障模式、优化监控参数、泄漏故障检测和诊断奠定了基础。仿真的结果表明, 模型能够较精确实时地仿真泄漏故障     

基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断

以某大型泵压式液体火箭发动机为研究对象，围绕着发动机知识的统一处理、定性定量知识的集成与转化以及基于知识的智能故障诊断推理等技术和难点，研究发展了发动机基于混合知识模型和混合推理策略的智能故障诊断方法，并结合实际热试车数据和故障仿真实例进行了验证。研究结果对设计和实现工程实用的液体火箭发动机故障诊断系统具有重要的参考价值。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

涡轮泵故障检测系统

1引言随着可重复使用运载器(RLV)的出现与发展,要求涡轮泵具有较高的可重复使用率,因此,它的故障检测与状态监控工作也变得越来越重要[1]。马歇尔飞行中心(MSFC)和波音-加州坎诺加帕克(BCP)正在研究航天飞机主发动机(SSME)涡轮泵的先进实时振动监控系统(ARTVMS)[2]。我国也针对     

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。     

液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。