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     

航空发动机浮壁式燃烧室制造技术

燃烧室(火焰筒)是发动机的重要热端部件。在工作中,由于经受急热、急冷的热应力和燃气冲击力,火焰筒易发生裂纹等故障。随着航空发动机向更新一代发展,采用原有的火焰筒结构,燃烧室进口温度、压力和出口温升将出现大幅度提高,使火焰筒壁温问题越发突出。燃烧室(火焰筒)是发动机的重要热端部件。在工作中,由于经受急热、急冷的热应力和燃气冲击力[1],火焰筒易发生裂纹等故障[2-4]。随着航空发动机向更新一代发展,采用原     

CJ1飞行训练设备操纵系统故障浅析

操纵系统是飞行模拟训练设备的重要组成部分,本文介绍了CJ1飞行模拟训练器操纵系统的组成、工作原理和控制法则,最后以CJ1飞行模拟训练器的左侧方向舵卡阻故障为例,介绍了典型的操纵故障的排除方法,故障排除后进行方向舵的QTG测试。测试结果表明,左侧方向舵故障得到了解决,满足飞行要求。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。     

航空发动机导流叶片角度调节参数变化故障分析

某型发动机低压压气机进口导流叶片角度α1,其电子调节部分执行机构电磁活门的占空比(Sα),在整个调节过程中是起关键作用的重要参数,但在台架试车过程中曾多台次出现在不同次检查时Sα数值变化的故障。通过对α1主调节系统工作原理的深入分析,确定试车中Sα变化故障是由于燃油调节机构掺混入空气所致,并得到试车验证。本研究对发动机试车中类似故障的排除具有重要的参考意义。     

某航空发动机热端部件涂层技术

为提高航空发动机热端部件抗腐蚀、抗高温氧化、抗磨损等能力,延长机件使用寿命,通常采取在发动机热端部件喷涂具有耐蚀、高温抗氧化、耐磨损等功能的防护涂层[1].由于设计原因,某航空发动机在工作过程中,一级涡轮导向器隔热屏封严篦齿的外篦齿暴露在高温燃烧区,术得到有效的冷却,产生极大的热应力,引起篦齿根部背面涂层裂纹甚至掉块,如图1所示.统计分析表明:某航空发动机工作到大寿命时,一级涡轮导向器隔热屏NiCr-Cr3C2涂层裂纹故障率高达80％,因此研究热端部件NiCr-Cr3C2涂层修复技术成为目前一项急待解决的问题.要解决涂层裂纹甚至掉块的故障,就需要提高涂层的结合强度,保证涂层获得相当的耐蚀、高温抗氧化、耐磨损等能力,为此必须适当调整涂层材料的成分配比[1-2].     

某型涡扇发动机使用可靠性评估

对某型发动机进行使用故障统计分析,得到故障随使用时间、故障类型的分布和平均故障间隔时间、返修率等可靠性参数。对该型发动机使用返修记录进行统计分析,得到发动机返修、提前换发与发动机返修后使用寿命的关系,以对该型发动机寿命控制提供借鉴或依据。     

液体火箭发动机混合比故障检测

正常模型　变推力发动机其系统结构和数学模型的推导详见文献[1]。在这里,我们主要是要研究如何根据系统仅能提供的燃烧室压力测量值检测混合比严重偏高的故障,所以略去其它部件(见图1)。      

Д—30KY—154Ⅱ发动机启动不成功疑难故障的分析

д—30KY—154Ⅱ发动机从1990年至1993年先后在太原、中川、西安咸阳机场出现4次经过各种调试,启动不成功的疑难故障,经过机务专家们的分析研究,该故障得到了彻底的排除。一、故障现象 1992年1月29日在西安机场2602号机第1号发动机启动时,引气     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

基于改进支持向量机的模拟电路故障诊断研究

针对支持向量机（Support Vector Machine）及小波分解用于模拟电路故障诊断时,一对一算法具有操作简单、诊断精度高、所需确定参数少,小波分解能表现电路响应特征但最优小波基选取目前缺乏有效方法的特点,提出利用混合粒子群算法（Hybrid Particle Swarm Optimization,HPSO）对小波基及一对一支持向量机的参数进行联合优化。将该方法应用于模拟滤波器的仿真电路实验,结果表明：利用该方法很容易求出全局最优解,能实现对最优小波基选取及支持向量机参数进行联合优化,避免了参数选择的盲目性,提高了模型的诊断精度。     

应用SVM的发动机故障诊断若干问题研究

支持向量机能够克服一般神经网络容易出现的过学习和泛化能力低等不足。提出一种基于支持向量机的航空发动机气路部件故障诊断方法,讨论了支持向量机的核函数选择和参数确定问题,并对"块算法"进行了分析。仿真实验表明,设计的正则化参数和核参数合理,故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行正确诊断。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

基于SPSO-SVR的融合航空发动机传感器故障诊断

针对航空发动机常见的传感器故障问题, 提出了一种利用改进的粒子群算法训练支持向量回归机, 并利用融合机制将其应用于传感器故障诊断.论述了用一簇支持向量回归机(SVR)预测器对传感器进行实时检测, 通过逻辑判断机制隔离故障传感器, 并且依据剩余的无故障传感器信息实现信号重构.以某型航空发动机传感器在其整个工作范围内受到的冲击、偏置和漂移故障为例, 验证了基于自协调粒子群优化支持向量回归机(SPSO-SVR)算法的融合诊断机制对传感器单一故障和多重故障具有较高的精度和计算效率.