基于LVQ神经网络模型的飞机故障分类诊断

为了能够快速诊断出飞机故障产生的原因,判断故障发生的准确位置,把LVQ神经网络模型和分类诊断理论运用到了飞机的故障诊断中,以飞机电子设备和发动机故障诊断为实例,验证了此方法的故障诊断能力.实践表明:基于LVQ神经网络模型的飞机故障分类诊断方法能够为机务工作者提供有力的辅助决策参考.     

基于改进IRN网络的航空发动机故障诊断

建立了一种带偏差单元的内部回归神经网络.该网络的主要特点是记忆特性好,收敛速度快、稳定性强.介绍了该神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性.在对某型航空发动机故障诊断中,准确性极高.从而在适时与视情维修过程中提出合理的建议,以便为相应维修方法的实施、改进和研究应用提供可靠的依据,有着良好的推广应用前景.     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

发动机数控系统智能容错技术的半物理仿真研究

提出基于自联想神经网络的发动机数控系统的智能容错技术。该方法不依赖系统模型，只需要发动机的测量值来离线训练网络。若发生性能蜕化，该方法能自动切入故障诊断与最优估计的综合逻辑。文中开展了半物理仿真实验，实验结果充分证明了该技术能适应实验现场多变的环境，能正确诊断发动机传感器故障并提供解析余度，具有较好的鲁棒性。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

B737-800发动机火警探测环路开路故障排除

发动机火警探测系统的可靠性对保障飞机安全至关重要。为了准确及时地确定发动机火警探测系统故障,提高航线排故效率,针对B737-800型飞机发动机火警探测环路开路失效故障,从原理分析故障原因,进行高效精准排故。同时提出发动机火警探测环路失效故障排故流程,对快速处理故障具有重要参考意义。     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。     

发动机磨损故障的集成神经网络融合诊断

针对发动机试车过程中的磨损故障诊断问题．本文运用了四种最常用的润滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出运用集成神经网络对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，统一转换成故障征兆的布尔值；其次，建立各子神经网络的拓扑结构，并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神经网络的训练样本．对各网络进行成功训练后，利用神经网络实现各子网络的诊断并得到中间诊断结果；然后，通过建立合适的权重矩阵．利用模糊综合决策理论，时集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果；最后，运用一个算例表明了本文方法的有效性。     

基于BP神经网络方法的航空活塞发动机故障诊断

BP神经网络在机械故障诊断领域内已取得较多的成功经验。本文调用Matlab中的神经网络工具箱,运用BP神经网络对CESSNA．172R的航空活塞发动机进行故障诊断,建立故障数据库。     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

航空发动机气路故障诊断研究现状与展望

航空发动机气路故障诊断是通过对发动机系统、部件的气路参数进行分析,以识别气路部件性能退化或故障的主动过程,是提高飞行安全性和可靠性、降低发动机维修成本的重要途径,当前已成为飞行推进技术研究领域的热点。本文较为详尽地阐述了发动机气路故障诊断技术的发展历程;讨论了发动机气路故障诊断的主要方法,包括基于线性/非线性模型的诊断方法、基于数据驱动的诊断方法、基于信息融合的诊断方法等,评述了这些方法的优缺点;最后指出了气路故障诊断技术中的关键技术和难点,并对未来的发展趋势进行了展望。     

民航发动机视情维修决策方法

为了提供可行的民航发动机视情维修决策方法,首先介绍了民航发动机视情维修决策理论。基于可靠性和状态数据建立了比例强度模型,根据该模型实现了发动机最优预防维修间隔决策和拆换决策,并通过收集发动机运行役龄和状态数据,实现了发动机在翼时间预测。最后以某航空公司CF6—80C2型号的发动机机队为应用实例,研究发现完备的发动机运营数据是准确决策的关键。研究结果表明,这些视情维修决策方法有助于更好地控制发动机维修活动和在翼时间,从而减少风险和维修成本。     

基于VPRS理论的航空发动机送修等级决策

应用变精度粗糙集理论研究了发动机状态信息与单元体性能参数之间的关系，提出了一种基于信息熵属性约简的航空公司发动机维修等级决策方法，从而在维修决策时能够更加客观地反映发动机实际损伤程度。最后以CF6型发动机维修等级决策规则生成为例说明了该决策方法的有效性。     

基于Gauss核函数的SVM故障诊断技术研究

本文提出了基于Gauss核函数的SVM故障诊断技术,并利用grid法对SVM中参数进行寻优,以保证得到最高分类精度.通过对某航空公司ERJ145的右发AE3007发动机进行故障诊断研究后,证明基于Gauss核函数的SVM在小样本故障诊断中有着较好的适用性和可信性,能够为飞机发动机故障诊断提供有效的参考.     

航空发动机简化实时模型仿真研究

在航空发动机数控系统研制中，由于缺乏详细的发动机部件特性数据，建立精确的航空发动机部件级模型非常困难。本文根据某型发动机地面试车稳态数据和动态数据，建立了航空发动机简化数学模型。稳态模型采用插值算法，动态模型采用动态系数法。所建立的模型框架灵活，算法简单，具有实时性。开展了发动机从起动到最大状态的稳态仿真和动态仿真，结果表明模型的稳态误差小于1％，较好地满足了发动机数控系统早期半物理仿真的需求。     

基于试车数据的发动机神经网络模型

利用人工神经网络对某型航空发动机在全飞行包线内的稳态、动态特性(非加力状态)进行建模,网络的训练样本来自该发动机在高空试车台的试车数据。模型的输入量包括燃油流量、喷口面积、高度及马赫数,输出量则包括高、低压转子的转速及各截面的温度和压力。计算表明,当具有足够的训练样本时,神经网络模型不仅在整个飞行包线内具有较高的稳态、动态精度,而且具有较好的实时性。     

基于相关性分析和神经网络的直接推力控制

传统的发动机控制是将一些可测量参数作为被控制量，如转速和压比，因为可由它们推算出推力。但由于推算的过程不准确，为保证发动机安全运行，在发动机的设计过程中常常保留了较大的裕度。而直接推力控制可以降低这些裕度，充分发挥发动机的性能。针对在飞行中推力无法直接测量的情况，本文使用了相关性分析和神经网络技术设计了非线性推力估计器，使用若干测量参数作为输入，实时计算出发动机的推力值。并针对发动机使用的实际情况，使设计出的估计器不但可以估计额定发动机的推力，而且可以估计非额定发动机的推力。在仿真结果中，估计出的推力跟踪上了正常和非额定发动机的推力。