融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题，论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能，采用线性维纳过程对复合健康指标进行退化建模，通过极大似然估计方法确定模型参数，进而得到发动机的预测寿命。为了确定融合系数，提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后，基于训练发动机历史寿命数据，确定出模型参数的离线估计值；然后利用Bayesian公式，同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新，接着在首达时间的意义下推导出剩余寿命的概率分布，进而实现了发动机的剩余寿命在线预测。最后，选择商用模块化航空推进系统仿真数据集进行数值仿真实验，结果表明：相较于基于单一传感器的方法，论文所提方法能够提高剩余寿命预测的准确性，其剩余寿命预测的相对均方误差降低了2%左右。     

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

基于性能非线性退化统计模型的发动机剩余寿命预测

针对航空发动机在性能退化过程中普遍存在的非线性和不确定性问题,提出一种基于非线性退化数据的统计模型和剩 余寿命预测方法。通过对发动机性能真实退化轨道的分析,采用统计回归的建模方法建立发动机退化轨道模型,利用发动机的历 史数据,通过最小二乘估计求解模型中的未知参数;根据贝叶斯准则,以发动机实时监测数据与参数的先验分布对模型中的参数 进行实时更新,以发动机性能退化量首次达到红线值作为失效依据,采用蒙特卡洛仿真的方法得到发动机剩余寿命分布,实现了 对个体发动机剩余寿命的预测;通过试验数据进行发动机剩余寿命的预测,验证了该方法的准确性。结果表明：根据发动机退化 数据结合退化模型得到的个体发动机剩余寿命实时预测值末端均方根误差为0.02588,可以辅助指导维修决策。     

基于随机维纳过程的航空发动机性能衰退研究

针对发动机下发间隔预测的问题，研究了发动机性能衰退规律。基于发动机排气温度裕度（EGTM）数据，建立了随机维纳模型，并使用严酷度因子修正模型，表征不同的工作条件对发动机的影响。利用期望最大化（EM）算法结合贝叶斯定理，对模型参数求解，最终得到了基于性能衰退的发动机平均下发间隔。研究结果表明，在严酷度因子为1.2696的使用条件下，某型号航空发动机性能衰退平均下发间隔为8219循环；基于该模型预测的发动机平均下发间隔与厂商建议的下发时间之间的误差仅为1.7%。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

基于风扇退化的涡扇发动机寿命衰减双参数评估方法研究

由于涡扇发动机不同单元体之间存在耦合性,采用单一性能退化参数预测发动机剩余寿命明显是不全面的。本文根据风扇故障导致涡扇发动机退化机理,引入Frank Copula函数描述二元性能参数之间的相关性,并且采用二元非线性Wiener过程来构建性能退化模型,然后基于MCMC (Markov Chain Monte Carlo)方法进行模型参数估计,实现涡扇发动机剩余寿命预测。最终,通过涡扇发动机的仿真数据集来验证该方法的适用性。证明基于Copula函数的二元非线性Wiener过程建模为发动机剩余寿命预测提供了理论基础和技术支持。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

基于Wiener和Copula函数性能退化模型的减推力起飞可靠性收益评估研究

从精细化、规范化管理使用发动机的角度出发,针对航空发动机减推力起飞在可靠性和安全收益指标的贡献度量化评估问题,提出了一种基于性能退化分析的可靠性收益评估方法。建立了单个性能参数Wiener退化量模型,并利用Copula函数进行二元相关性能参数退化量建模,提出了基于Copula函数和Wiener退化过程的二元相关性能可靠性模型。将模型应用于实例分析,通过发动机执行减推力和未执行减推力时的性能退化数据,定量地分析了执行减推力起飞技术对可靠性和在役寿命方面的贡献度,并将文中提出的方法与基于单参数的性能可靠度函数以及二元独立性能参数的性能可靠度函数进行对比分析。结果表明,执行减推力起飞技术的发动机在运行中有更高的安全裕度,在役寿命平均延长了23%左右。     

动量轮维纳过程退化建模与寿命预测

针对动量轮寿命预测无失效数据问题,利用有漂移的维纳过程对其轴承温度建立性能退化模型,同时,考虑由于加工工艺、制造误差等因素所造成的不确定性,利用随机变量来描述其漂移参数和扩散参数,并结合自助法获取纠偏估计.根据所建模型仿真了轴承温度维纳过程的样本路径,最后,对动量轮进行随机失效阈值情形的寿命预测和剩余寿命预测.该模型为...     

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

基于工况聚类和残差自注意力的发动机剩余使用寿命预测

针对多工况的航空发动机剩余使用寿命（RUL）预测精度较低的问题，本文提出了一种基于工况聚类分析和残差自注意力的发动机剩余使用寿命预测方法。首先，通过聚类将不同的工况进行划分，并构建线性回归分析模型筛选出符合发动机性能变化的退化参数；其次，通过卷积神经网络，获取数据中隐含的发动机性能退化特征；再次，利用双向长短期记忆神经网络挖掘时序退化特性并对其进行记忆；最后，结合残差自注意力机制对退化特征分配不同的权重来实现发动机剩余使用寿命预测。在美国国家航空航天局（NASA）的C-MAPSS多工况数据集上进行了消融试验，验证了该方法的有效性。结果表明，该方法评分和均方根误差均最优，可为发动机剩余使用寿命预测提供一定的参考。     

机载实时模型稳态基准值的修正方法研究

发动机机载实时模型稳态基准值反映了当前发动机的工况,决定着实时模型的稳态精度。提出一种利用传感器测量数据修正机载实时模型稳态基准值的方法,具体采用多项式线性拟合技术、利用传感器近期测量数据修正机载实时模型的基准值,以适应发动机稳态特性的改变、提高模型稳态精度。针对某民用大涵道比涡扇发动机构建的在线故障诊断仿真系统研究表明,在发动机发生性能退化的情况下,修正后的机载实时模型的稳态误差降低近1.8%。     

基于试飞数据的涡轴发动机性能建模技术

为了实现军用涡轴发动机在装机状态下的虚拟预测试飞，通过罚函数法求解超定非线性方程组的最小二乘解，并采用回归分析对部件特性耦合因子进行曲线拟合，优化基准稳态模型，构建了某型涡轴发动机稳态性能计算模型；在此基础上，应用发动机加减速试飞数据，综合考虑部件容腔效应、转动部件的转子动力学和高温部件的传热效应，开发了涡轴发动机部件级过渡态性能计算模型。采用该模型对包线范围内不同工况的发动机稳态和过渡态工作过程进行了仿真预测，结果表明：与真实装机试验结果相比，发动机各工作参数的稳态预测精度在4.2%以内，过渡态预测精度在9.2%以内，满足工程精度要求。该模型能够满足虚拟预测试飞的技术需求，对涡轴发动机的设计、试飞和使用具有重要作用。     

基于机器学习方法的压气机落后角与总压损失预测代理模型

为了提高压气机特性预测的精度，基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象，基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数，分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型，并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题，调整模型学习率和修正参数梯度以加速收敛，同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险，并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明，低转速工况代理模型的压比特性预测误差显著低于经验模型，其中人工神经网络建模改善最明显，相比经验模型预测误差降低了0.1。通过代理模型横向对比，基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。     

多源传感监测线性退化设备数模联动的剩余寿命预测方法

随着先进传感与监测技术的快速发展,实时获取随机退化设备的多源传感监测数据已成为现实,如何有效融合多源传感监测数据以实现随机退化设备剩余寿命的精准预测成为剩余寿命预测领域的研究前沿。针对多源传感监测的线性随机退化设备,提出了一种考虑随机失效阈值的数模联动剩余寿命预测新方法。该方法在离线训练过程中,基于多源传感历史数据提取的复合健康指标及据此线性随机退化建模预测的寿命,构建综合寿命预测值与设备实际寿命的均方误差及寿命预测方差的优化目标函数,形成复合健康指标提取与随机退化建模的反馈闭环,对多源传感器融合系数和复合健康指标对应的随机失效阈值分布参数进行优化调整,以实现复合健康指标提取与随机退化建模的自动匹配,即数模联动。在线预测时,根据提出的数模联动方法,融合实际运行设备的多源传感监测数据以获取复合健康指标,然后采用随机模型对其演变过程进行建模。同时,为使模型实时反映设备当前状况,提出了一种退化模型参数的贝叶斯更新方法,在此基础上基于首达时间得到了考虑设备失效阈值随机性的剩余寿命概率分布。最后,基于航空发动机的多源传感监测数据,验证了所提方法在改善复合健康指标特性和提高剩余寿命预测准确性方面的...     

基于Wiener过程的民用航空发动机性能可靠性预测

通过对民用航空发动机性能退化数据的分析,提出了一种有效融合先验退化数据和现场退化数据的性能可靠性评估和剩余寿命预测方法.首先在先验退化数据的基础上确定Wiener过程参数的先验分布,然后利用贝叶斯方法融合新增的现场数据,对Wiener过程参数进行更新,并在此基础上对单台发动机进行性能可靠性评估和剩余寿命预测.该方法能根据现场退化数据不断地对可靠性和剩余寿命进行更新.最后通过某航空公司发动机性能退化数据验证文中提出的方法,结果表明41号发动机在2000循环和3000循环时预测的剩余寿命相对误差分别为0.060和0.018,可以满足航空公司发动机下发计划制定的实际需要.      

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。