基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

融合静电信号和气路参数的发动机性能评估方法

为了研究静电监测技术对航空发动机的监测效果,开展了航空涡喷发动机静电监测台架实验,获得了140个完整试车阶段的静电信号数据。针对发动机传统气路性能评估方法的信息源有限的问题,提出了一种融合静电信号和气路参数的发动机性能评估流程和方法,进一步采用了基于逻辑回归模型的评估算法对发动机的综合性能进行量化评估,通过融合试车实验的静电数据和性能参数,对发动机的健康状态评价方法进行研究。结果表明:当健康值为0.9以上可以认为发动机为健康状态,当健康值小于0.3时可以认为发动机已经发生了较为严重的退化,所提出的融合评估方法要优于传统的性能参数评估方法,能够提前预警气路性能严重退化。     

基于PEM的辅助动力装置系统辨识与仿真

辅助动力装置（APU）是一个复杂的非线性系统,为了研究APU的工作特性,必须对其进行数学建模。本文依据某型APU地面试车数据,采用基于预测误差法（PEM）的输出误差模型进行系统辨识,建立了APU某一稳态点的＂小偏差＂数学模型,以满足后续控制规律的设计和研究。MATLAB仿真结果表明,此方法对APU模型辨识可行。验模表明,所建模型精度很高,且能实时准确反映APU性能,因而可在该状态下基于此模型进行控制器设计。     

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.     

模糊聚类方法在PIO探测中的应用

用于驾驶员诱发振荡(PIO)探测的特征参数可以有效地反映出PIO时飞机在频域和时域的特征,利用模糊逻辑方法对特征参数进行辨识可以有效地识别出是否发生了PIO.模糊逻辑方法中的隶属函数直接反映了特征参数的特点,其设计决定了是否能有效地对PIO进行识别.为了设计有效的隶属函数,根据特征数据的特点采用球壳型模糊聚类算法对数据...     

基于MINITAB的飞机辅助动力装置的寿命分析

飞机辅助动力装置(APU)是现代客机上的一种小型涡轮轴发动机。本文对大量采集到的APU使用寿命数据进行分析,通过建立相应的可靠性寿命模型,利用MINITAB软件对APU的寿命及可靠性进行研究。     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

基于预防性维修的APU性能评估建模与监控方法

当前民航领域对于辅助动力装置(APU)的维护方式主要有反应式维修和预防维修两种,但这两者都不能满足当前航空公司既要提升运行可靠性,又要节约维护成本的期望.本文将着重介绍APU的性能评估建模及监控方法.通过分析ACARS采样数据获得运行参数,应用统计分析获得关键参数以及参数修正数学模型.经过长期的数据分析获得关键参数阈值,从而评估APU性能.     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

民用飞机辅助动力装置进气系统防火适航条款解读及试验研究

民用飞机辅助动力装置(简称APU)安装在飞机后机身APU舱内。APU舱作为民用飞机适航审查过程中的指定火区,需要经过严格的防火密封性验证。确保APU舱火区内可能发生的火灾危险不会传播到飞机的其他区域,影响到APU系统乃至整个飞机的安全运行。APU系统通过进气系统穿越APU舱防火墙与外界大气连通,为APU正常工作提供新鲜空气。进气系统穿越防火墙对APU舱的防火密封能力提出了很大考验。民用飞机适航审定也对APU进气系统防火性能提出了详细的适航条款要求。从APU进气系统防火适航条款解读入手,通过某型民用飞机APU进气系统防火适航审定实例,对进气系统防火从设计角度进行了研究,并且对适航审查时需要重点关注的防火密封区域进行了试验研究。     

航空发动机空气起动系统性能匹配计算方法

为了探索航空发动机空气起动系统的匹配机理,寻找改善全包线内系统性能的技术途径,通过对系统各单元工作特性及相互制约条件的分析,在综合辅助动力装置(APU)、引气管路、调压装置、空气涡轮起动机(ATS)特性计算模型的基础上,发展了一种基于各单元匹配的空气起动系统性能计算方法。该方法能够准确获取系统设计点、各单元特征参数及边界条件,确定APU引气特性、引气管路损失特性、ATS喉道面积和调压装置蝶阀调节规律,进而实现空气起动系统全包线特性计算。利用试验数据对模型进行了校验,结果表明,输出功率计算误差3.5%、引气流量计算误差4%。该模型克服了目前工程上只能单点计算,且需反复迭代的缺陷,为空气起动系统总体性能设计和评估提供了一种有效的分析工具。     

基于WQAR数据的飞机系统性能监控及预测维修

目前航空公司多利用WQAR进行飞行操作类的品质监控,如重着陆监控、载荷超标监控等,飞机技术状态的监控多依赖厂家开发的AIRMAN、AHM软件,这类软件监控能及时掌握飞机技术状态,飞机触发故障,后台同步获知飞机故障情况再安排维修,属于事后维修模式,往往导致航班非计划中断以及后续航班延误。WQAR数据完整记录了飞机各个系统工作的相关参数,借助WQAR数据能够实现对飞机性能的监控,精确掌握飞机系统健康状态,实现基于性能的预测性维修,大大降低维修成本,减少因故障导致的延误。     

离散时间T-S动态故障树在民用飞机辅助动力装置系统安全性评估中的应用研究

辅助动力装置（APU）是安装于飞机上的、用于提供辅助动力源的、自成体系的小型发动机。在民用飞机APU系统安全性评估过程中,逐步采用动态故障树对传统故障树进行优化,使故障树分析结果能够更加精确地体现系统失效的动态特性。不同于传统故障树可以根据布尔逻辑求解,动态故障树一般需要转化为同构的状态空间模型才能求解。这种求解过程欠缺通用性,并且存在指数爆炸问题。采用离散时间T S动态故障树计算方法,计算了APU系统故障树中的一段子树的顶事件的失效概率,并与使用马尔可夫模型计算的结果进行比较。计算结果发现随着任务时间分段的增加,相对误差单调下降。当任务时间分段大于5时,相对误差小于1%,在计算精度满足要求的情况下能够显著降低计算成本。     

基于通道校准和HMM的机载雷达健康状态评估

性能退化与间歇故障是机载雷达健康状态的重要反映。针对传统机载雷达健康评估方法缺乏整机级的监测指标、未能综合考虑性能退化和间歇故障，传统BIT电路难以监测间歇故障等工程难题，提出了基于通道校准链路，综合运用通道校准仿真技术、正态云、HMM建立起健康状态评估流程。首先，对通道误差与间歇故障进行分析，得到4类校正系数，建立误差与间歇故障注入仿真流程；然后，基于正态云，利用校正系数的样本方差来表征雷达系统的健康状态，提出统一健康模型，并给出HMM拓扑结构与参数设计方法；最后，建立起基于数据驱动的评估流程并开展应用研究。仿真实验验证了误差和间歇故障仿真流程的可行性、健康状态评估方法的有效性，可获得大于95%的评估准确率；应用案例表明所提方法可行，能解决工程上机载雷达健康状态评估的问题。     

民用飞机健康诊断大数据应用研究

该文对面向飞机健康诊断的几种大数据技术进行了综述。并行聚类分析方法可以抽取飞机维护系统并行计算机的基本特征,形成飞机各系统历史数据的抽象计算模型;而针对全机状态监控参数中如何从大量飞机参数中挖掘出有价值的信息问题,参数场域挖掘技术发挥了很大的作用;然而在实际应用过程中,经常会遇到多种复杂的故障,这些故障通常具有复杂的非线性关系,而要确定这些非线性相关规则,需要依托大数据技术确定相关的关系;而对于由某一部件失效形成飞机级联故障的链式效应,可利用可视化数据挖掘技术,描述故障数据,结合人类视觉感知能力,加强数据结果处理。     

基于主成分分析和支持向量机的作战飞机效能评估

作战飞机效能的评估是防空作战中的重要问题,简述了效能评估的各种方法,建立参数效能模型时,首先要挑选特征参数,用主成分分析方法选择武器的特征参数。利用支持向量机建立了作战飞机的参数效能模型,通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于状态维修的APU起动机监控模型的建模与实现

当前民航领域对于APU起动机的维护方式主要是反应式维修,不仅增加了维护成本,而且容易导致由于APU不能起动而影响航空公司运行品质。本文将着重介绍基于状态维修的理念,通过分析ACARS的A13号报文(APU起动/慢车报)获得运行参数,应用统计分析方法建立APU起动机监控模型,并以实际的案例验证监控模型的有效性。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

APU非正常自动停车的讨论

APU是飞机的辅助动力装置,它主要是向飞机提供电、气源。在航线维护当中,85-129(H)型APU的主要故障常常反映在启动慢或者是启动悬挂以及在运行阶段时APU非正常自动停车。在APU非正常自动停车方面有两种情况,一种是由滑油系统的故障所引起的,它主要体现在滑油冷却系统出现问题导致的滑油温度过高、或滑油系统的渗漏导致的滑油量过低引起APU非正常自动停车。另一种情况就是在APU系统上的部件也有可能影响到它的非正常自动停车,例如,APU控制组件M280、APU三速电门(E3SS)、APU燃调上的电磁活门、APU转速表等。一般来说,APU非正…     

辅助动力装置系统空中起动设计和验证

辅助动力装置(Auxiliary Power Unit,简称APU)系统空中起动设计和验证共涉及APU 本体研制、APU 系统进排气冲压恢复计算分析、APU 系统进排气和APU 本体性能匹配计算分析、APU 系统进气风门设计、进气风门气动载荷计算分析、进气风门作动机构设计、进气风门控制逻辑设计、本体起动控制逻辑设计、冲压恢复测量试飞、适航验证试验试飞等内容,这对飞机主制造商的系统集成能力和适航验证能力提出了很高要求。APU 系统空中起动设计直接影响系统起动性能和起动包线,对某型飞机的辅助动力装置系统空中起动设计和验证进行了介绍,在型号研制经验的基础上,对APU 系统空中起动设计和验证流程和方法进行总结,对后续型号研制具有较强的指导性。