发动机经验故障方程的建立与应用

本文提出了根据发动机故障样本建立故障方程的方法。发动机经验故障方程是不同于发动机小偏差方程的另一类故障方程,它为发动机故障诊断提供了一条简便易行的途径,并且使发动机故障诊断范围扩展到气路分析方法难以适用的场合。文中讨论了经验故障方程的建立方法及其在发动机故障诊断中的应用,给出了利用经验故障方程进行发动机故障诊断的实例。      

发动机经验故障方程的建立与求解

本文提出了根据发动机故障样本建立发动机故障方程并利用最优化方法(主特征量模型)求解的故障诊断方法。经验故障方程是不同于发动机小偏差方程的另一类故障方程,它为发动机故障诊断提供了一条简便易行的途径,并且使发动机故障诊断范围扩展到气路分析方法难以适用的场合。文申讨论了经验故障方程的建立方法,求解方法和应用特点,给出了利用经验故障方程进行发动机故障诊断的实例。     

航空发动机故障诊断方程的求解及应用

用换算系数方法建立了基线模型，分析了测量参数偏差的计算方法，重点介绍了发动机故障诊断系统中故障方程的求解方法，并应用发动机试车数据对此进行了求解检验，结果表明故障诊断方程的求解方法可行。     

Kohonen网络在发动机故障诊断中的应用

文中第一部分研究了利用Kohonen 网络进行发动机故障诊断的特点与算法。并以JT9D发动机为例对算法的有效性进行了检验,23 个故障样本的确诊率达到87% 。文中还以一个典型例子进行了详细分析。文中第二部分提出了利用Kohonen 网络进行故障诊断结果排序的方法,该方法有助于给出简明的诊断结论。文中第三部分提出了利用Kohonen 网络提取故障样本群的代表性样本的方法。该方法对于经验故障方程的建立十分有用。      

故障因子的独立性及故障方程的特性

本文给出了作为发动机故障诊断前提条件的故障方程的严格定义，论述了故障方程中故障因子的独立性问题及故障方程的求解条件。这些论述对于正确建立故障方程、防止在引入故障因子问题上出现数学方法上和物理概念上的错误以及正确制定发动机故障诊断的技术方案具有重要意义。文中还对现有文献在这些问题上的不妥当观点进行了分析。     

飞机转速摆动故障模糊诊断模型的建立及其仿真研究

鉴于传统故障诊断技术在飞机发动机故障诊断中不能较好吸收人类经验的缺点,文章运用模糊推理技术,模拟专家的故障诊断推理过程,建立了某型军用飞机发动机转速摆动故障的模糊故障诊断模型,并运用模糊神经网络对该模型进行了改进。仿真结果表明,所建立的模型可以很好地吸收维护人员的故障诊断经验,对故障原因可做出准确判断,训练完成的模糊神经网络模型可实现模糊模型的故障诊断功能,解决其不能自学习的问题。     

航空发动机整机振动故障模糊信息熵诊断方法

为了获得航空发动机整机振动故障征兆与故障原因之间难以确定的复杂隶属关系,提高故障诊断的准确率,基于模糊数学理论和信息熵理论,提出了基于模糊信息熵的发动机整机振动故障融合诊断方法。通过建立模糊信息熵融合诊断的数学模型,使定量分析与专家经验和定性分析相结合,并应用于某型航空发动机整机振动故障诊断。实际应用表明,基于模糊信息熵融合的诊断模型较单一的模糊诊断模型准确率明显提高,验证了该方法用于航空发动机整机振动故障诊断是有效的。     

发动机故障诊断主状态量模型合理解的选择

主状态量模型是基于发动机故障方程的发动机故障诊断的一种十分有效的方法,它在发动机故障诊断上的成功应用已为大量实例所证实。发动机故障诊断主状态量模型的一个技术关键就是合理解的选择问题。本文给出了选择合理解的基本原则。这些原则可以有效地提高合理解选择的确定性和故障诊断的故障分辨率。对于JT9D发动机的大量故障实例利用主状态量模型(加权最小二乘法)进行了检验。故障诊断的成功率达90%以上,并且得到了许多有用的信息,文中给出了24个实例的故障诊断结果以及故障趋势分析的典型例子。     

基于部件特性未知的航空发动机故障诊断技术

以航空发动机部件通用特性为基础运用单纯形优化方法,发展了一种预测发动机部件特性的自适应模型方法。并以此为基础运用气路分析原理,选取表征发动机性能参数变化的症兆变量和测量参数,建立了发动机故障诊断小偏差方程。诊断结果表明:症兆变量的选取和相对变化值大小对故障诊断误差有决定性的影响,其值的选取应以门限值1/3为最佳;故障诊断模型症兆变量与实际故障症兆变量变化值相对误差控制在5%内,且不会对故障类型的判断产生影响;故障诊断模型在已知的检验结果内无误诊现象。      

发动机故障诊断的主成分算法

 给出了两种基于主成分分析的发动机故障诊断算法,即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点,即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念,解决了主成分个数选择的难题．还以JT9D发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明,利用主成分降维方法可以将JT9D发动机的26个故障因子压缩到9个,或者将5个单元体的10个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。     

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。     

发动机故障方程的建立与故障因子的引入

本文提出了在建立发动机故障方程时应当引入故障因子的概念。文中指出，根据原封不动地保留着部件正常特性方程（即不引入故障因子）的数学模型所得到的线性模型仅仅是小偏差方程而不是故障方程。这种小偏差方程不能适用于故障诊断，并且还会导致用较少测量参数可以诊断出较多的同时发生的独立故障的错误结论。文中给出了建立故障方程的正确方法，并以不可压流的管口出流问题为例加以说明，并且对个别相当有影响的文献在这一问题上的错误观点进行了详细的分析。     

发动机故障方程的最少故障整体优化解

 发动机故障诊断是根据有限的发动机性能参数的测量值在众多的可能发生但不一定发生的故障之中确定出故障的类别和程度。测量参数与故障参数之间的关系通常表示为亚定的线性方程组△y=A△x,式中△y为测量参数向量而△x为故障参数向量。引入最少故障原理可以对亚定的故障方程组求解。求解方法可分为整体优化解法和组合优化解法两大类。本文给出两种基于最少故障原理的约束整体优化解法。最少故障原理和约束条件的引入可以有效地保证最优解的确定性和合理性。文中还给出了利用整体优化解法进行发动机故障诊断的实例。     

基于神经网络和D-S证据理论的发动机磨损故障融合诊断

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,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,将每种方法的神经网络诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对神经网络的诊断结果的融合,从而得到最终的融合诊断结果;最后,运用算例表明了本文方法的有效性。      

发动机故障隔离技术的主特征量模型

本文提出了发动机气路分析故障隔离技术的主特征量模型。主特征量模型的基本原理如下:发动机征兆量和发动机特征量之间存在着特殊的函数关系,即 n 个征兆量小偏差方程可以被少于 n 的 t 个故障量偏差所满足。利用这一特性可以对多于征兆量数目的 m 个特征量进行故障隔离。与目前广泛采用的影响系数矩阵法比较,主特征量模型不仅具有更广泛的实用意义,而且数学模型更加严格,并且能提供较多的故障诊断信息。文中给出了主持征量模型的两种求解方法,即最小征兆量偏差残差模法和最小特征量偏差法。文中还给出了主特征量模型的计算例题,并对计算结果进行了分析。     

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。