航空发动机试飞趋势监控模型数据样本容量优化

建立了数据样本库任意两点之间的欧式距离。基于遗传算法对样本容量进行优化,确保满足模型预测精度条件下最大化样本之间的欧式距离,以此确定发动机建模所需的最小数据样本库。在航空发动机实际科研试飞推广应用中,通过有针对性地安排试飞内容,只需要5~6个架次即可建立发动机全状态趋势监控模型,大幅缩短了仿真建模周期。该技术可提高趋势监控模型在非样本点上的表现性能,对后续发动机实时趋势监控的实施有很大的借鉴和指导作用。     

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题,提出了一种基于径向基神经网络的递归预测模型。通过时序数据多维重构的方法建立训练样本,强化径向基神经网络对“时滞性”的预测能力,分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据,构建了供模型训练和测试的瞬态壁温数据样本,以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。     

航空发动机试飞关键参数趋势监控的实现及应用

为了实现航空发动机滑油压力、滑油温度、振动值在试飞中的趋势监控,采用神经网络方法对某型发动机大量试飞数据进行训练和验证,获得了这几个参数全过程较为准确的计算模型。计算模型应用于该型号另1台发动机参数趋势监控中,在应用前,利用有限架次试飞数据修正了这几个参数的计算模型,采用动态链接库形式实现计算模型与原有实时监控系统的协同工作,进行了模型计算结果和试飞结果趋势实时对比监控。结果表明:模型计算结果和试飞结果变化趋势吻合良好,说明了神经网络计算模型的准确性以及在关键参数趋势监控中的工程实用性。     

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元（GRU）动态网络和深度神经网络（DNN）,提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。     

基于免疫理论的航空发动机磨损故障智能诊断

针对航空发动机磨损故障诊断技术智能化、精确化的发展要求,以传统油液监测技术为基础,结合人工免疫系统(AIS)具有的自适应特性、学习记忆特性及识别特性等优点,提出了一种航空发动机磨损故障的智能诊断方法。该方法首先利用人工免疫理论的反面选择原理生成检测器,优化后的检测器生成算法提高了初始检测器的代表性及覆盖性;然后利用故障样本训练出成熟的检测器,使航空发动机典型的磨损状态信息存储在检测器中,实现对故障模式的有效学习和记忆;最后通过检测器的激活发现航空发动机的磨损故障。对油样数据的实例分析结果表明,该方法对航空发动机磨损故障具有较强的识别能力,对磨损状态有很好的监测效果。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

航空燃气涡轮风扇发动机故障识别诊断方法研究

航空发动机的故障预测诊断研究是视情维修制度的主要应用,以状态监控为基础的维修制度需要对航空发动机进行状态监测与故障诊断。故障状态监测与诊断研究方法的多样性使初涉者毫无头绪,为了更好地把握航空发动机故障状态监测与诊断的研究方向,选择方法的最优面组合杂交出更加有效的故障检测与诊断技术,可以解决更加复杂的系统故障问题。本文对较为典型的航空发动机故障检测与诊断技术进行简析与评价,从而更加深刻地把握航空发动机故障预测技术。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

航空发动机故障模拟监控训练系统开发

针对数控发动机故障模式多、试飞工程师培训方法欠缺的现状,在真实试验数据基础上开发发动机试验故障模拟监控训练系统,成功的应用于某型发动机飞行试验项目中。实践应用表明:新系统可以有效地培训发动机试飞工程师,提高其处置飞行试验中突发故障的能力,降低试飞风险;能快速处理试验数据,提高数据分析的效率;同时,新系统验证了实时地计算机辅助判断故障告警自动提供处置策略方案的可行性和实用价值,推荐在飞行试验地面遥测监控系统、发动机地面试车台及高空台模拟试验中使用。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

飞行力学和飞行控制试飞技术

为了适应高增益,全权限数字电传操纵系统飞行试验的需要,利用已研制成功的多台地面飞行模拟器和ＢＷ－１纵向,ＩＦＳＴＡ三自由度空中飞行模拟试验机,模型自由飞研究以及具有现代先进水平的机载数据采集记录和地面实时监控系统等设备和技术手段,进行了电传飞机的飞行品质和飞控稳定性等问题的研究,包括试飞输入设计,电传飞机飞行品质,电传飞控系统稳定裕度等。最后,提出了对下一代飞机飞行力学和飞行控制方面需要研究的试飞     

数据挖掘技术在飞行试验数据分析和气动参数辨识中的应用研究

为了检验飞行试验辨识结果的可信度,首次将数据挖掘技术用于飞行试验数据的分析和气动参数辨识,初步解决了试验数据有限、数据信息含量差别较大给聚类、分类、回归等分析处理带来的问题;提出了利用不同时间段、不同飞行批次的飞行数据在划分区间的气动特性分布来检验辨识结果可信度的方法;以某飞行器为对象,利用数据挖掘技术,建立了基于飞行试验数据的气动力数学模型,检验了辨识结果的一致性和可信度,并与地面试验结果进行了比较分析,给出了地面试验预测误差。多批次飞行试验数据的整体辨识结果表明,所发展的方法是可行和有效的。该项研究为验证辨识结果的可信度、建立基于飞行试验数据的气动模型提供了新的途径,并可应用于CFD 和风洞试验的验证与确认。     

基于数值虚拟飞行技术的飞行器动态特性分析

基于结合结构重叠网格、闭环PID控制器、舵偏控制律、刚体六自由度运动和非定常Navier-Stokes方程求解等模块的数值虚拟飞行技术,对“起源号”返回舱、基本带翼导弹外形的多自由度非定常运动、受控特性及控制参数的整定开展了模拟。分析了不同自由度（DOF）下飞行器的运动特性,飞行器受扰动后的稳定性及控制参数的整定。计算结果表明：利用数值虚拟飞行技术可有效地开展复杂流动下飞行物体非线性运动问题的研究,对研究飞行器在非线性流动下的动态特性、受控特性、流动机理研究以及控制律的设计检验具有较高的工程价值和应用前景。     

湾流G650飞机试飞事故研究

依据湾流G650试飞事故调查报告,以试飞工程师的角度从管理、技术两方面对事故进行细节解读和分析。首先梳理关键事件的主要原因和逻辑关系,分析事故链演化过程,将事故原因归纳为管理和技术两类。针对湾流项目管理层面的问题,从流程管理、计划管理和风险管理三方面进行剖析。基于地效模型和测试数据,深层分析了失速告警迎角值设置过高的原因,从起飞速度试飞程序出发,揭示目标起飞安全速度过小的原因。最后总结事故经验,对试飞安全提出建议。     

影响民航客机着陆性能的因素分析

结合典型飞行事故案例,讨论分析了在实际飞行中导致民航客机着陆性能恶化的主要因素,即高高度大速度进场,不正确的接地技术以及刹车使用不当等。并以７３７－３００型飞机为例具体分析了高高度、大速度进场的特点及对着陆距离的影响,讨论了带平飘轻接地,不正确的接地技术导致着陆距离增长的原因,这些对帮助飞行员改进着陆操纵技术具有重要的指导作用。     

飞机性能参数预测的不确定性处理

 利用飞机的性能参数对飞机进行故障预报和状态监控是非常重要的。飞机的性能参数不仅具有非线性而且往往包含噪声,使得故障预测结果具有不确定性。针对这些问题,研究了利用非线性支持向量机处理飞机性能参数的预测问题,通过增加线性约束的方式解决了噪声带来的不确定性问题。此种方法不仅提高了预测的精度,而且模型可以利用适用于处理大规模二次规划的序列最小最优化算法进行求解,使得其可以解决大数据量的预测问题。利用仿真数据以及实际飞机性能参数对该方法进行了实验分析,实验结果表明此方法在精度上较不考虑噪声影响的模型有所提高,对于进一步提高飞机故障预测的精度,从而提高飞机的安全性具有重要意义。     

应用轨迹优化策略的直升机任务科目基元仿真

任务科目基元的飞行试验是ADS-33E-PRF对直升机飞行品质的判定标准。针对直升机设计过程中飞行品质难以事先评定的特点,提出了一种基于轨迹优化策略的直升机任务科目基元数值仿真方法。该方法将飞行品质规范对直升机位置、姿态和速度的限制处理为状态量的边界约束,以完成任务科目基元的时间为目标函数,结合直升机自身的性能和安全性约束,建立了针对任务科目基元的直升机轨迹优化模型。求解该模型得到直升机完成相应任务科目基元所用的时间,便可定性判断直升机飞行品质是否满足ADS-33E-PRF对这一任务科目基元的要求,从而在设计之初对优化直升机总体设计参数提供参考。对某型直升机悬停转弯机动科目进行仿真计算,验证了该方法的正确性和有效性。     

螺旋桨式微型飞行器飞行特性分析

以南航研制成功的某型号微型飞行器为背景,以该型机的风洞实验数据为基础,针对该机的独特气动布局形式,对该机进行了六自由度飞行力学模型的建立。在建模过程中,考虑了螺旋桨滑流对飞机的气动干扰及不同飞行状态下螺旋桨拉力及扭矩的变化。通过应用四阶龙格-库塔方法对该运动方程进行数值求解,对该型微型飞行器的飞行动力学问题进行了非线性分析。     

低速风洞飞行器模型编队飞行绳系并联支撑机构

设计了一种用于飞行器双机编队飞行的风洞试验模型绳系并联支撑机构，模拟在周边有障碍物的有限空间通道中的飞行运动。以直升机为例，根据工况参数设计了双绳牵引并联机构作为飞行器模型的支撑，建立了基于可移动的滑轮铰点与直升机模型编队协同飞行的运动学模型，对系统的静刚度进行了分析，并通过试验验证了旋翼转动对该绳系支撑系统动刚度的影响，给出了在有限空间通道中模拟双机编队飞行与着陆过程中绳与绳之间、绳与模型之间的干涉算法，并对该支撑机构的绳系结构进行了干涉分析。结果表明，所设计的支撑机构能有效解决模拟飞行器模型双机编队在有限空间中飞行运动时的支撑干涉问题，而且系统刚度达到低速风洞试验的稳定性要求，是低速风洞中支撑飞行器模型进行编队飞行试验的有效解决方案。     

民机航向道信标接收功能定量评估方法研究

针对民用飞机仪表着陆系统（ILS）航向道信标（LOC）接收功能试飞中机载LOC接收功能定量评估存在困难的问题，通过对LOC基本工作原理和机场LOC地面台信号的分析，并结合机场LOC地面台的飞行校验方法和校验结果，将试飞使用跑道LOC地面台本身存在的误差以及飞行校验的设备误差纳入考量，结合民用飞机机载LOC系统试飞科目的试飞方法和试飞内容，以相应系统规范的精度要求为依据，分为“飞机沿航向道飞行”和“飞机与航向道成夹角飞行”两种情况，制定出了一套现实可行的机载LOC接收功能定量评估方法。此外，用实际的试飞数据验证了该套方法的正确性和科学性，可作为目前国内仅作定性评估的有力补充和支撑，并且可为类似的系统提供定量功能评估思路、方法及验证路径的参考。