基于信息熵测度的航空发动机性能退化评估

航空发动机在整个运行周期中,其混乱度从有序逐渐变化为无序.本文首先通过时间序列聚类分析对发动机所处的状态进行评估,再引入信息熵测度对发动机的健康状态进行表达,从混乱程度层面进行发动机性能的退化评估,依据NASA仿真数据集分析表明:用信息熵描述的航空发动机的性能退化趋势与真实情况符合,能够较好地反应发动机的实际退化过程,...     

基于灰色理论的航空发动机整机振动状态评价

提出了一种基于灰色关联度的航空发动机整机振动状态评价方法,并介绍了该方法的数学原理及算法.以某型航空发动机整机振动试验数据作为样本,建立了标准特征库.通过计算被评估发动机的状态参数序列与标准状态参数序列之间的灰色关联度,评价发动机实际状态相对标准状态的近似程度,从而实现对航空发动机整机振动状态的评价.结果表明该方法可用于发动机状态定量评价,并具有简单方便,计算量小,可学习,诊断结果可靠等特点.     

民用发动机状态混沌预测算法

首先应用Haar小波和DB16小波对航空发动机排气温度的原始数据序列进行去噪处理,并且证明了处理后的数据序列具有混沌特征.其次应用混沌理论建立发动机状态预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,以及该曲线是否平稳,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行...     

基于边界值的多元混沌发动机性能预测算法

首先提取航空发动机排气温度数据序列的边界值,并且证明了边界值序列具有混沌特征.其次提出了一种基于多元相空间重构的发动机状态混沌预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行数据对该预测算法进行了验证,结果表明:该组合算法降低了预测模型的时间复杂度,并大大提高了疑似异常点的预测精度.该方法可以为这种机型发动机故障预测提供决策依据.      

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

基于Kolmogorov熵的转子—机匣系统故障诊断研究

提出了基于Kolmogorov熵的航空发动机转子—机匣系统状态识别和故障诊断新方法。应用关联积分算法,基于实测的航空发动机机匣振动时间序列求解了转子—机匣系统不同工作状态和故障状态的Kolmogorov熵;基于Kolmogorov熵,对航空发动机转子—机匣系统进行了状态识别和故障诊断。研究结果表明,该法具有较高的状态识别和故障诊断能力。     

基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

通过对航空发动机振动信号进行小波分解,依据多尺度空间局部能量分布和粗糙性提取基于子带信号能量加权广义粗糙度特征实现对振动情况的描述.然后将上述特征送入支持向量机(support vector machine,简称SVM)分类器进行训练,根据分类器的输出结果判断航空发动机的工作状态和故障类型.通过对实测航空发动机试车时得到的振动信号的实验分析结果表明,该算法可以有效地识别发动机的振动故障.      

MEMS技术在智能航空发动机中的应用研究现状及前景

利用MEMS(micro-electro-mechanical system)体积小、质量轻、集成度高等特点,将该技术用于航空发动机,可以更好地实现对发动机的流动、燃烧过程进行主动控制、对关键结构部件的损伤以及滑油系统健康状态进行监测等方面的功能,进而实现航空发动机的智能化.为了实现MEMS在航空发动机上的应用,一方面是提高MEMS自身适应航空发动机环境的能力;另外一方面则需要开展其和航空发动机的兼容性设计及研究.随着MEMS技术的不断发展,它必将是推动航空发动机发展的一个重要新技术.      

基于马氏距离的航空发动机健康监控方法

航空发动机健康监控是实现航空发动机健康管理的关键技术之一。针对航空发动机健康监控高维计算复杂度高的问题,提出了一种基于主成分分析与马氏距离结合的计算方法。首先通过主成分分析对性能监测参数进行降维,并采用马氏距离计算发动机的健康参数,最终根据威布尔分布确定健康参数的警戒值。实例计算结果表明,方法能够较好反映航空发动机健康状态,并能检测运行过程中出现的异常点。     

涡轴发动机健康管理跟踪滤波器技术

以反映部件健康状态的变几何涡轴发动机部件级数学模型为基础,利用线性化方法建立了反映航空发动机健康状态的线性状态空间数学模型;利用Kalman滤波器原理,构建了涡轴发动机健康状态跟踪滤波器。对线性状态空间模型和健康状态跟踪滤波器进行了仿真,结果表明：线性状态数学模型准确、实时;健康状态跟踪滤波器可准确地估计出涡轴发动机健康状态的变化。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

基于进气总压畸变指数的发动机实时监控

提出了一种基于进气总压畸变指数智能预测的发动机实时监控方法。在对进气总压畸变试验数据进行混沌特性分析的基础上,采用饱和嵌入维数作为支持向量机输入节点个数的选择,建立支持向量机预测模型,并将该模型应用于对发动机进气总压畸变指数的预测。结果表明,该模型可以对进气总压畸变指数随时间的变化规律做出有效预报,从而为进一步对发动机实施有效的、实时的监控提供有力的保障。     

基于振动能量积奇异值分解的航空发动机 振动状态识别

为进一步提高航空发动机振动状态监测的有效性和故障诊断的准确性,将机匣截面振动信号的各谐波轴心轨迹椭圆长短轴乘积看成广义时间序列.基于该序列能够全面反映发动机转子系统各谐波能量分布的客观事实,利用其构造矩阵并提取奇异值向量.借助于该向量构造特征值,通过比较特征值向量实现对发动机不同振动状态的识别.对实测振动信号的分析表明:在同一振动状态下,各数据椭圆长短轴乘积相对奇异值强度具有相同的变化趋势和良好的稳定性;在不同振动状态下,椭圆长短轴乘积相对奇异值强度变化趋势不尽相同;通过椭圆长短轴乘积奇异值相对距离熵能够较好地识别发动机各振动状态.     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

某型钛铝合金航空发动机叶片高温高周振动疲劳实验

以某型钛铝合金航空发动机叶片为研究对象,针对该型叶片高温高周振动疲劳实验时遇到的高温疲劳应力监测、高频激励等问题进行了实验方法研究。采用闭环控制最大应力的方法解决了高温疲劳应力的监测,通过夹具放大设计实现了高频激励,利用辐射加热和电磁振动台完成了温度载荷和振动载荷的综合施加。运用所述的高温高周振动疲劳实验方法,对该型叶片进行了寿命实验。实验的高温疲劳应力控制精度优于±2%,得到该型叶片可靠度为50%的中值疲劳极限是444 MPa,并有效获得了其寿命曲线。该实验方法适合航空发动机叶片高温高周振动疲劳实验,并可为其他航空发动机零部件高温高周疲劳实验提供参考。     

航空发动机状态监控系统研究

航空发动机的维修方式正在由定期维修向视情维修转变,可以在保证发动机可靠性的前提下,降低发动机的维护费用。状态监控系统的研究是开展航空发动机视情维修的关键步骤。借鉴国外典型的发动机状态监控系统,提出了发动机状态监控系统的结构、功能需求、监控事件的选择,实现了机载状态监控系统的原理样机及其仿真平台,对状态监控系统的研究有一定意义。     

基于李雅普诺夫函数的航空发动机非线性控制设计方法

针对航空发动机非线性模型,提出了1种基于李雅普诺夫(Lyapunov)函数的航空发动机非线性控制设计方法。在保证系统稳定的前提下,采用该方法完成了航空发动机非线性控制器的设计。仿真研究结果表明:该设计方法可提高系统响应速度,能有效抑制干扰,且具有良好的跟踪性和鲁棒性,有效改进了航空发动机控制系统的性能。     

航空发动机主轴承使用状态寿命预测模型

在滚动轴承寿命预测模型分析的基础上,提出了航空发动机主轴承状态寿命的概念,即把主轴承的使用寿命周期划分为状态良好、初步损伤、故障发展和即将失效4个寿命阶段;建立了1种利用机载传感器信息(转速、振动和飞行器机动),来确定航空发动机主轴承使用状态寿命的模型,该模型把状态监控数据和基于理论模型分析计算的方法相结合,为评估主轴承的寿命状态提供了1种新的方法.     

基于KPCA 和DBN 的航空发动机排气温度基线模型

为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生的快速存取数据作为原始的数据样本,利用核主成分分析进行降维处理,选用高斯函数作为核函数,将降维后的数据作为深度置信网络的输入,建立航空发动机EGT基线模型,通过大量QAR数据验证了模型的有效性和正确性。与传统神经网络建模方法相比,所提出的建模方法不但降低了网络结构的复杂度,同时也提高了模型的精度。