一种基于相邻模块化加权D-S的融合诊断方法

常规D-S (Dempster-Shafter)决策融合方法由于其自身理论不足,不能很好直接处理决策结果偏差大、冲突大的传感器融合问题,因而对于信息高冲突情况下的转子微弱故障融合诊断存在着失效问题。针对该类问题与不足,借鉴复杂网络的舆论传播、社会学习理论及多智能体一致性决策的相关概念与思路,从避免决策结果冲突大的传感器直接进行融合的角度进行改进,提出相邻模块化加权D-S融合方法。该方法首先根据初步结果进行相邻节点与模块划分,只有决策距离在相邻界限值范围内的相邻模块节点才能进行决策融合;对于同一模块内相邻节点,根据各节点决策权重及初步决策结果采用加权D-S融合方法进行决策融合;针对融合结果再进行相邻节点模块划分与融合,依此步骤进行循环划分与融合,直到所有模块与节点均不相邻;最后采用专家权威决策方法确定权重和最大的模块融合结果作为最终的传感器网络一致性决策结果。通过多传感器网络的转子故障模拟实验对所提方法进行验证,应用结果表明:所提方法可以较好解决少数传感器诊断正确、而多数诊断错误的信息高冲突条件下的局部微弱故障融合诊断问题。     

具有网络调度的航空发动机分布式控制系统协同容错控制

为解决航空发动机分布式控制系统中网络参数与控制性能之间的冲突问题,提出了一种基于线性矩阵不等式理论的网络参数与保成本容错控制器协同设计方法。建立MEF-TOD调度协议作用下状态变量和控制变量的传输特性;将采样周期和数据包容量作为未知量引入航空发动机分布式控制系统的建模过程,得到调度协议约束下的网络参数与控制系统参数联合模型;给出联合闭环系统渐进稳定且存在成本函数上界的充分条件,并给出了网络参数与控制器增益的具体求解步骤。仿真结果显示,控制器与网络参数的协同设计方法能够求解出最优采样周期和数据包容量,据此得到容错控制器能够使航空发动机分布式控制系统在发生主动丢包故障的情况下,联合闭环系统渐进稳定,且低压转子转速超调量降低了80%,参数摆动降低了66.7%,保证控制器动态性能最优。     

基于Volterra-Laguerre扩展模型的发动机加速过程辨识

提出了航空发动机的动态非线性Voherra-Laguerre扩展模型的辨识建模方法.应用Laguerre序列简化线性系统的原理,将Volterra级数模型拓展为Volterra-Laguerre扩展模型,该模型较传统Volterra级数模型减少了辨识量,提高了辨识速度.采用航空发动机地面试车数据辨识建立了其加速过程非线性Volt-erra-Laguerre扩展模型,通过递推最小二乘法辨识了模型参数.仿真结果表明,模型精度高,高低压转子相对转速误差均小于1%,涡轮后燃气温度误差小于3℃,满足发动机控制仿真的需要.     

基于GA的航空发动机单神经元自适应解耦控制器设计

针对航空发动机控制变量间的耦合作用,设计了基于GA优化的单神经元自适应解耦控制器,给出了控制系统的结构及解耦算法。该方法结构简单、易于实现,直接通过对两个通道误差的学习调整权值,实现解耦。仿真表明,在设计点和偏离设计点处,系统均具有良好的动态特性和解耦特性。     

DiverseAdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用

 提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——Diverse AdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器，对这些具有较大差异性的弱分类器进行组合，从而较好解决AdaBoost算法中存在的精度/差异权衡的难题；同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断，结果表明和其他方法相比，Diverse AdaBoost -SVM方法具有更好的泛化性能，更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。     

Elman回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

基于非线性阻尼的航空发动机高压转子拉杆结构装配检测方法

 为了提高航空发动机高压转子拉杆结构的装配质量,提出了基于非线性阻尼的装配检测方法。该方法运用组合阻尼模型描述拉杆结构的非线性接触特性,并通过能量方程推导出基于Hilbert-Huang变换(HHT)方法的非线性阻尼的识别公式。在拉杆结构正常装配、单个螺栓松动和2个不相邻螺栓松动的3种情况下,采用非线性阻尼识别法进行实验,将3种情况得到的实验结果进行对比,发现基于组合阻尼模型得到的非线性阻尼与装配情况具有强烈的相关性,从而验证了基于非线性阻尼的装配检测方法的有效性。     

航空发动机分布式控制系统指数稳定性分析

建立具有时延与数据包丢失的航空发动机分布式控制系统模型,模型为一类异步动态系统,基于Lyapunov第二法和线性矩阵不等式方法推导了系统的指数稳定性判定定理,根据该判据可以得到分布式控制系统的指数稳定意义下的状态反馈控制律,数字仿真说明了该判据的有效性.      

求解航空发动机数学模型的混合智能方法

针对传统求解方法收敛性不强而遗传算法求解效率较低的问题,利用BP神经网络逼近发动机平衡方程的反函数,将求解结果作为Newton-Raphson法的初值,提出了求解模型的混合智能方法。仿真结果表明,该方法可以保证非线性数学模型在整个飞行包线范围内收敛,与遗传算法相比又提高了求解效率。     

基于RBF神经网络的压气机特性仿真

为克服传统仿真方法误差较大的问题，提出了一种基于RBF（多变量插值的径向基函数）神经网络的压气机特性仿真方法。利用RBF神经网络能逼近任意非线性系统的特点，对压气机特性进行了拟合。试验结果表明，此方法具有精度高，收敛速度快等优点，可广泛运用于发动机数值仿真及控制模拟等领域。