基于支持向量机的涡扇发动机起动性能估算研究

针对不同大气条件尤其是高原和高、低温条件,及不同起动机和负载扭矩特性下涡扇发动机起动过程的数值模拟问题,给出了通用起动模型状态空间描述形式,研究了基于支持向量机的起动模型辨识和起动性能仿真方法。以某型涡扇发动机为例,给定某些条件下的起动试验数据,采用模型逐次递推的方式,估算了其它条件下的起动性能。提出的方法能够保证估算结果的准确度,适合于工程应用。     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

基于混沌变量的航空发动机性能监控与故障诊断

针对在利用综合加权法计算表征发动机整体性能的综合指数时,各参数的权系数难于确定,本文提出利用混沌变量确定各参数的权系数,使优化得到的综合指数值比采用专家调查法所得到的综合指数值更能灵敏、准确地反映发动机整体性能的变化情况,提高了发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大。通过对某型涡扇发动机进行监控,证明该方法确实有效。      

计算涡扇发动机风车起动特性的辨识模型

针对高空风车条件下涡扇发动机起动性能估算问题, 提出了运用约简遗传规划算法进行模型结构自动选择的思路, 对基于约简遗传规划的风车起动模型进行了研究.以某型涡扇发动机为例, 运用该算法对给定条件下该型发动机的风车起动过程进行了建模仿真, 得到了起动过程的估算结果.将估算结果与试验数据对比, 验证了方法的正确性、可行性.      

航空发动机叶片激光冲击强化机制研究

针对航空发动机叶片近年来出现的故障,进行力学分析;研究激光冲击强化的机制及其在航空发动机叶片上应用的可行性和关键技术.     

失速起始检测的低频平均频谱幅值法

高速多级轴流式压气机在中低转速的失速起始总是以短周期扰动的形式出现。为了在压气机整机进入深度失速前检测到失速起始信号，通过分析提出了一种基于低频平均频谱幅值的失速起始信号检测方法。对某轴流式压气机压力测量信号的分析结果表明，该方法是准确、可靠和快速的，有望用于失速起始的实时检测。     

基于约简遗传规划的线参数模型及在航空发动机起动建模中的应用

提出了一种新的约简遗传规划(PGP)算法和一种新的基于约简遗传规划的航空发动机起动动态线参数模型.这种模型采用遗传规划产生航空发动机起动模型的输入输出非线性模型集,并以二叉树结构表征函数项,运用正交最小二乘算法(OLS)估计二叉树分支(基本函数项)对于模型精度的贡献并去除复杂、冗余的函数项,从而加快遗传规划的收敛速度,最后通过GP进化可获得简单、可靠、准确的线参数非线性模型.发动机起动过程试车数据建模和与支持向量机的比较证明,这种方法可以产生适用性好、解析性强的线参数非线性模型,产生的模型可获得与支持向量机相当甚至更优的结果.     

航空发动机风扇叶片两种表面处理方法对比

在对激光冲击强化技术与喷丸表面强化技术比较分析之后,表明航空发动机叶片经过激光冲击强化后,能显著增加叶片表面残余压应力,提高疲劳性能,并且其效果优于喷丸表面强化技术。     

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径     

基于主元核相似度免疫机制的故障诊断方法及应用

1引言目前,国内外已发展了多种应用于航空发动机的智能故障诊断方法,如专家系统方法、神经网络方法,以及新近提出的基于支持向量机的诊断方法。但这些方法需要有足够的已知故障模式的训练样本才能发挥出优异的性能,而且算法实时性较差,难以满足快速在线诊断的要求[1]。传统的基