一种基于故障匹配的多重故障诊断方法

针对航空发动机数控（ FADEC）系统的传感器、执行机构为故障多发部件,并且目前国内的故障检测方法缺乏通用性的问题,基于故障诊断中卡尔曼滤波器的原理,以白噪声作用的一般离散线性随机系统为对象模型,结合多重故障假设法以及智能影响因子改进的残差平方加权和方法处理统计量信息,设计基于多重故障匹配卡尔曼滤波器（ FMKF）的故障诊断系统,可适用于FADEC系统多传感器与执行机构的软、硬故障诊断。仿真结果表明,方法能及时有效地检测到故障元件,并实现故障隔离,较常规滤波器,准确率高。     

熵产控制体方法对压气机近零间隙流动损失的演变规律

以澄清近零间隙流动结构及流动损失随间隙的变化规律为目标,提出熵产控制体分析方法,可精确量化流场任意位置的局部不可逆损失.数值模拟发现,间隙在0.4%叶高范围内(称近零间隙)效率水平最高且出现一对应峰值效率最高的最佳非零间隙.熵产控制体分析表明:通道内总熵产随间隙变化规律与效率一致;间隙变化对动叶端区20%~80%弦长范围内的熵产改变最为明显,主导了总熵产的变化;间隙变化时熵产改变的流动区域不同,这是由于动叶端区主导损失的流动结构发生改变造成的.进一步结合流场结构,探讨近零间隙流动损失演变的可能原因:间隙为零时壁面剪切力是造成损失的主导因素;最佳间隙时流动均匀,损失最小.      

考虑性能退化的航空发动机故障诊断量化评估

航空发动机全生命周期内的故障诊断一直是研究的热点,为保障航空发动机在性能退化条件下故障诊断算法的可靠性,对考虑性能退化的航空发动机进行故障可诊断性量化评估有着重要的意义。本文从状态量的可测量性以及最优观测器设计两个方面对退化状态下航空发动机的滑动窗口模型进行解耦处理。从故障可检测及可隔离两个方面对故障的可诊断性进行量化评估,以巴氏距离为量化标准,将量化评估问题转换为多元分布概率距离求解问题。同时,从故障空间的角度对故障可隔离性进行定义,剥离了参考故障模式的影响,将可隔离性转化为故障空间中故障模式的固有属性,并给出航空发动机故障可检测及可隔离的判据。仿真实验证明,本文所提出的方法可以在发动机性能退化条件下对控制系统传感器、执行机构故障以及发动机气路部件故障进行可诊断性量化评估。     

某型涡扇发动机控制系统传感器故障诊断研究

研究利用卡尔曼滤波器及多重故障假设检验方法来检测某发动机控制系统传感器硬、软故障,并实现故障传感器的输出重构。给出了传感器故障诊断原理及算法,针对传感器常见典型故障进行了故障诊断过程仿真。仿真结果表明,所研究的方法能及时、有效的检测到故障传感器,并对其进行隔离和重构,没有发生误报和漏报现象。      

白糖期货市场有效性的实证研究

首先利用PP检验对白糖期货价格和现货价格数据的平稳性加以检验,其次用Johansen检验分析白糖期货价格与现货价格的协整关系,再次建立了相应的误差修正模型以考察长期趋势和短期效应对期货价格和现货价格变动的影响,最后通过格兰杰因果检验确定信息在期货市场和现货市场之间的传递方向。实证结果表明:我国白糖期货市场是有效的;信息在白糖期货价格和现货价格之间是双向传导的;与现货市场相比,期货市场对于非均衡的反应速度更快且反强度更大。     

新组合压缩方式压气机的可行性探索

结合容积式压缩和叶片式压缩的特点,提出一种流体压缩新概念,并以此为研究背景,开展理论分析、数值模拟和实验验证方面的工作.研究结果表明:叶片式串联容积式的组合压缩方式可以兼顾叶片式和容积式的优点,一方面具有和容积式一样可靠的稳定性,而尺寸体积远小于同流量的容积式压缩机;另一方面,在同流量条件下比叶片式压气机压比更高,稳定性更好.     

用神经网络法实现反向工程中的曲面插补

提出了一种用神经网络方法对反向工程中曲面的坐标．点进行插补，将插补点与NURBS计算结果进行了比较，结果证明这是一和非常有效的构造曲面方法．并对这种方法进行了探讨。     

一起发动机加力超温停车的原因分析

本文依据发动机的基本理论对某型发动机部分加力和切断加力过程中严重超温的机理进行了分析，通过理论分析和实验验证最终找到了该故障的原因，本文可供类似故障分析时参考。     

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。     

柔性涡流阵列传感器孔边裂纹监测技术

针对这一问题,提出了一种带双面补强的柔性涡流阵列传感器并用于孔边裂纹监测。通过COMSOL有限元软件建立传感器和被测试验件的有限元模型,分析提离距离、垫片磁导率变化和裂纹扩展对传感器输出信号的影响;制备带补强和不带补强的传感器,并开展挤压实验和在线疲劳裂纹监测实验;根据实验结果和仿真结果之间的差异进行误差分析。结果显示：随着提离距离和垫片磁导率的增加,传感器输出感应电压逐渐增大;传感器裂纹监测灵敏度随着提离距离的增加而逐渐减小;带补强的传感器可以在螺栓拧紧扭矩为63 N·m的条件下工作,而不带补强的传感器在拧紧力矩为50 N·m时完全失效;通过在线疲劳裂纹监测实验验证了带补强的传感器对裂纹具有定量监测能力,裂纹监测精度与激励线圈之间的间距一致,可达1 mm;实验结果与仿真结果之间的差异主要由提离距离引入。