基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。      

直升机主减速器变形对传动性能的影响分析

综合考虑了直升机主减速器机匣、轴系及轴承的支撑变形,计算了在实际工况下弧齿锥齿轮副的当量错位量。利用ANSYS软件对机匣进行静力分析,通过最小二乘优化方法得到了加载条件下输入轴和输出轴的轴线方程;对齿轮副进行受力分析,采用一维有限元方法计算了轴系及轴承各节点处的位移;将两组变形量叠加求出了当量错位量。建立了考虑错位量的轮齿接触分析(TCA)模型,根据错位量对齿面进行再设计,获得了优化后的小轮加工参数。结果表明:在变形形成当量错位条件下,齿面受载时,优化后的齿轮副齿面印痕会靠近齿面中心,改善了齿轮副的啮合质量。     

基于支持向量机和DS证据理论的双馈风机定子匝间短路故障诊断

结合支持向量机(SVM)和DS证据理论,搭建了扩展Park变换模型以及失电残压模型,从多元信息融合的角度进行定子匝间短路故障诊断。仿真证明,该方法可以有效提高故障诊断的精确度,从而减少误诊。     

基于MAS仿真的保障机构维修保障能力评估指标研究

对于由大量不同型号舰艇所构成的舰艇编队,其维修保障系统中涉及各类维修保障资源,如人力、备件、设备、设施等,为了确保舰艇编队具有较高的战备完好性和任务成功性,这些维修保障力量一方面应具有很强的自身能力,另一方面还应具有很强的协同工作的能力。文章针对舰艇编队的维修保障问题,分析维修保障力量的各影响因素,在协同工作的背景下,采用Multi-Agent System(MAS)仿真构架,对这些维修保障力量建立评估指标,建立评估指标,达到资源投入少、保障时间短、保障效果好的保障目标。     

俯冲拉起飞行条件下航空发动机整机动力学特性分析

以某航空发动机带机匣双转子试验器为参考,分别采用截锥壳元素法和Timoshenko梁理论对其机匣和双转子系统进行了有限元建模,得到了试验器的整机转子动力学有限元模型。研究了俯冲拉起飞行条件下机匣支承刚度、安装节支承刚度与机动载荷对双转子航空发动机整机动力学特性的影响。研究结果表明:机匣支承刚度与机动载荷对发动机产生转静子径向碰摩的影响较大,而安装节支承刚度对发动机产生转静子径向碰摩的影响相对较小;机匣测点振动随机匣支承刚度的减小而减小,随安装节支承刚度的减小而增大;机匣测点振动对俯冲拉起机动载荷变化不敏感。     

商用飞机机务维修保障能力评价方法

商用飞机机务维修保障能力的评价效率亟须提高。首先,建立商用飞机维修保障系统能力评估指标体系;然后,介绍主成分分析法的原理,并建立优化决策模型;最后,通过SPSS软件采用主成分分析法对不同维修保障方案进行评估,以保证飞机的适航完整性。结果表明:主成分分析法消除了主观因素对评价的影响,得到的评价指标可用于商用飞机维修保障能力的定量评价,评价结果可为各航空公司及维修单位提供借鉴。     

基于支持向量机的卫星执行机构故障诊断研究

针对脉冲等离子体推力器（Pulsed Plasma Thruster,PPT）作为执行机构的微纳卫星姿态控制系统故障问题,采用了支持向量(Support Vector Machine,SVM)技术对脉冲等离子体推力器的两种常见故障进行检测与隔离。运用自适应遗传算法优化墨西哥草帽小波核函数参数,并结合小波分析,提高了SVM分类器的超平面寻优效率与泛化能力。最后,通过仿真分析,验证了该方法可快速准确地完成故障诊断任务,也证明了小波核函数支持向量机技术在故障诊断方面的先进性与有效性。     

一种基于支持向量回归的混合建模方法

近年来,随着计算能力的不断提高,数据驱动的建模方法受到了广泛的关注,对单模式系统进行定量分析的建模方法获得了诸多研究。然而,实际应用中大多数系统为多模式系统,不但各个模式有着不同的连续行为,连续状态还会在模式之间进行切换。针对这一情形,本文提出了经验概率混合自动机模型,并提出了针对该模型的基于支持向量回归(SVR)的多模式定性定量混合建模方法。该方法使用小波技术识别模式切换点,并在各个模式下单独建立支持向量模型,最后使用D-Markov机整合模型。经实例验证,该方法与传统支持向量回归模型的稳定性接近,但精确程度显著提高。     

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。