基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。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,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并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。     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

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。     

基于稳定约束的自适应随机共振转子故障检测方法

为解决应用传统遗传算法优化的随机共振(Stochastic resonance, SR)方法易出现的计算发散问题,提出一种基于稳定约束的自适应随机共振方法。对求解随机共振的Langevin方程进行了稳定性分析,得到了考虑输入信号的条件下,使系统输出稳定的频率压缩比R的约束公式。将该稳定性条件应用于遗传算法参数的寻优过程,将原来的无约束最优化问题转化为有约束最优化问题。将改进后的自适应随机共振方法应用于转子早期碰摩故障检测,分析结果表明,该方法确保了系统输出的稳定性,寻优过程中的频率压缩比R的取值均在约束值以下,避免了计算发散现象,实现了在强噪声条件下对微弱故障信号的提取。      

一种基于指数损失函数的多类分类AdaBoost算法及其应用

 提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME（forward stagewise additive modeling using a multi class exponential loss function）。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点，将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的，并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求，只需每个弱分类器的精度比随机猜测好；算法简单明了，不用把多类问题转化为多个两类问题，而是直接求解多类分类问题，大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断，结果表明:FSAMME算法一方面可达到较高的分类诊断准确率，其准确率明显高于AdaBoost.M1，略高于AdaBoost.MH；另一方面可大大减小计算成本，满足在线快速分类诊断的要求。     

基于遗传算法的发动机控制通道数学模型辨识

由于控制器结构的变化,某型发动机电子调节器主要控制通道的动态响应过程为分段线性数学模型。为了获得精确的数学模型,对基本遗传算法进行了改进,提出了一种基于改进遗传算法的辨识算法,能有效辨识出系统的结构跳变时刻及其分段数学模型参数,仿真结果表明,该算法辨识的模型与实际系统接近,较之其它辨识算法具有计算稳定、辨识精度高和适应性强等优点。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。