基于特征优化与改进KNN的航空发动机故障诊断

为有效解决航空发动机气路故障诊断难题,建立了基于特征优化与改进KNN的航空发动机气路故障诊断模型。利用特征优化算法对发动机故障特征进行处理,包括特征增维与近邻成分分析算法;将特征优化后的特征输入改进KNN算法,建立基于特征优化与改进KNN算法的故障诊断模型;为验证所建立故障诊断模型的准确性,在四台CFM56-7FB发动机数据上进行实验验证,结果表明：基于特征优化与改进KNN算法的故障诊断模型的准确率可达98%以上,能够达到智能诊断的目的。     

基于数据驱动的主燃油计量装置故障诊断

为建立主燃油计量装置的故障诊断方法,提出一种基于快速存取记录器（QAR）数据的燃油计量参数估计模型建模方法,并结合液压机械控制装置工作原理,给出了基于燃油计量参数残差设计的主燃油计量装置故障诊断方案。设计基于系统辨识的燃油计量活门位置（FMVP）估计模型,采取降阶处理策略以提高模型的估计精度和动态响应速度,在此基础上给出基于多项式拟合的燃油流量（FF）估计模型。结果表明：所建立的FMVP模型估计残差不超过±2%,FF估计模型残差不超过±5%;该方案能够有效地诊断出燃油计量活门故障、线性可变差动位移传感器故障和热式流量计故障。该方案结构简单,不需要大量的调试技术,提高了故障检测精度,具有工程应用前景。     

纤维预制体渗透率测量技术研究进展

纤维预制体渗透率张量作为复合材料液体成型工艺过程中树脂流动数值模拟的决定性输入参数,与树脂流动以及最终成品质量密切相关,是实现复合材料高质量和大批量制造的关键。本文根据流动状态（饱和或非饱和）、流动维度和测量方向（面内或面外）将渗透率测量技术分类,论述了相应条件下的渗透率测量技术以及研究进展,总结归纳了非饱和流动中流动前沿实时监测技术,分析了造成渗透率测量结果分散性大的影响因素,并阐述解决办法,最后提出未来发展趋势。     

航空发动机排气温度基线建模新方法研究

为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked de?noising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法.以CF...     

基于超声导波的贮箱绝热层脱粘检测试验

研究使用超声导波对绝热层脱粘损伤进行检测的可行性.在铝板上采用环氧树脂粘接片状结构聚酰亚胺泡沫模拟绝热结构.通过在铝板上布置一对可变角度的楔形探头,改变入射角度和激励信号中心频率产生适当的导波模态,采用Pitch-catch方式研究不同扫描路径上的超声导波在贴片结构上的传播特性变化.实验结果表明绝热层泡沫吸收了超声导波大部分能量,采用超声导波可定性地检测绝热结构的脱粘状况,包括脱粘位置和大小.     

辅助工程师设计的知识融合设计方法:卫星舱布局设计(英文)

卫星舱布局设计属工程系统设计问题,为用传统计算方法难以解决的问题,该问题具有三重难度:工程复杂性、计算复杂性和达到工程实用难。卫星布局设计师的成功经验表明,它需要依赖设计师的经验和智慧、借鉴先验知识和辅以"计算"进行设计,并实现人机结合。本文的人机结合方法采用在线人知识、在线计算知识和先验知识(如参考布局施工图)的知识融合方法,并在卫星布局CAD、仿真与评价系统平台上实现,发挥人机各自特长。主要研究:(1)设计知识:包括在线人知识、在线计算知识和先验知识的表达;(2)上述3类知识的广义描述模型及其知识融合方法;(3)人的作用。经以简化的国际通信卫星舱布局设计为例的数值实验验证,表明了本文方法的可行性。     

民机运营支持共通性体系构架研究

民机运营支持共通性是民机产品系列化的重要特征之一,能够帮助主制造商、运营商及航空MRO等相关利益方有效控制成本、优化多样性运营支持模式、降低运营风险等.为了进一步提高民机运营效率,满足航空运营人对国产民机运营支持共通性日益增长的现实需求,本文针对现阶段我国民机运营支持特点,借鉴国际先进的民机运营支持共通性理念和技术方法...     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。     

基于KPCA 和DBN 的航空发动机排气温度基线模型

为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生的快速存取数据作为原始的数据样本,利用核主成分分析进行降维处理,选用高斯函数作为核函数,将降维后的数据作为深度置信网络的输入,建立航空发动机EGT基线模型,通过大量QAR数据验证了模型的有效性和正确性。与传统神经网络建模方法相比,所提出的建模方法不但降低了网络结构的复杂度,同时也提高了模型的精度。     

基于特征增维和近邻成分分析的民航发动机故障分类方法

为提高航空发动机故障诊断准确度,提出了一种从快速存取记录器（QAR）数据中提取最合适故障特征的方法。对原始 QAR数据进行缺失值填补和巡航点提取操作,选择部分发动机性能参数差值作为初始特征值;再采用特征增维方法挖掘隐藏特征 信息,进而采用近邻成分分析算法进行特征筛选优化,将所提方法与朴素贝叶斯等4种分类算法相结合,对某航空公司CFM56-7B 发动机的QAR数据进行试验验证。结果表明：从QAR数据中提取最合适故障特征的方法能有效地提高发动机故障分类算法的准 确率,且适用于不同的诊断算法,准确率优于80%。