航空发动机多变量模糊滑模变结构模型跟踪控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模变结构控制和模糊逻辑系统的优点,提出了一种模糊滑模变结构模型跟踪控制方法。采用比例积分型切换超平面设计滑模变结构控制系统,使用模糊逻辑系统自适应调节切换增益,得到某涡扇发动机的模糊滑模变结构模型跟踪控制器。数字仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,消除抖振现象,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性。     

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。     

基于RBF神经网络的航空发动机故障诊断模型

利用某型发动机地面定检状态实测数据作为学习样本，采用径向基函数(RBF)神经网络建立发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识，结果表明：这种方法具有训练时间短、学习速度快、诊断精度高等优点。     

航空发动机全飞行包线稳态划分方法研究

航空发动机在鲁棒控制器设计过程中存在飞行包线区域难以系统划分的问题,为此,提出基于推力耗油率特性和基于动压耗油率特性的航空发动机飞行包线划分法。根据某型涡扇发动机在全包线范围内稳态工作时的推力、耗油率及动压特性,结合大气条件的客观规律,通过两种划分方法将飞行包线划分为65 个区域,用每个区域对应标称点的参数代替其周围小偏差区域和边界点参数。通过对该发动机全包线内各区域标称点与边界点参数的对比,证明两种方法均对全飞行包线划分有效,可为后续航空发动机控制器设计提供理论基础。     

基于GRA-IPSO-SVM的航材携行需求预测研究

异地执行飞行任务中航材需求的准确预测是做好携行保障的主要内容之一,为此提出灰色关联度（GRA）与改进的粒子群算法（IPSO）及支持向量机（SVM）相结合的航材预测方法。首先运用GRA 对航材携行需求的影响因素进行分析;其次引入活性因子和非线性惯性系数改进粒子群算法,并通过IPSO 对SVM 参数进行寻优;最后使用优化后的SVM 模型预测航材需求。结果表明：GRA-IPSO-SVM 方法预测结果的均方根误差比PSO-SVM 方法下降0.16,平均绝对百分比误差下降2.18%,且预测时间减少了0.7 s。     

涡扇发动机燃油综合控制半实物仿真试验系统

建立了某涡扇发动机气动热力学模型和该型发动机综合电子调节器、主燃油泵调节器的实验室工作环境。发动机数学模型运行在计算机上,通过VXI总线技术,将其与控制器和执行机构实物连接,组建了某涡扇发动机燃油综合控制半实物仿真试验系统。对该半实物仿真试验系统进行试验,结果表明:该半实物仿真试验系统能有效地对该型发动机燃油进行静态和动态控制,为开展发动机的全权限数字电子控制(FADEC)系统研究和先进控制理论在发动机控制中的应用研究奠定了试验基础。     

航空发动机战伤模式及影响分析

在分析航空装备威胁机理的基础上,闸述了航空发动机的战伤模式及战伤影响分析疗法,并举例分析了战伤模式对航空发动机的影响,对于航空发动机的战伤评估具有重要的参考作用.     

某型涡扇发动机半实物仿真控制系统

运用最小二乘法建立了某型涡寓发动机的动态数学模型，并利用相似原理把它推广到全飞行包线范围。动态数学模型在仿真计算机上运行，通过输人输出接口与控制器、执行机构实物进行连接，组成基于VXI总线技术的涡扇发动机控制系统半实物仿真系统。对涡扇发动机实际工作过程的半实物仿真结果表明，系统能实时地反映在控制系统作用下发动机的运行情况．为发动机全权限数字电子控制（FADEC）系统研究提供了良好的试验手段。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.