基于动态集成算法的航空发动机气路参数预测

针对单一学习机对航空发动机气路参数预测困难的问题,提出了基于动态加权核密度估计（DWKDE)组合方法的集成预测算法,该组合方法选择测试样本的近邻样本,通过评估学习机在近邻样本的局部性能动态确定各学习机的权值,并基于该权值利用加权核密度估计实现数据序列的集成预测。该组合方法不易受离群值和样本不对称分布的影响,将该组合方法用于AdaBoost.RT和AdaBoost.R2算法,获得了改进后的集成学习算法。实验证明:相比于神经网络和原始集成学习算法,改进后的集成学习算法较好地提高了航空发动机气路参数序列的预测精度,方均根误差（RMSE)指标至少可降低27%。      

基于二次指数平滑的发动机气路参数偏差值平滑

利用二次指数平滑法进行气路参数偏差值的异常点识别与平滑,首先建立了基于二次指数平滑的异常点识别方法,然后建立发动机参数偏差值平滑的评价指标,最后根据该指标通过粒子群算法对平滑系数和显著性水平进行优化.通过实例应用验证该方法对于发动机气路参数具有很好的平滑效果,满足工程使用的要求.     

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

基于划分检测模型的终端区异常轨迹检测方法

针对异常轨迹对轨迹聚类效果的影响以及给进离场程序管制适用性的量化分析提供分析数据的考虑,在结合数据挖掘中异常检测理论的基础上,利用划分检测框架及将距离和密度结合起来,设计了一种有效检测算法,运用到终端区飞行轨迹的异常检测当中,检测出飞行轨迹中的异常轨迹,从而改善轨迹的聚类效果。实例仿真结果表明：方法可以准确地检测出异常轨迹。     

燃气轮机气路测量参数的模糊智能选择

针对燃气轮机气路性能的监测诊断需求,基于气路小偏差分析得到的影响系数矩阵,首先从测量参数选择的相关性要求出发,应用模糊聚类分析方法得到了要求数目的目标聚类;进一步从参数选择的敏感性等要求出发,通过模糊综合评价方法从多元素聚类中筛选出了各自的代表测量参数,从而实现了燃气轮机气路测量参数的模糊智能选择.实例表明:利用模糊聚类分析方法可直接实现测量参数的相关性选择,并可以方便可靠地根据目标要求选择合理的测量参数组合,利用模糊综合评价方法的测量参数的敏感性选择更为有效可靠.     

基于模糊聚类分析的电力客户信用评价算法

通过对模糊聚类算法的分析，针对电力客户信用分类的特征，提出了基于模糊聚类分析的电力客户信用评价算法。得到了不同客户群的聚类中心以及客户的隶属度矩阵，为客户群的特征分析提供了量化依据。试验对比结果表明，本文方法得到了满意的客户聚类及分类结果。     

基于OPTICS聚类算法的流场结构特征分析方法

为了改进现有的基于聚类分析的流场结构特征分析方法,使之更加适用于结构风工程领域的风场特征识别与分析,依托聚类分析的思想,结合一种基于密度的OPTICS聚类算法,并引入相关距离的概念替换了原算法中的欧氏距离,提出了采用一种基于相关距离的OPTICS聚类算法进行流场结构特征分析.实例分析利用基于大涡模拟的计算流体动力学数值模拟,对低雷诺数下经典圆柱绕流问题进行了瞬态求解,获取了2000个圆柱尾流中顺流向涡的瞬态涡量场样本.然后,以识别圆柱尾流中的顺流向涡旋涡脱落状态和顺流向涡A模式展向分布为目标,对比了k-means、原始的OPTICS算法和基于相关距离的OPTICS聚类算法等流场结构特征分析方法.分析实例的结果表明,基于相关距离的OPTICS算法能够在合适的初始参数设置下有效识别顺流向涡脱落状态和其A模式展向分布间距,相对k-means算法降低了对初始参数的敏感度,聚类结果稳定且唯一.     

一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。     

对流天气下基于聚类算法的终端区交通流分析

准确分析对流天气对终端区进场交通流的影响,提出了一种面向对流天气场景的基于轨迹聚类的进场交通流分析方法。利用卷积神经网络与K-means++算法对对流天气进行特征提取和聚类;采用均匀化参数方法对进场飞行轨迹进行重采样;进而采用具有噪声的基于密度的聚类算法对进场轨迹进行聚类,采用K-means算法识别交通流的中心轨迹。对...     

基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法

 在航线排故过程中,常会出现飞机远程实时故障报文信息的“飞机通信与寻址系统(ACARS)虚警”现象,使排故效率降低。对此,本文将灰色聚类和滤波理论结合提出了一种新的辨识算法——灰色聚类滤波算法,将常增益滤波引入灰色聚类算法,在灰色聚类算法中使用ACARS报文故障的当前数据分类故障、判断虚警的基础上,增加报文故障的历史数据,用滤波方法将历史的和当前的数据结合起来,提高辨识虚警的准确性。本算法应用于航空公司的波音777机队,能够有效辨识飞机实时故障报文信息中的虚警。     

基于平衡核函数聚类的飞行航迹数据分析方法

目前,使用数据挖掘的方法对目标的飞行航迹进行分析来确定航迹类别具有许多应用价值。飞行航迹数据具有维数高、交连多、可分类性能差等特点,要做到尽可能精确的聚类和分类十分困难。文章立足提高飞行航迹数据聚类分析的准确性,在航迹特征数据的预处理阶段,提出了一种平衡核函数的K-均值聚类方法,可以解决高维特征数据带来的奇异性,还能提高交叠样本的聚类性能;设计了一种模糊支持向量机的算法框架实现航迹的分类。通过实际飞行航迹数据集测试了设计框架下航迹聚类和分类识别的有效性,在实际工程上具有广泛的应用前景。     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

Digital twin model of gas turbine and its application in warning of performance fault

The digital twin-driven performance model provides an attractive option for the warn gas-path faults of the gas turbines. However, three technical difficulties need to be solved: (1) low modeling precision caused by individual differences between gas turbines, (2) poor solution efficiency due to excessive iterations, and (3) the false alarm and missing alarm brought by the traditional fixed threshold method. This paper proposes a digital twin model-based early warning method for gas-path faults that breaks through the above obstacles from three aspects. Firstly, a novel performance modeling strategy is proposed to make the simulation effect close to the actual gas turbine by fusing the mechanism model and measurement data. Secondly, the idea of controlling the relative accuracy of model parameters is developed. The introduction of an error module to the existing model can greatly shorten the modeling cycle. The third solution focuses on the early warning based on the digital twin model, which self-learns the alarm threshold of the warning feature of gas-path parameters using the kernel density estimation. The proposed method is utilized to analyze actual measured data of LM2500 +, and the results verify that the new-built digital model has higher accuracy and better efficiency. The comparisons show that the proposed method shows evident superiority in early warning of performance faults for gas turbines over other methods.     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

基于过渡工作过程的航空发动机气路分析方法

为对发动机机动性能的退化程度进行估计,开展了基于过渡工作过程的气路分析研究。针对气路传感器数目较少的情况,采用序列工作点方法对大量的健康参数进行分析,在增加可用信息量的同时,降低了由多工作点方法的平均效应引入的参数估计系统误差。为解决发动机大偏差性能退化健康参数估计中的计算收敛性问题,提出了间接递归牛顿-拉夫逊法强化非支配分类差分进化算法。针对某型双轴分排涡扇发动机的气路分析结果表明：采用本文所提出的方法能够在气路传感器数目有限的条件下,利用发动机过渡态数据实现对大偏差范围内大量健康参数的高效、准确估计。     

基于改进ANFIS方法的航空发动机气路故障诊断研究

针对标准自适应模糊推理系统存在训练速度较慢且容易陷入局部极小值等缺点,提出了一种改进的ANFIS方法。该方法利用共轭梯度法对自适应模糊神经推理系统的训练算法进行改进,在训练过程中采用Fletcher—Reeves方法计算上次搜索方向对新搜索方向的影响因数。应用该方法对航空发动机气路故障进行分析诊断,取得了较好的效果,从而验证了此方法的可行性。     

双轴分排涡扇发动机气路故障诊断测量参数选择方法

针对地面台架试车气路故障诊断测量参数的优化选择提出了一种四步优化方法.该方法包括测量参数敏感性分析、部件性能参数相关性分析、影响系数矩阵条件数分析和遗传算法检验.第1步选择出了总空气流量;第2步选择出了风扇出口总温和压气机出口总温;第3步选择出了12种对故障诊断有利的测量参数组合;第4步选择出了最有利于故障隔离的测量参数组合.利用遗传算法进行单一故障辨识的结果表明:所选的12种测量参数组合的适应度都大于0.85,接近于最优的适应度1.对于最有利的测量参数组合,利用遗传算法的故障辨识验证结果表明,其适应度均大于0.9,验证了四步优化方法的有效性.