基于模糊矩阵和神经网络的航空发动机磨损部位故障识别

滑油中的金属颗粒成分及含量反映了发动机部件磨损程度,利用光谱分析技术监测诊断发动机部件磨损故障。在分析发射光谱原始数据的基础上,提出基于BP神经网络的航空发动机磨损部位识别方法,并通过实例阐述了部位磨损识别的步骤。将待识别样本输入已经训练好的神经网络中,得到低压压气机轴承支座磨损故障模式。待识别样本中含有Fe、Al、Cr、Cu、Mg,与低压压气机轴承支座磨损故障模式存在的元素完全一致。与原始识别方法相比,本文方法得到的故障特征更加明显,所需训练样本更少,识别精度达到96.67%。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

RBF网络用于边界层转捩中抽吸流优化控制

 在抽吸气流控制边界层转捩问题中 ,将径向基神经网络用于抽吸流速与转捩位置间的函数关系建模 ,构造了网络结构 ,利用一组两通道抽吸流控制转捩的实验数据训练网络 ,获得了优化的网络参数。在此基础上 ,利用训练网络所获得的输入 /输出关系模型求解了最优抽吸流速。结果表明 ,RBF网络可有效地应用于边界层转捩主动控制中的系统函数关系建模。     

基于神经网络和D-S证据理论的发动机磨损故障融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析,同时结合发动机试车台监测数据,提出运用神经网络和D-S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,统一转换成故障征兆的布尔值;其次,建立各子神经网络的拓扑结构,并依据专家经验建立各子系统的输入征兆与故障论域的映射关系,从而得到各子神经网络的训练样本,对各网络进行成功训练后,利用神经网络实现各子网络的诊断并得到中间诊断结果;然后,将每种方法的神经网络诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对神经网络的诊断结果的融合,从而得到最终的融合诊断结果;最后,运用算例表明了本文方法的有效性。      

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

基于GWO-BP神经网络的攻击区解算方法

为解决运用传统BP神经网络求解空空导弹攻击区时误差较大的问题,提出了一种基于灰狼优化算法的BP神经网络攻击区求解算法(GWO-BP)。首先分析了影响空空导弹攻击区的主要因素,确定了BP神经网络的初始输入值;然后运用灰狼算法对网络的初始权值和阈值进行优化;最后运用优化后的权值和阈值搭建BP神经网络,并输入训练集对网络进行训练。仿真结果表明,相比未经优化的传统算法,GWO-BP算法求解误差更小,提高了攻击区解算的准确性。     

涡轴发动机高精度实时部件级模型研究

提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据,以共同工作方程迭代求解前的残差为输入,迭代收敛后的共同工作方程猜值修正量为输出,训练BP神经网络,对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数,提高了猜值修正量的预测精度。在飞行包线的某一区域内,采集额定发动机在直升机前飞过程的数据进行神经网络离线训练,并将网络参数代入部件级模型对共同工作方程进行求解,在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试,计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差,与一次通过算法相比,本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4,模型运行耗时约为一次通过算法的2/5,验证了算法的有效性。     

基于神经网络的预膜雾化模型

为了实现对预膜雾化质量的快速预估，基于神经网络建立了以结构参数和工况参数为输入,SMD值为输出的预膜雾化模型。使用试验数据训练和测试网络模型,结果显示,模型在较宽的工作范围内具有较高的精度和较好的泛化能力。SMD预测值随输入参数的变化规律符合试验结论,可作为给定工况参数下预膜式雾化装置的结构参数优化依据。神经网络能够较好地学习预膜雾化过程中的隐含规律。随着供油压差的增大,预膜器逐渐出现阻雾化效应,导致其雾化效果比单喷嘴和直混式雾化均差。     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

神经网络宽度对燃烧室排放预测的影响

为研究神经网络宽度对航空发动机燃烧室排放预测的影响，基于录取的全环燃烧室排放试验数据，构建了以燃烧室进口空气温度、进口空气压力、供油流量和油气比为输入，CO和NOx排放指数为输出的神经网络预测模型，确定了最优网络宽度。结果表明，存在一个最优的网络宽度值，使得神经网络预测模型的拟合优度和预测精度达到最佳，本文最优的网络宽度为24。通过拟合优度、误差分析和敏感性分析验证了构建的神经网络模型的准确性和泛化性。基于最优网络宽度的神经网络预测模型能够很好地挖掘输入参数与排放指数之间的映射关系，可作为给定工况参数下燃烧室排放预测工具。最后，基于敏感性分析，结合燃烧物理机理和试验现象对构建的神经网络可解释性进行了探讨。     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

Neural network learning of low-probability events

In the problem of stationary target identification (STI) via millimeter wave (MMW) seeker radars in heavy clutter environments, it is often necessary to use nonparametric identification procedures, as detailed parametric models of clutter and target returns are generally unavailable. Neural networks provide an attractive approach to perform nonparametric identification. However, when identifying low-probability events, the computational overhead associated with training a neural network can become excessive. This is because low-probability events must be adequately represented in the training sample. We present a modified backpropagation training algorithm based on a likelihood ratio weighting function (LRWF) to train the neural network using a much smaller training set than that required using the standard backpropagation algorithm This algorithm is closely related to the importance sampling technique used in digital communication systems to obtain probability of error estimates by using a much smaller number of simulation runs than what is required with standard Monte Carlo simulation. The modified backpropagation technique results in a significant reduction in computational overhead in training the network, resulting from a substantial reduction in the size of the training set required to achieve a given level of performance. We demonstrate the performance of the algorithm on simulated data for the STI problem in MMW radar     

基于灰色聚类的磨粒自动识别

 将灰色系统理论中的聚类分析技术用于磨损颗粒的自动识别, 编制了相应的计算机模拟程序。在对磨粒图象的形态特征参数进行敏感性分析的基础上, 确定了各参数的灰类白化权函数, 并结合磨粒识别的试验研究, 给出了磨粒各特征参数的聚类权值。应用此方法对一组标准磨粒进行了模拟识别, 识别正确率在90% 以上, 并且识别速度很快, 大大优于传统的磨粒识别方法。     

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

固体燃料冲压发动机燃速的人工神经网络辨识

由于固体燃料冲压发动机(SFRJ)结构的特殊性,其燃速的预测比较困难。为探讨燃速对于不同飞行工况的依赖性,对模拟试验的结果采用BP人工神经网络进行了辨识,并将辨识结果与用最小二乘法辨识的结果进行比较。从辨识的结果来看,这种辨识方法具有精度高、处理实验数据迅速、能进行在线辨识等特点,能够较好地满足工程应用的要求。此外,在利用人工神经网络对类似的大样本系统进行辨识时,如果能采用一些数学上的处理技巧。      

钛合金表面镍基喷焊涂层的组织和耐磨行为

采用火焰喷焊技术对钛合金表面进行耐磨改性,可以较好地解决实施工艺过程中的工程适应性问题,但对于任何一种表面耐磨处理技术,耐磨性能的改善和提高都是其最终目的。考察了钛合金表面上3种不同成分的镍基火焰喷焊涂层的组织和耐磨行为。研究发现,3种成分的镍基涂层都具有韧基体+硬质相的耐磨组织,其基体均为强韧性很好的镍基固溶体,但硬质相的差别较大。在相同试验条件下,100%的F102涂层、含4%La2O3的稀土复合涂层和含25%WC的N i-WC复合涂层的磨损失重仅为未处理钛合金的1/6,1/8和1/10。试验结果表明,采用火焰喷焊技术对钛合金表面进行耐磨处理,可以有效地改善表面的耐磨性。     

概率神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率。该文中所建立的神经网络为具有局部响应的高斯函数的三层概率神经网络,它以牢固的插值理论为基础,具有学习速度快,不易陷入局部极小等优点。本文介绍了概率神经网络的学习算法和一个三层概率神经网络对带有噪声的26个英文大写字母的识别。其中利用MATLAB编写仿真程序对概率神经网络进行训练,仿真结果表明,训练的概率神经网络可以对给定的带有噪声的字母作出正确的识别。     

磨粒分析技术及其在发动机故障诊断中的应用

基于显微形态学方法的磨损微粒显微分析技术是近年来出现的解决发动机磨损故障诊断问题的新方法之一。应用形态学分析方法建立一套磨粒显微特征描述体系提取磨粒特征信息,作为磨粒识别的信息基础,可以准确地完成磨粒自动识别。基于发动机润滑系统磨粒分析的结果和颗粒摩擦学理论,比较准确地评估出发动机接触磨损部件的磨损状态,进而诊断或预测此类磨损故障;另外,此项分析诊断技术在发动机气路磨损故障诊断中也具有潜在的应用前景。      

一种航空发动机滚动轴承磨损故障监测技术

针对航空发动机滚动轴承磨损状态监测对长轴尺寸大于10μm的故障敏感磨粒检测的需要,研制了多功能油液磨粒智能检测与诊断系统,克服了传统光谱分析对大磨粒不敏感的缺点,以及传统铁谱分析检测步骤烦琐的不足,可直接对流动的油液中大于10μm的运动磨粒进行检测.提出了油液运动磨粒的7个数字特征参数及其识别策略,实现了磨粒的自动识别,识别率基本上达到99%以上.利用实际的航空发动机油样进行了试验验证,并与传统光谱分析进行了对比,试验结果表明该系统较光谱分析具有更强的检测力和更优的时效性.      

原位合成TiC颗粒强化铝合金组织与性能

采用铝系合金2A14（LD10）作为母合金,利用原位合成法制备了TiC颗粒弥散强化铝基材料。显微组织观察表明,合金中的TiC颗粒呈等轴状,尺寸约为1～3μm。加入TiC颗粒后,合金铸态组织显著细化,室温抗拉强度和屈服强度得到一定程度提高,但塑性下降。150℃时,合金的拉伸性能变化随TiC加入量增加而变化的规律与室温相似。合金中TiC颗粒的引人大大提高了合金的耐磨性能。在油润滑条件下,TiC／2A14材料的耐磨损体积远远优于其母合金以及其他典型的金属耐磨材料,如耐磨黄铜、ZA30锌基合金和Al—30Si高硅铝合金。