基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

大数据挖掘分析在航空发动机状态监控与故障诊断中的应用

受到发动机数据收集的限制,发动机状态监控和故障诊断结果较为模糊。随着科学技术的不断改进,发动机维修数据、使用数据和其它相关数据积累得越来越多,为进一步提高发动机监控水平和诊断精度,在发动机状态监控和故障诊断中应用大数据方法提供了可能。由初始数据库、运行数据库、维修数据库和其他相关数据库组成发动机大数据,在分析了多元多维度大数据来源的基础上,建立了大数据模型的构架,提出了发动机大数据关联规则挖掘方法、状态量关联度分析和加权分析,对未来的应用给予展望。     

神经网络在液体火箭发动机故障检测中的应用(Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感     

航空发动机健康等级综合评价方法

研究意义在于将发动机的健康状态量化,进一步提高发动机健康状态评估的可操作性.决定发动机健康状态等级的因素众多,如故障发生的概率、故障的程度以及故障可能造成的损失风险等,且这些因素的影响作用均具有随机性和模糊性.将模糊综合评价方法应用于发动机健康状态等级的评估,将健康状态划分为5个等级,得到每个健康状态等级的隶属度函数,最后基于最大隶属度原则和最大危险性原则确定发动机的健康状态等级.通过对两组发动机故障模拟实验器振动数据的等级评价结果对比,验证了提出方法的有效性和合理性.      

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

神经网络在液体火箭发动机故障检测中的应用 (Ⅱ)模式识别技术

基于模糊超球神经网络,提出了一种液体火箭发动机故障的实时检测系统。它采用模式识别技术,在建立正常工作状态的样板模式之后,把当前样本与样板模式进行比较,进而判断发动机工作状态。发动机试车数据分析表明：模糊超球神经网络对输入样本非常敏感。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

基于模糊粗集的航空发动机特征参数提取算法

提取发动机性能状态的特征参数,是提高发动机故障识别正确率和可靠性的必要条件.针对实际航空发动机故障参数所具有的模糊和连续性特点,提出了一种基于模糊粗糙集的特征参数提取算法,并应用到某型航空发动机故障识别.研究结果表明:属性约简的核则为导致发动机故障的特征参数,以此特征参数进行故障诊断,可保证较高的诊断精度;同时,该算法的抗干扰性提高了整个系统故障识别的正确率.该算法可用于航空发动机故障分类、故障诊断以及状态监控.      

模糊随机可靠性综合方法在涡轮盘可靠性分析中的应用

提出了模糊随机可靠性分析的近似解析和数字模拟综合方法,基于模糊变量的等价随机化变换,可以方便地得到模糊随机失效概率的计算公式,并建立了模糊随机可靠性分析的一次二阶矩法。定义了同时考虑基本变量和状态都含有模糊随机双重不确定性的可靠度指标,探讨了多个模式情况下模糊随机可靠性分析方法。所提出的方法被用于发动机涡轮盘的应力、应变和低周疲劳寿命模糊随机可靠性分析,证明了该方法是可行的。     

基于飞行包线划分的航空发动机T-S模糊模型辨识

针对航空发动机在建立Takagi-Sugeno(T-S)模糊模型时运算耗时长和过分依赖学习数据的问题,提出了一种基于飞行包线划分的航空发动机T-S建模方法.通过飞行包线划分和标称点求取确定T-S模型的前件结构;计算各标称点的状态空间模型,将其作为T-S模型的后件;最后通过对航空发动机发参数据的机器学习完成对模型前件参数的辨识.仿真对比结果表明:该方法缩短了航空发动机T-S模糊模型的建模时间,并使得高压转子和低压转子转速的绝对误差分别小于0.25%,0.10%,保持了辨识精度.      

基于模糊粗集的航空发动机健康状态监测算法研究

在发动机运行过程中,由于诸多非线性因素的影响,现有发动机状态监测中使用的参数只能部分地反映发动机性能状态,无法进行故障准确定位和故障预测.本文将通过研究模糊粗集的特征参数挖掘算法,从远程发动机监控系统所获得的大量发动机工况参数、气动热力参数和机械性能信息中进行数据挖掘,找出能够全面反映发动机性能状态的特征参数和新规律,进行发动机健康状态监测.     

航空发动机可靠性目标值的模糊决策

由于航空发动机研制初期数据缺乏,采用传统的方法往往很难合理地确定航空发动机可靠性的目标值,而运用模糊决策理论对其进行模糊决策不失为可行的方法之一。为此,给出了航空发动机可靠性目标值模糊决策的基本方法,并且研究了具体的应用方法。     

PD型防喘模糊控制器的设计

喘振是发动机的一种轴向气动不稳定现象,具有突发性,如果处理不当,能在很短的时间内损害发动机,甚至导致严重的后果.为保证飞机和发动机的安全,对发动机喘振进行研究和控制已成为人们的共识.通过对发动机工作状态的模拟,设计了基于模糊控制集合理论的发动机防喘主动模糊控制器.     

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.      

基于领域专家知识的发动机模糊可靠性分配方法

提出了一种基于多领域专家知识的发动机模糊可靠性分配方法,以降低决策者主观偏好以及分配过程中模糊和不确定因素对分配结果的影响.基于对影响发动机可靠性因素的分析,建立了发动机模糊可靠性分配的数学模型,并以三角模糊数代替常规层次分析法中的标度,提出了一种模糊评判矩阵方法来确定影响可靠性因素的权重.在可靠性分配过程中,充分考虑多领域专家的意见和产品开发过程的风险性.以应用实例对提出方法的有效可行性进行了验证.      

基于自适应模糊逻辑的活塞发动机TCU故障检测算法研究

故障分析与诊断是活塞发动机地面试车检测系统的关键功能之一,对于确保试飞安全具有重大意义。通过分析模糊逻辑系统的数学原理,研究了基于模糊逻辑的故障诊断模块分析算法,并利用MALLAB软件实现了模块基本功能,为利用模糊逻辑算法的非线性逼近能力,分析并监测发动机TCU运行状态奠定了基础。     

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。     

基于模糊数的航空发动机可靠性预计模型

根据模糊数适于量化模糊信息的特点,运用模糊集和区间分析理论,提出了一种基于模糊数的多级模糊综合评判方法,它能更好地根据模糊信息作出模糊决策。在此基础上,结合航空发动机可靠性的特点,建立了一种航空发动机可靠性预计的模型。该模型的特点是能够在综合考虑各种可靠性影响因素及其模糊性的情况下,对发动机的可靠性水平作出较为客观的综合评判,尤其适用于航空发动机设计初期的可靠性预计。      

基于模糊指数融合和正交基分解的发动机性能监控

针对发动机性能监控过程中出现的单参数监控信息量不足和多参数容易矛盾的情况,提出一种发动机性能监控模糊指数融合方法。该方法基于滑动窗口参数均值和熵,采取有效的信息融合技术,建立表征发动机性能的模糊融合指数。利用神经网络方法,依据已确定的模糊融合规则推导出剩余决策规则。实例表明,模糊融合指数能很好地跟踪发动机性能缓慢衰退和突变两种情况。用正交基分解的方法对模糊指数进行重构预测,与线性拟合和二次拟合相结合的方法相比,其预测精度更高,能准确预测发动机的性能变化。     

基于模糊积分的航空发动机MTBF动态评估方法

针对传统评估方法无法解决航空发动机可靠性评估的滞后问题,采用模糊积分方法建立航空发动机动态可靠性评估模型.引入故障强度因子,建立降半正态型分布的故障强度因子函数表示故障纠正过程.通过故障强度因子得到模糊密度,采用Choquet模糊积分方法融合发动机各阶段可靠性指标,解决了航空发动机可靠性指标的动态评估问题.对在研的某小型涡扇发动机进行了应用研究,结果表明采用Choquet模糊积分数据融合方法进行动态评估能考虑到不同阶段故障数据的重要性,对发动机当前的可靠性水平能给予更加科学的评价.