基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

NARX神经网络在航空发动机EGT趋势预测中的应用

航空发动机的健康状态是保证飞行安全的重要因素,能在早期发现发动机隐藏的故障,通过预测发动机性能参数的变化趋势来掌握发动机性能衰退情况,实现对发动机健康状态的准确判断,具有重要的意义。针对航空发动机性能参数的数据特点,提出将动态神经网络中的NARX(非线性自回归)神经网络模型运用到性能参数的预测中,并用航空发动机排气温度(EGT)的趋势预测对该方法进行了验证。验证结果表明,这种方法在性能参数预测的精度上优于BP神经网络的预测结果。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

航空发动机气路故障诊断的SANNWA-PF算法

针对航空发动机非线性、非高斯的特点,提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波（SANNWA PF）算法。该算法根据粒子分布情况确定分裂和调整的粒子数目,进而根据粒子权重采用正态分布的方式进行分裂,采用反向传插(BP)神经网络进行权值调整,缓解了粒子的退化和贫化,具有更强的自适应性能和跟踪能力。通过一维非线性跟踪模型和航空发动机气路故障诊断仿真研究表明:SANNWA PF算法具有良好的非高斯性能,相对粒子滤波一维非线性追踪模型估计精度提高约21%,航空发动机气路故障诊断在高斯噪声和非高斯噪声下分别提高约30%和26%,诊断速度分别提高约7倍和10倍。      

航空发动机滑动局部线性模型及控制

为了提高航空发动机的控制性能和控制系统的可靠性,提出一种基于粒子群算法的航空发动机局部小区域自适应滑动 的线性模型建立方法和双闭环自适应PI控制方法。在辨识区间内,以发动机转子转速为状态变量,采用在线实测数据和粒子群算法的参数估计方法,使模型辨识参数按照设定区间大小自适应跟踪滑动,从而保证线性模型能够精确逼近发动机的非线性动态。通过分析发动机燃油调节器的工作特性,建立了燃油调节器计量活门和电液伺服阀的传递函数,并根据所构建的模型,设计了航空发动机转子转速和燃油流量双闭环自适应PI控制系统以实现对航空发动机的精确控制。结果表明：利用局部滑动自适应辨识计算机得到的数据与发动机稳态、动态试验数据相吻合,且双闭环仿真控制性能满足航空发动机工作性能要求,表明所提出的航空发动机局部线性建模方法和自适应PI控制器参数算法对提高发动机的控制性能是有效的。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

自适应PSO网络整定的航空发动机全程滑模控制

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,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经 网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提 取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提 供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明：基于卷积神经网络和长短期记忆神经网络的航空发动机剩 余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽 可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和 非对称指标上均优于此前提出的方法。     

TEHL analysis of high-speed and heavy-load roller bearing with quasi-dynamic characteristics

In this paper, the aero-engine mainshaft roller bearing D1842926 under typical operating conditions is taken as a case study, a new integrated numerical algorithm of quasi-dynamics and thermal elastohydrodynamic lubrication(TEHL) is put forward, which can complete the bearing lubricated analysis from global dynamic performance to local TEHL state and break out of the traditional analysis way carried out independently in their own field.The 3-D film thickness distributions with different cases are given through integrated numerical algorithm, meanwhile the minimum film thickness of quasi-dynamic analysis, integrated numerical algorithm and testing are compared, which show that integrated numerical results have good agreements with the testing data, so the algorithm is demonstrated available and can judge the lubrication state more accurately.The parameter effects of operating and structure on pv value, cage sliding rate, TEHL film pressure, thickness and temperature are researched, which will provide an important theoretical basis for the structure design and optimization of aero-engine mainshaft roller bearing.     

航空发动机非线性模型实时计算的迭代方法研究

针对航空发动机非线性模型将作为未来机载应用而需要严格实时性的问题,研究了求解模型的迭代方法,综述其历史发展情况,并讨论收敛性问题,同时提出一种改进应用方案,即模型在过渡态仿真时可将上一状态点雅可比矩阵直接应用于下一点计算,能够在典型应用方案基础上直接减少气动热力模型计算次数,从而提高整体模型执行效率.通过实际算例对这些应用方案进行仿真比较与分析,结果表明:①Broy-den秩1法执行效率最高,更适宜用于模型实时计算;②改进应用方案简单、有效,为进一步满足非线性模型的严格实时性要求奠定基础.      

民用航空发动机水洗效果量化评价方法

为了掌握水洗对民用航空发动机性能的改善效果,实现从定时水洗向视情水洗的转变,并为航空公司评估节能减排工作成效提供支持,提出一种发动机水洗效果量化评价方法。该方法选择延长在翼时间和节省燃油量作为评价发动机水洗效果的两个主要指标,给出评价指标的计算方法;建立基于成本的发动机水洗效果评价模型,基于该模型对水洗效果进行评价;采用某台水洗后发动机的实际数据对所提出的方法进行验证。最后,基于所提方法开发发动机水洗管理系统。结果表明:所提方法能够实现发动机水洗效果的定量评价,为视情水洗的实现和航空公司评估节能减排工作成效提供支持。     

航空发动机技术成熟度评价方法研究

技术成熟度评价是控制新型航空发动机研制中技术风险的有效途径,在国外航空发动机研制、技术发展中得到广泛应用。本文介绍了美国国防部成熟度评价方法和国外航空发动机技术成熟度评价的现状,提出了开展航空发动机技术成熟度评价的设想和初步的评价方法,并以虚拟的高压压气机技术验证项目为例进行了技术成熟度模拟评价。     

基于多项式平方和规划的航空发动机鲁棒LPV/PI控制

针对航空发动机常规(proportion integration,PI)控制器设计过程中难以保证鲁棒性及参数适应性差等问题,提出了一种基于线性变参数(linear parameter varying,LPV)模型及多项式平方和(sum of squares,SOS)规划的控制器设计方法.结合传递函数模型下的鲁棒稳定条件及弱对偶定理给出了多项式描述的LPV模型鲁棒稳定条件,并转化为便于求解的SOS规划问题.根据发动机非线性模型获取不同转速下的传递函数模型,并利用多项式拟合的方法建立发动机LPV模型.根据所提出的定理构造出SOS规划问题,并求解得出LPV/PI控制器.最终以某型双轴涡扇发动机为被控对象,在包线内不同点进行了阶跃仿真,结果表明:高压转子转速控制系统的稳态误差为0,调节时间小于3s.      

机场旅客吞吐量的人工神经网络预测方法

利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,突破传统上基于统计学原理进行机场旅客吞吐量预测的限制,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的人工神经网络预测模型,经过BP网络预测软件运行检验,并与该机场以前采用的定量预测方法的综合比较,证明在该机场应用BP网络预测方法不仅可行,而且有更好的预测精度.     

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.      

改善高空台试验中发动机性能参数不确定度的方法探讨

介绍了发动机高空模拟试验中发动机性能参数不确定度控制与改善的需要和需求背景,分析了空气流量等发动机性能参数不确定度的影响因素,重点探讨了进气压力、高空舱压力等主要冈索对发动机性能参数不确定度的影响及其确定方法,并在此基础上提出了基于已有测试系统改善其参数测量不确定度的实用方法.