航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

基于RBF神经网络的航空发动机故障诊断研究

采用改进算法优化了径向基函数(RBF)网络.针对航空发动机工作条件和结构的复杂性,提出了用RBF网络进行故障诊断的方法,构建了基于RBF网络的多参数航空发动机故障智能诊断模型,并对典型发动机故障进行了诊断.结果表明,RBF网络具有优秀的故障学习能力,采用它进行航空发动机故障诊断是行之有效的,具有较好的应用前景.     

涡轴发动机单元体性能分析与故障诊断方法

介绍了某发动机监测参数的选择与监视方法,运用故障因子概念建立了单元体故障诊断模型,利用实际试车数据对诊断模型进行了验证.结果表明诊断模型可信,诊断结论与实际情况相一致.     

航空发动机仿真模型参数自适应校正

采用修正因子方法建立自适应仿真模型,运用改进的共轭梯度算法求解非线性规划问题,依据发动机台架试车和空中试飞测量数据,对发动机仿真模型的部件特性参数进行校正,使模型的计算输出与试验测量数据吻合。应用本文方法对某型双转子加力涡喷发动机仿真模型进行校正,获得了满意的仿真精度。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

涡轴发动机监视参数选择与诊断方法研究

介绍了涡轴发动机性能参数与监测参数选取的依据和方法 ,建立了利用故障因子概念诊断发动机故障的数学模型 ,给出了亚定型故障诊断方程组的解法及其发动机健康状况判定依据和故障诊断有效性的评价指标。运用发动机的实际无故障数据和模拟故障数据进行了仿真。结果表明 :建立的诊断模型可信 ;选取不同的测量参数可诊断不同的发动机故障 ;减少系统测量误差可以提高诊断的有效性。该系统对在役涡轴发动机的健康监视具有实用性 ,对其它发动机具有参考价值。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

民用涡扇发动机起动过程改进的分段组合控制计划研究与试验

针对某型民用涡扇发动机,将n-dot闭环控制算法应用于涡扇发动机起动过程,设计了涡扇发动机起动过程开环与闭环分段组合的控制计划,仿真表明:涡扇发动机起动过程采用n-dot闭环控制算法在初始阶段会出现参数摆动的情况.为此,基于油气比作控制变量进行消喘的原理,对n-dot闭环控制算法进行了改进,以消除起动初始阶段的参数摆动.试验结果表明:改进后的分段组合的控制计划能够有效抑制参数摆动现象;并且,对于不同大气条件的起动测试,起动过渡态过程高压转子转速的数值差距不大于1.0%,延时不超过0.9s;而对于不同飞行状态的起动测试,起动过渡态过程高压转子转速的数值差距不大于1.0%,延时不超过1.2s,具有良好的稳定性和重复性.