信息缺失的航空发动机传感器数据重构

为处理传感器数据缺失问题,利用子空间表示系统演化特征,提出了基于极化增量矩阵填充(PIMC)的航空发动机传感器数据的在线重构模型。该模型通过历史数据获得当前的数据特征表示,并用新增的数据不断更新子空间以跟踪并表示数据发展特征。将本文模型用于仿真数据进行验证,重构结果和无噪数据的归一化均方误差(MSE)均小于1×10-5,实验结果显示本文模型对于航空发动机传感器数据重构有很好的应用价值,对缺失数据和噪声是鲁棒的。      

航空发动机传感器与执行机构信息重构算法

为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构,缓解故障对发动机性能的影响,在已有故障检测和故障隔离算法的基础上,提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明:基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度,两种故障情形下故障幅值的估计值的均方根误差均不超过0.005,故障部件信息重构后故障对系统性能的影响得到有效缓解。      

基于回归模型的液体火箭发动机试验数据的验证与重构

由于传感器设计、制造水平和工作环境等原因,传感器工作异常、出现故障或失效现象时有发生,影响了试验的完成和试验数据的使用。在研究液体火箭发动机地面试验各测点参数相关性的基础上,建立了传感器验证网络,利用测点参数间的线性回归模型对传感器数据进行验证和重构。经过实例验证表明,利用线性回归模型建立传感器验证网络,验证与重构发动机试验数据是可行的、有效的。     

基于遗传算法的航空发动机部件特性修正

研究了航空发动机部件特性修正技术,提出了一种基于变适应度函数的模型优化算法,以达到减小总体建模误差,提高模型精度的目的.在稳态模型的基础上,对引气系数、总压恢复系数和各部件的特性进行了修正,使修正后的模型输出与实验数据相一致.采用改进遗传算法,对交叉率和变异率进行了非线性自适应调整,并根据误差大小调整适应度加权系数,避免算法陷入局部最优,同时减小最大建模误差.仿真结果表明,修正后各实验参数平均误差从2.420 8%减小到0.321 7%,模型满足稳态误差小于2%的要求.      

活塞式航空发动机的优化与标定

联合发动机循环模拟与标定技术建立小型活塞航空发动机动力性和经济性的多目标优化模型。对校验后的BOOST模型进行DOE(Design of Experiment)正交试验,对试验数据进行统计数学建模,并对局部模型误差进行控制,进行响应面模型分析,通过MBC(Model-Based Calibration)工具箱进行优化标定,选用经济适用的NBI(Normal Boundary Inter-section)进行多目标优化.给出了优化的点火提前角、喷油量的MAP图,优化参数对扭矩和燃油消耗等目标的响应面模型,对提升小型航空发动机性能有重要的参考价值.     

活塞式航空发动机二级涡轮增压系统匹配分析

针对高空小型飞机的动力要求,对某一级增压的活塞式航空发动机进行了二级增压系统的匹配设计分析.利用AVL boost软件建立了原发动机的一级增压模型,并根据实验数据进行了校核.在原机模型的基础上,建立了二级增压发动机模型,并且进行了匹配计算.计算结果给出了发动机不同海拔高度下的运行情况,分析了发动机主要参数对性能的影响.研究了旁通阀对二级增压系统的调节规律,确定了高低两级压气机总压比随发动机海拔高度的变化趋势.结果表明,二级增压系统能够为发动机提供足够的进气充量,保证在大气密度降低后发动机还可以产生要求的功率,取得了预期的效果.      

基于R-D SSD模型航空发动机安装工位检测算法

为解决航空发动机在安装过程中大多实行人工安装、定位不精确等问题,在研究其自动化安装方法中,针对航空发动机安装工位的检测需求,提出了一种残差网络与膨胀卷积相融合的SSD改进算法(R-D SSD)。将经典SSD模型的主干网络VGG16替换为残差网络ResNet-101,并增加其输出特征图上的预选框数量,解决了原始算法对底层特征抓取能力不足的问题,进而弥补了对小目标检测效果较差的缺陷;利用膨胀卷积扩大网络的感受野,获取足够的安装工位边缘特征细节信息,在不改变网络结构的同时,保证了模型良好的实时性和对目标的检测精度。实验表明:对于小目标数据集和整个数据集,R-D SSD算法的平均检测精度较原始算法分别提高了8.6%和4.0%,可以满足航空发动机安装时平均检测精度不低于85%的要求。      

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。      

小样本理论在航空发动机研制费估算中的应用

研究了小样本理论中的偏最小二乘法在航空发动机研制费估算中的适用性,系统收集了国内10余种军用涡喷/涡扇发动机的技术性能和研制费数据,选取涡轮进口温度、军用耗油率、发动机军用推力、发动机加力推力、发动机推重比、发动机净重、总增压比、空气流量、翻修寿命、原型机数量、完成时间等技术参数,将小样本理论中的偏最小二乘法应用于军用航空发动机研制费估算模型的研究,形成了基于主要性能指标的军用航空发动机研制费参数估算模型,并建立了军用航空发动机研制继承系数的概念.计算结果表明,该模型较国内其他已有模型的精度有所提高,达到了10%,可以应用于我国航空发动机研制费的快速估算.     

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

某涡喷发动机数值建模与改型设计

基于面向对象的部件级航空发动机性能计算模块,构建了某无人机用小型涡轮喷气式发动机的稳态性能计算模型,并根据该发动机原始性能实验数据,对构建的计算模型进行了可信度校核.在模型校核的基础上,为提高该发动机在不同任务载荷下的功能适用性,利用部件匹配技术对该涡轮喷气式发动机提出了可行性改型设计方案.计算结果表明,在维持该涡喷发动机离心压气机工作线不变,同时保证热强度和结构强度可靠性的条件下,改进组合压气机中的轴流级压气机,可以使该发动机推力有较大提高,耗油率得到有效降低.      

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

小型涡扇发动机燃油控制规律

以小型涡扇发动机DGEN380燃油控制规律为研究目标,使用解析法基于MATLAB平台建立其整机部件级稳态及动态数学模型并进行仿真计算。在旋转部件建模过程中使用工具获取特性数据,并绘制可以即时显示当前工作点/线的部件特性图;在稳态仿真时使用Newton-Raphson法和遗传算法2种方法求解发动机工作方程组,并对二者进行评估对比,针对遗传算法在发动机模型求解过程中的局限性对一般基础模型进行优化改进;在动态仿真时,采用欧拉法计算微分项。基于模型分析发动机燃油控制规律,并以发动机高度特性为例进行仿真计算。试验结果表明:Newton-Raphson法具有高精度和高速度,改进模型后遗传算法具有更好的适应性,模型及燃油控制规律的仿真结果较好地符合试验数据和理论趋势,对比误差小于3%。      

初级教练机中的低成本导航仪组合导航算法设计

为了解决初级教练机低成本组合导航仪中全球定位系统(GPS, Global Positioning System)信息更新频率过低,导致传统组合导航算法失效的问题,在对惯性器件进行建模的基础上,提出了一种基于运动学非线性模型的组合导航算法.该算法选取载体的姿态、速度和位移量作为状态量,以GPS、磁强计和高度计的测量值作为观测量,建立组合导航系统模型,利用卡尔曼滤波对线性化后的系统模型进行数据融合.通过静态试验和动态跑车试验,表明该组合导航算法能够使姿态误差均值控制在0.12°以内,速度误差均值不大于0.03m/s,位移量误差均值不大于3.94m,精度能够满足初级教练机的应用需要.     

静电电荷量传感器标定技术研究

静电电荷量传感器在精密机械、航空发动机的状态监测、故障预测以及健康管理方面有着广泛应用。介绍了静电电荷量传感器的标定技术，基于油滴荷电的原理，结合直流高压源、支撑固定装置、电荷量测量装置研制了静电电荷量传感器标定系统。通过油滴实验，获得了油滴荷电量与施加电压、油滴大小、温湿度之间的关系，分析了影响标定装置的因素。     

基于小波的航空发动机叶片孔探损伤检测

发动机孔探技术是航空发动机内部故障检测的重要技术,而叶片损伤则是发动机内部的一种常见损伤.针对发动机叶片损伤的特点,通过对损伤模型的分析,应用SUSAN(Smallest Univalue Segment Assimilating Nucleus)边缘检测算法对叶片损伤进行定位,应用小波变换对孔探图像进行分解,得到不同位置处的不同频率分量.并根据损伤模型的分析通过已定位的损伤位置来确定损伤法线方向的频谱分量,计算出损伤处除直流分量之外的其它频率分量的频谱能量,从而依据损伤频谱能量检测并估计发动机叶片的损伤.实验结果表明,应用此方法可以定量检测并估计航空发动机叶片表面损伤情况,为检测并估计发动机叶片损伤提供了理论和实践依据.      

一种鲁棒性增强的机载网络流量分类方法

针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取，限制了基于深度学习的流量分类方法的应用问题，提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合，基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练，在线上分类阶段，通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取，并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明，所提方法可以有效抑制数据包缺失对分类准确性能的恶化。      

空间预警系统的视线测量误差建模

作为一种天基测量系统 ,由于基准点不准及相关因素的影响 ,空间预警系统的视线 (line of sight)测量数据存在较大的误差。文章先从整体上把系统的误差源分为两部分 :预警卫星定位和红外传感器校正。然后从这两个误差源出发 ,具体分析了误差产生的原因 ,通过合理的简化 ,分别建立了独立的子误差模型 ;进而 ,基于子误差模型建立了系统整体误差模型 ,并进行了数值仿真计算。     

航空发动机可靠性评估中故障样本时效性分析

通过故障数据建立可靠性模型反映系统可靠性状态的变化具有一定的滞后性,随着发动机可靠性水平的不断提高,对航空发动机进行可靠性评估需要将早期故障样本进行时效性处理.提出衰减因子 α 用于表示故障强度的衰弱程度,对Gompertz可靠性增长模型改进得到故障的衰减函数,来描述故障强度的衰弱过程;用Bayes方法合理利用发动机全部故障样本进行数据融合,可有效解决样本的时效性问题.对在研的某涡扇发动机进行故障统计分析,研究了典型故障模式的时效性变化,结果表明:考虑样本的时效性后进行可靠性评估对发动机当前的可靠性水平能给予更加科学的评价.