基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

基于改进的SENet航空发动机振动预测

为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet（squeeze-and-excitation network）模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR（quick access recorder）数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。      

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.     

核心机压气机进口可调静子叶片角度控制规律

核心机试验进气范围宽，从常温常压状态到加温加压进气状态，进行进气温度和压力调节的同时给核心机带来大量的 过渡态工作过程，对核心机气动稳定性提出了较高的需求，通过压气机进口可调静子叶片角度（α2）的调节可以有效提升稳定裕度，需要设计出合理的压气机α2规律来保证核心机的试验安全。为了研究压气机进口可调静子叶片角度控制规律，以整机大量试验数据为基础，以发动机相似原理为理论依据，分别在核心机稳态、加速和减速等不同状态下开展核心机与整机压气机进口可调静子叶片角度控制规律对比研究。结果表明：最终确定的压气机α2稳态规律与整机的n2R25-α2控制规律相同，遵循在加速过程中稳态基础上偏关2°、在减速过程中稳态基础上偏关5.5°的控制规律，确保压气机在试验过程有较好的稳定裕度，保证试验安全。     

基于相似理论的航空发动机风扇转速换算方法的改进

基于相似理论提出一种通过变指数因子计算航空发动机风扇换算转速的改进方法.收集不同公司的某型航空发动机的巡航数据建立数据样本.采用支持向量回归机方法建立指数因子与大气温度的数学模型并利用遗传算法对模型参数进行寻优,进而得到由风扇指示转速和大气温度计算风扇换算转速的变指数因子模型.使用该模型对样本数据进行计算,并把结果与定指数因子方法求解的风扇换算转速进行对比,对改进算法与定指数法换算结果进行了误差分析.结果表明:改进后的变指数因子模型计算的航空发动机风扇换算转速具有更高的精度,同时具有良好的推广泛化性能,该方法是航空发动机风扇换算转速的一种有效算法,在航空发动机性能预测也具有实际的指导意义.      

一种多级轴流压气机特性预测工程方法

基于多级轴流压气机部件设计点气动参数与相应几何尺寸,发展了一种计算发动机高、低压压气机部件特性近似方法, 并将其应用于某型涡扇/涡喷发动机风扇和高、低压压气机部件特性预测,计算结果与实验数据比较表明,本方法作为一种近似方法具有可接受的工程精度,尤其适合于预测发动机压气机部件小转速特性,为涡扇/涡喷发动机起动过程分析与计算提供模型基础。     

基于UG的压气机叶片参数化设计方法研究

航空发动机压气机叶片设计是反复迭代的过程,每次修改都需要重新进行三维建模,极大地延长了设计周期。为解决压气机叶片设计效率低的问题,并快速设计出气动性能好的叶片,本文基于CAD设计软件UG,采用二次开发的方法,构建压气机叶片参数化三维模型,将压气机叶片的气动几何参数与叶片几何三维模型相互关联。当气动设计参数发生改变时,几何三维模型随之改变,叶片的气动性能也相应改变,极大地提高了设计效率。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

航空发动机宽弦风扇叶片鸟撞损伤模型标定

为建立航空发动机风扇叶片抗鸟撞载荷能力的量化预测方法,针对特定的航空发动机宽弦风扇叶片设计,依据发动机在典型工作状态下的吸鸟速度、角度等撞击参数开展叶片鸟撞试验,采用显式动力学数值仿真方法,建立叶片鸟撞试验仿真分析模型,并通过对模型中叶片材料参数、鸟体本构模型参数、鸟与叶片耦合接触参数进行敏感度分析,对模型进行标定.结果表明,标定后的鸟撞分析模型所预测的叶片损伤模式与试验结果一致,预测的损伤位置与试验测量结果误差小于10%.      

航空发动机叶尖间隙测量技术

虽然可用计算机模型来预测压气机和涡轮的叶尖间隙,但这种预测必须由试验数据来验证和细调。所以,在一台航空发动机的研制过程中,叶尖间隙是一个基本的测量参数,同时也是发动机在运转过程中主动叶尖间隙控制、健康管理和故障诊断的一个重要组成部分。     

基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。     

基于数据驱动的轴流压气机特性图规律及预测

为探索轴流压气机特性线的内在规律,结合数据分析方法和热力学原理,对五十余幅轴流压气机特性数据进行了研究.通过将多种热力学参数引入特性图,并提出了压气机特性描述参数,从各转速峰值效率点连线、近喘振区和近堵塞区3个方面分析了压气机特性中物理量间的规律,发现了压气机特性参数与设计指标间的关联,并依据前述规律发展了基于设计指标...     

变几何压气机特性仿真

基于级综合特性的大量经验关系式 ,建立了静叶可调的变几何压气机特性的计算模型 ,并仿真了压气机在不同静叶转角组合调节规律下的特性 ,计算考虑了气流温度等因素对特性的影响。结果表明该模型对于预测变几何压气机特性和分析静叶转角可调对压气机特性的影响 ,从而初步选择调节方案具有一定的适用性     

Reduced order model for unsteady aerodynamic performance of compressor cascade based on recursive RBF

Based on Recursive Radial Basis Function (RRBF) neural network, the Reduced Order Model (ROM) of compressor cascade was established to meet the urgent demand of highly efficient prediction of unsteady aerodynamics performance of turbomachinery. One novel ROM called ASA-RRBF model based on Adaptive Simulated Annealing (ASA) algorithm was developed to enhance the generalization ability of the unsteady ROM. The ROM was verified by predicting the unsteady aerodynamics performance of a highly-loaded compressor cascade. The results show that the RRBF model has higher accuracy in identification of the dimensionless total pressure and dimensionless static pressure of compressor cascade under nonlinear and unsteady conditions, and the model behaves higher stability and computational efficiency. However, for the strong nonlinear characteristics of aerodynamic parameters, the RRBF model presents lower accuracy. Additionally, the RRBF model predicts with a large error in the identification of aerodynamic parameters under linear and unsteady conditions. For ASA-RRBF, by introducing a small-amplitude and high-frequency sinusoidal signal as validation sample, the width of the basis function of the RRBF model is optimized to improve the generalization ability of the ROM under linear unsteady conditions. Besides, this model improves the predicting accuracy of dimensionless static pressure which has strong nonlinear characteristics. The ASA-RRBF model has higher prediction accuracy than RRBF model without significantly increasing the total time consumption. This novel model can predict the linear hysteresis of dimensionless static pressure happened in the harmonic condition, but it cannot accurately predict the beat frequency of dimensionless total pressure.     

燃气涡轮发动机压缩系统稳定性数值模拟的研究

论发展了一种预测航空燃气涡轮发动机压缩系统稳定工作边界的数学物理模型。其中压缩系统流动过程的动态模型采用基于平行压气机理论的准一维时间相关模型方程；叶片排对流动过程的影响则应用“激盘－滞后－容积”模型；压缩系统稳定性模型则采用了对整个压缩系统统一判别的方式。计算过程与发动机非设计性能计算相关联，使得压缩系统稳定性分析在真实的发动机运行环境（调节规律）下进行。在均匀进气条件下应用这种方法，对一台九级压气机的涡轮喷气发动机和一台三级低压风扇、五级高压压气机的低涵道比、混合排气、带加力的涡轮风扇发动机在均匀进气和畸变进气条件下的稳定工作边界，分别进行了数值模拟和分析。结果表明，发展的数学物理模型和计算机软件系统可以正确的反映发动机压缩系统的工作状况，用它判别发动机不稳定工作点的重复性和灵敏度都比较好。     

基于面向对象方法的压气机性能计算

提出一套预测压气机未知特性的方法,并基于面向对象思想采用变比热容计算方法进行压气机性能计算的分析和编程.结合粒子群优化（PSO）的全局寻优能力和反向传播（BP）神经网络的局部寻优能力提出基于PSO的BP神经网络（PSO-BP神经网络）预测压气机特性,分析了其预测误差和拟合误差:拟合误差基本都小于0.5%,预测误差基本都小于0.8%.其拟合精度和预测精度满足要求.采用变比热容计算方法来计算压气机性能,并采用面向对象方法编写了压气机性能计算程序.对几个压气机变工况点进行验证,各输出参数的最大误差为1.12%.因此,特性预测方法和性能计算的数学模型适用于压气机性能计算,这套方法同样适用于燃气轮机性能计算.      

进气畸变对发动机压缩部件气动稳定性的影响

发展了一种在发动机环境下评定航空涡轮发动机压缩系统稳定工作边界的数学物理模型。压缩系统模型采用基于平行压气机理论的准一维时间相关模型方程以及激盘-滞后-容积的压气机级模型，稳定性模型则采用了对整个压缩系统统一判别的方式。计算过程与发动机非设计点性能计算相关联，使得压缩系统稳定性分析在真实的发动机运行环境（调节规律）下进行。研究了进气畸变对航空燃气涡轮发动机压缩系统稳定工作边界的影响。对总压畸变进气条件下压气机稳定工作边界的变化进行了计算分析，结果表明，进气总压畸变对发动机稳定性有很大的影响，使得压气机稳定工作边界在压气机的特性图中向右下方移动，降低了发动机的喘振裕度。发展的数学物理模型可以正确地反映发动机压缩系统的工作状况，用它判断发动机不稳定工作点的重复性和灵敏度都比较好。     

多传感器监测飞机部件非线性退化评估

飞机部件一般采用多传感器进行状态监控,针对退化过程具有非线性特征的民机典型部件剩余寿命（RUL）预测及评估问题,首先建立了部件性能参数的一般非线性Wiener退化过程,推导出基于多传感器监测数据的剩余寿命预测框架和概率密度函数,随后利用状态空间模型进行隐退化状态估计并同时利用最大期望算法（EM）实现参数递推估计,最后形成了飞机部件多传感器监测下的剩余寿命非线性退化评估方法。通过数值仿真案例和民航发动机剩余寿命预测案例,对比线性退化模型和基于单一传感器监测数据的非线性退化模型,验证了所提方法在提高剩余寿命预测精度的有效性,可为飞机及其部件的剩余使用寿命预测和视情维护决策提供技术支撑。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。