人工免疫原理在航空发动机振动数据分析中的应用

针对航空发动机地面试车记录的试车数据缺乏宏观监控分析手段的问题,提出了将人工免疫原理应用于振动数据分析方法,定义了自我空间向量集,构建了检测器,实现对发动机振动状况的判定,并经实例进行验证。验证结果表明,该方法能够较为准确地识别发动机的振动状态,提高振动监测的有效性。     

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.      

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。     

基于Kolmogorov熵的转子-机匣系统故障诊断研究

提出了基于Kolmogorov熵的航空发动机转子—机匣系统状态识别和故障诊断新方法。应用关联积分算法,基于实测的航空发动机机匣振动时间序列求解了转子—机匣系统不同工作状态和故障状态的Kolmogorov熵;基于Kolmogorov熵,对航空发动机转子—机匣系统进行了状态识别和故障诊断。研究结果表明,该法具有较高的状态识别和故障诊断能力。     

基于模糊矩阵和神经网络的航空发动机磨损部位故障识别

滑油中的金属颗粒成分及含量反映了发动机部件磨损程度,利用光谱分析技术监测诊断发动机部件磨损故障。在分析发射光谱原始数据的基础上,提出基于BP神经网络的航空发动机磨损部位识别方法,并通过实例阐述了部位磨损识别的步骤。将待识别样本输入已经训练好的神经网络中,得到低压压气机轴承支座磨损故障模式。待识别样本中含有Fe、Al、Cr、Cu、Mg,与低压压气机轴承支座磨损故障模式存在的元素完全一致。与原始识别方法相比,本文方法得到的故障特征更加明显,所需训练样本更少,识别精度达到96.67%。     

基于云关联度的航空发动机传感器、部件故障识别系统设计

针对灰色关联度方法用于发动机故障诊断精度低的问题,结合云理论和关联度分析方法,提出了云关联度方法,利用“云滴”能够反映映射的模糊性和随机性与整体“形状”变化分布这一特性,克服数据挖掘的模糊性和随机性问题,采用综合隶属度方法能够充分对数据进行挖掘,最终计算出云关联度.为了实现航空发动机传感器、部件单一故障的实时识别和诊断,在分析航空发动机传感器故障和部件故障特点的基础上,利用云关联度方法,设计了航空发动机传感器、部件故障的识别系统.仿真结果表明该方法不仅能够实时正确区分航空发动机传感器、部件故障,还能准确诊断出故障发生的传感器或者部件的位置,有效地改善了航空发动机故障诊断能力.      

常规试车台上航空发动机噪声及其测量技术的研究

通过常规试车台上航空发动机噪声测量获取了对声源特性进行定量和定性分析的大量有用信息。试验与理论分析结果表明:噪声与振动、压力脉动信号同步测量并作相干分析是识别发动机声源特征的有效方法。成套系列声振仪器的选择和系统在线标定分析及试车台混合时间的确定为航空发动机噪声测量的精确性提供了保证。用声压级差值与声功率级差值量级相当方法验证了喷气噪声是发动机台试噪声的最主要贡献,且具有低频带特性;利用细化技术还诊断出发动机可能存在轴不对中故障,为进一步实现常规试车台上航空发动机状态的声学监测提供了必要依据     

基于监督流形学习的航空发动机振动故障诊断方法

航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。     

Elman 回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

基于多Agent协同诊断的飞机液压系统综合监控技术

 通过对智能化诊断技术的研究,提出将人工智能多智体（Agent）技术应用于飞机液压系统综合监控系统中。构建了基于多种油样分析的多智体协同诊断专家系统方案,并开发了飞机液压系统状态监控专家系统（AHMES1.0）,应用于飞机液压系统的磨损故障监控。专家系统由污染分析Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent、融合诊断Agent及综合诊断Agent构成,综合诊断Agent负责控制和管理其他Agent进行协同诊断。根据飞机液压系统诊断的实际情况,给出了各Agent的诊断规则。最后用实际的故障案例进行了验证,表明了多智体协同诊断的有效性。     

基于知识规则的发动机磨损故障诊断专家系统

针对某型发动机试车状态的磨损故障诊断问题,运用了两种最常用的滑油分析技术——铁谱分析和光谱分析,同时结合发动机试车台监测数据,对该型发动机试车过程中的磨损故障进行专家诊断。首先依据领域专家的经验,通过分析得到了各种分析方法的诊断专家知识,并将其转换为基于if-then的知识规则存放于知识库中;其次,依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,统一转换成故障征兆的字符表达式;最后,根据应用正向推理机得到磨损故障的诊断结果。      

液体火箭发动机涡轮泵故障诊断的新方法

针对传统的液体火箭发动机涡轮泵故障诊断方法只能在有样本数据并且样本数据充足的情况下才能进行准确诊断以及诊断时难以提取状态特征的缺点,提出一种适用于涡轮泵在线监测及诊断方法,该方法利用生物免疫系统的反面选择机理,利用生物克隆和学习机理使改进型反面选择算法产生的检测器具有不同的检测半径,使其能更有效地覆盖异常空间,能有效地提取涡轮泵的状态特征,避免了检测器产生效率低等问题。实例诊断结果表明:该方法较好地解决了故障样本难以获取及有效地提取涡轮泵的状态特征的问题,能准确监测出涡轮泵各种常见故障所引起的异常并能准确诊断,较高诊断精度表明该方法是可行的,并且具有较好的在线性、准确性及鲁棒性,为液体火箭发动机涡轮泵故障异常检测探索了一条新路。     

基于人工免疫网络模型的航空发动机传感器故障诊断

提出了一种用于传感器故障诊断的免疫网络,对其结构和特点进行了分析,给出了相应的诊断算法。对传感器典型故障进行了故障诊断仿真,分析了免疫网络能检测出的最小故障偏差水平以及在不同噪声水平下的故障诊断效果。仿真结果表明,所研究的方法能有效检测到故障传感器,并具有良好的灵敏性及抗噪声干扰能力。     

一种航空发动机性能监控的免疫神经网络模型

提出了一种基于免疫神经网络的航空发动机性能监控与故障检测模型.利用人工免疫系统的识别机理,并结合人工神经网络,确定发动机性能偏离正常值的程度(异常度),实现发动机性能趋势的监控.该方法能够灵敏、准确地反映发动机整体性能的变化情况,提高发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大.通过对某型涡扇发动机进行监控,证明该方法确实有效.      

燃气涡轮发动机故障诊断的人工神经网络法

介绍了人工神经网络专家系统在航空涡轮风扇发动机故障诊断上的应用。通过一个高涵道比涡扇发动机故障诊断的实例分析, 验证了三层逆传播网络的可行性。非常令人鼓舞的诊断结果证明:神经网络的模糊联想特点、分布存储和并行处理能力以及对随机误差的抑制作用, 使其成为一个有效的和快速的方法。它有很好的应用前景, 并可广泛用于航空发动机的故障诊断。      

民用飞机发动机监测方法研究

对民用飞机发动机状态监测和故障诊断方法进行了研究,提出了一种能够实时反映零件故障信息的油液在线静电监测方法,设计并搭建了一套静电监测系统及实验平台,开展了循环润滑条件下销盘滑动摩擦磨损实验,使用自制的油液静电传感器对油路中磨粒进行监测。实验结果表明油液静电传感器能够监测到金属材料荷电颗粒,感应电压幅值与磨粒大小具有相关性,感应电压波形与磨粒荷电特性有关,验证了静电传感器在线监测的有效性,为判断故障提供了进一步的依据。     

民用航空发动机振动监测方法研究

对民用航空发动机振动监测原理、监测算法和发动机振动位移量到飞机振动单位的转换关系进行了系统研究。并在此基础上,结合民用航空发动机典型的叶片磨损问题,分析了发动机振动值随不同叶片磨损程度的变化趋势;给出了发动机振动检查程序,便于在飞机地面维护和飞行过程中提早发现发动机存在的结构故障,保障飞行安全。本文结合发动机振动特点提出的工程检测方法,具有一定的工程使用价值和参考意义。     

飞机电源系统故障诊断专家系统的分析和设计

应用人工智能理论对某型飞机电源系统进行故障诊断分析。本文给出励磁电流过大故障树模型,建立电源系统知识库和推理机,完成飞机电源系统故障诊断专家系统的设计,进行故障诊断,得出异常或故障信息,为整个飞机非航电系统采用专家系统进行故障诊断提供经验。     

液体火箭发动机故障检测与诊断的反向选择算法

基于生物免疫系统中的反向选择原理,提出了液体火箭发动机地面试车故障检测与诊断的新方法,对检测器的产生、检测器数量的确定以及故障诊断的实现等几个问题进行了分析。基于发动机地面试车数据的验证结果表明,该方法能有效提高算法的训练效率、实时性能和诊断结果的准确性。