应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

涡扇发动机燃烧室部件故障分析

针对高压涡轮导向叶片烧蚀现象，分析了燃烧室非正好工作导致的故障，找出了故障产生的原因，并提出了火焰后移判断、控制起动超温等排除燃烧室故障的技术措施。     

基于BP神经网络的涡扇发动机部件特性研究

针对发动机特性计算中数据插值精度不高和部件特性的小转速数据难以获得的问题．建立了对部件特性数据进行识别学习的BP神经网络，从而实现了精确插值和对未知特性数据的推测。通过对网络输出结果的分析，表明该网络具有较强的实用性和准确性。     

涡扇发动机部件特性的BP网络研究

在发动机特性计算中,建立了BP神经网络对部件特性数据进行识别学习,实现了特性数据的精确插值和对未知特性数据的推测。通过对网络输出结果的检验与分析,表明该方法精确实用。      

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机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可行、有效的。     

涡扇发动机气路部件故障增益调度容错控制

针对涡扇发动机气路部件故障导致控制性能下降甚至影响安全性的问题,提出了一种增益调度容错控制器设计方法.在全飞行包线内对发动机不同的工作点,基于部件线性化方法建立高精度的带健康参数的发动机线性化模型,并设计相应的卡尔曼滤波器构建气路部件故障诊断模块,估计出反映发动机气路部件故障程度的健康参数;针对不同工作点处正常状态和部...     

某型涡扇发动机起动和加速过程数值模拟

借助国内外涡扇发动机过渡态数值模拟研究的最新成果,开展了某型涡扇发动机起动加速过程的数值模拟研究。首先参照风机和泵类机械低转速部件特性相似理论,结合指数外插法,成功地发展了航空燃气涡轮发动机低转速部件特性扩展方法和计算程序;其次,基于燃气涡轮发动机部件匹配原理,写出描述部件内动态流动过程的三个基本方程：动量守恒方程（功率平衡方程）、流量连续方程和能量守恒方程;最后发展了具有一定计算精度的涡扇发动机起动加速过程的数值计算模型和程序,对某型涡扇发动机的起动和加速过程进行了数值分析,并与试验数据进行了对比分析。结果表明,给出的数值计算结果与试验数据具有较好的一致性,表明发展的模拟涡扇发动机起动加速过程的数学模型和程序是合理的。     

两种涡扇发动机排气系统红外辐射特性的比较

针对弹用涡扇发动机，计算和比较了3μm-5μm波段轴对称分开排气喷管和轴对称混合排气喷管的红外辐射特性，并与模型实验的结果进行了比较。结果表明，两种类型的排气喷管在红外辐射的空间分布和光谱分布特性方面具有相似的特征，但是红外辐射强度的数值有较大差别；内、外涵混合排气，可以显著降低喷管空腔、尾喷流和整个排气系统的红外辐射。     

弹用涡扇发动机的特点及其发展动向

远程巡航导弹均用涡扇发动机作为主发动机.这种弹用涡扇发动机与普通航空涡扇发动机相比具有许多不同的特点.其基本特征是小体积、小推力、低成本和短寿命.本文讨论了这种弹用涡扇发动机的设计准则、总体性能、结构、制造工艺及其发展动向.     

民用涡扇发动机的技术特点

阐述了民用飞机动力装置的技术特点、研制途径,以及为降低油耗提高效益采用的先进设计技术。     

BPN 在涡扇发动机气路故障诊断中的应用

本文应用误差反传网络（BPN）算法,研究发动机气路部件故障的定量诊断,并针对某型军用涡扇发动机的典型故障,给出了诊断结果,分析了测量系统的随机误差、发动机的不同工作状态、不同调节规律对的诊断结果影响,结果表明BPN可成功地应用于发动机故障的定量诊断。      

基于定性模型的液体火箭发动机故障诊断

建立了液体火箭发动机各类部件在正常和故障状态下的定性工作模式库，然后根据液体火箭发动机系统的拓补结构和系统的定性故障特征寻找系统全局定性解，并依据全局解中各个部件的状态来确定系统的故障部件。方法具有较好的解释性，在计算机上实现只需少量的内存和执行时间。另外，该方法用节点支路关联矩阵来表示系统的拓扑结构，具有一定的通用性。     

液体火箭发动机故障诊断中的特征选择

对表征发动机故障的原始特征,以提高故障类可分性为目的,利用信息论中互信息的理论,采用贪婪算法,去除原始特征中不利于所设计分类器的特征,得到最有利于分类的子特征集。采用子特征集对故障进行分类,得到了较理想的结果。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

奇偶空间法用于液体火箭发动机故障诊断

基于液体火箭发动机系统测量输出之间的内在一致性,直接利用液体火箭发动机试车的测量参数, 采用奇偶空间方法对仿真的液体火箭发动机１６种故障进行分离, 结果证明该方法对实现液体火箭发动机故障诊断有较好的效果。     

航天器推进系统故障诊断专家系统的研制开发

论述了设计航天器推进系统故障监测与诊断专家系统的重要性和必要性。并结合具体工程背景所研制开发的诊断系统, 研究了其主要的设计思想、特点、功能以及软件需求分析,实现软／硬件环境     

发动机故障诊断的主成分算法

 给出了两种基于主成分分析的发动机故障诊断算法,即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点,即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念,解决了主成分个数选择的难题．还以JT9D发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明,利用主成分降维方法可以将JT9D发动机的26个故障因子压缩到9个,或者将5个单元体的10个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。     

应用神经网络识别液体火箭发动机的故障模式

本文以一个典型的泵压式液体火箭发动机（ＬＲＥ）为对象，考虑发动机的几种主要故障，建立了描述发动机静态工作过程的非线性方程组。用Ｈｏｐｆｉｅｌｄ神经网络模拟这些非线性方程组。用ＡＲＴ２网络识别故障模式。对该发动机，特别是涡轮泵故障的识别方法进行了研究。     

变几何涡扇发动机加速控制规律优化设计

首先建立了一种变几何通道涡扇发动机数学模型,该模型中,风扇及压气机在不同进口导流叶片角度下的特性是通过对基准特性的修正而获得的。然后根据变几何涡扇发动机的特点,利用非线性规划中的约束变尺度法（ＣＶＭ）设计了最优加速规律。研究结果表明：用约束变尺度法优化设计出的发动机加速控制规律,可以保证发动机在全飞行包线范围内稳定工作,且加速时间最短。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。