某型航空发动机台架控制系统设计研究

台架控制系统是航空发动机地面台架试车的重要影响因素之一.针对某型航空发动机地面试车台,从发动机台架电气系统和上位机监控系统2方面介绍了试车台台架控制系统,着重阐述了基于PLC的控制系统在方法上的改进.该系统简化了控制结构,节省了台架资源,增加了试验的安全性和可靠性,已在发动机试车中投入使用.系统运行稳定可靠,安全性高,具有广泛地应用价值.     

航空发动机振动标准研究

采用统计学方法,分析了航空发动机台架试车过程中主机测点的稳态振动数据,对发动机的振动幅值分布规律进行了研究。选取发动机台架试车过程中,处于慢车、80%、90%、中间和全加力状态下主机测点的稳态振动数据,通过绘制概率图对数据分布规律拟合优度进行检验,判断其是否满足正态分布规律;采用绘制振动数据均值和瞬时值95%置信区间包络图的方法,给出了各主机测点的振动基线。利用得到的振动基线,对同型号的另一台发动机台架试车过程中的整机振动进行监控,保证了发动机试车的安全。研究结果为航空发动机振动限值的优化工作提供了参考。     

某型航空涡扇发动机试车振动异常现象分析

对某型航空涡扇发动机在试车中出现的振动过大现象进行了测量和分析。在对发动机进行时域、频域和三维谱阵等分析后,发现发动机的振动与转频变化密切相关。根据发动机转子不平衡和不对中等故障的振动特征,发现不平衡振动是导致01号发动机在试车中振动异常的原因;02号发动机试车振动中不对中特征明显。所得出的结论对该型航空发动机的故障诊断有一定的参考价值。     

航空发动机整机试验性能故障诊断系统设计

以航空发动机整机试验数据为研究对象,建立了1套气路性能故障诊断系统。该系统可对在研制和生产过程中的试验结果进行气路性能故障诊断分析;在分析发动机台架试车特点的基础上,阐述了该系统的设计功能和总体流程逻辑,并介绍了一些功能模块的流程设计;最后就系统的发展进行了讨论。经过带噪声的数值试验和真实试验数据验证,所建立的故障诊断系统诊断有效。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

航空发动机高空模拟试车台架参数化设计研究

试车台架参数化设计是提升航空发动机试验效率的有效手段。通过对航空发动机高空模拟试车台架进行分析,确定其典型结构并提取结构特征、关键参数和约束关系。按照功能对试车台架进行模块化划分,建立零组件的参数化模型和数字样机。运用WAVE技术、模块化技术和参数化设计技术建立试车台架参数化设计系统,实现了试车台架模块化、半自动化、全三维快速设计。实际应用表明,建立的参数化设计系统可有效降低台架返修次数,减少工作量,缩短设计周期和提高设计效率。     

人工神经网络在某型航空发动机故障诊断中的应用

介绍了神经网络在航空发动机故障诊断中的应用 ,给出了利用神经网络方法进行航空发动机故障诊断的方法和步骤及需注意的关键问题 ,并利用神经网络方法诊断了加力泵不供油故障     

自然风条件下露天试车台推力修正的数值模拟研究

为研究航空发动机在露天试车台的推力修正方案,开展航空发动机在不同自然风风速(0到5m/s)、风向(0到90°)下露天试车的数值仿真计算。分析不同自然风条件露天试车发动机进气道周围和进气道气动交界面流场分布特点,发现已往基于测量二次气流的室内试车台推力修正方法无法用于露天试车台;通过内流法推导出适用于露天试车台的航空发动机进气附加阻力计算公式,在此基础上结合仿真结果计算露天试车台发动机进气附加阻力和台架迎风阻力,并分析的风速对各项修正阻力的影响规律,给出台架迎风阻力与环境风速之间的拟合关系式,研究不同风向的侧风对台架阻力的影响规律。研究结果为实际露天基准试车试验开展提供理论研究帮助,并为测量推力修正给予指导。     

航空发动机孔探辅助工具设计与应用

某型航空发动机涡轮叶片在台架试车过程中出现断裂故障,为排除故障,需检查涡轮转子叶片活动量。本研究通过对发动机孔探位置及路径的分析,设计研制了孔探辅助装置,并在发动机周期性维护中验证有效。应用该孔探辅助工具,高涡转子叶片的故障点可得到有效验证。     

基于神经网络的某型航空发动机故障诊断专家系统研究

介绍了基于神经网络的航空发动机故障诊断专家系统的特点,给出了构建这类专家系统的方法。并构建了基于神经网络的某型航空发动机故障诊断专家系统。最后给出了诊断实例。     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

航空发动机故障诊断技术研究

介绍了COMPASS软件和基于粗糙神经网络模型的新型故障诊断技术。对某航空公司运营中的ERJ145飞机双发AE3007发动机进行的故障诊断和研究表明,粗糙神经网络模型在故障诊断中的适用性和可信性很强,能够为航空发动机故障诊断提供有效参考。     

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。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

应用神经网络信息融合诊断航空发动机故障

研究了基于神经网络信息融合技术,同时结合模糊集合论对发动机气路部件进行故障诊断的方法,并以某型涡轴发动机为对象进行了仿真分析.研究结果表明该方法的故障诊断过程相对简单,对模型的精度要求不高,能够降低虚警、误报、漏报等情况的发生.      

基于数据驱动的航空发动机故障诊断与预测方法综述

航空发动机故障诊断与预测是航空发动机健康管理的重要内容,基于数据驱动的故障诊断和预测技术是航空发动机故障和预测领域广泛应用的方法。本文总结了基于数据驱动的航空发动机故障诊断与预测的主要方法及特点,展望了航空发动机故障和预测方法的未来发展方向。     

改进的Kohonen 网络在航空发动机分类故障 诊断中的应用

针对传统Kohonen网络对未知样本识别时的不可辨识性和分类结果不惟一性问题,利用改进的Kohonen网络对航空发动机进行分类故障诊断,并利用混合粒子群优化算法对网络连接权值进行优化,以提高Kohonen网络在分类故障诊断中的通用性和容错能力。对GE90发动机的孔探图像纹理特征识别进行对比。结果表明:改进的Kohonen网络在分类故障诊断中有较强的实用性,分类准确率高于常用神经网络模型和支持向量机的。     

基于AANN的数字滤波技术

航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时,其控制系统中的传感器很容易受到干扰,所以发动机测量参数中常常包含较大的噪声,另一方面,发动机的测量参数多于其独立变量的数量,即在这些测量参数中存在冗余信息。AANN（自联想神经网络）通过对信息的压缩及解压缩过程,能够利用冗余信息抑制其测量噪声。在发动机故障诊断过程中,应用自联想神经网络对测量参数进行预处理,可以大大提高故障诊断的准确率。