基于图像化变差函数的性能数据异常明别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常 判别方法。 通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。 通过引入变差函数理论,采用 4 方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。 在提取发动机性能图像关 键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态 的判别。 选用若干组实际发动机性能数据对方法进行验证O 验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能 图像运行状态的分类,从而判别发动机性能数据的运行状态。     

航空发动机性能图像纹理片段划分方法

为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题，在高频次纹理片段对应性能稳定状态、低 频次纹理片段对应异常波动状态的合理假设下，提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与 RGB彩色空间的映射，提出高维性能数据图像化。引入分形盒维理论，定义纹理特征维数表征性能图像纹理特征，提出基于高频 次生长树的图像纹理片段划分方法，实现性能图像按纹理出现频次的精细划分，建立正常样本和异常样本数量接近的数据集。选 取多个航段发动机性能数据，与时频图和采样法生成的数据集进行对比验证。验证结果表明：该方法可以生成数量相当且真实 客观的正常样本和异常样本，在ResNet50模型上的准确率达91.72%，减小了数据不平衡对准确率的影响。     

基于ResNet-LSTM的航空发动机性能异常检测方法

为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络（ResNet）-长短期记忆网络（LSTM）的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明：在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。     

基于风扇退化的涡扇发动机寿命衰减双参数评估方法研究

由于涡扇发动机不同单元体之间存在耦合性,采用单一性能退化参数预测发动机剩余寿命明显是不全面的。本文根据风扇故障导致涡扇发动机退化机理,引入Frank Copula函数描述二元性能参数之间的相关性,并且采用二元非线性Wiener过程来构建性能退化模型,然后基于MCMC (Markov Chain Monte Carlo)方法进行模型参数估计,实现涡扇发动机剩余寿命预测。最终,通过涡扇发动机的仿真数据集来验证该方法的适用性。证明基于Copula函数的二元非线性Wiener过程建模为发动机剩余寿命预测提供了理论基础和技术支持。     

基于边界值的多元混沌发动机性能预测算法

首先提取航空发动机排气温度数据序列的边界值,并且证明了边界值序列具有混沌特征.其次提出了一种基于多元相空间重构的发动机状态混沌预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行数据对该预测算法进行了验证,结果表明:该组合算法降低了预测模型的时间复杂度,并大大提高了疑似异常点的预测精度.该方法可以为这种机型发动机故障预测提供决策依据.      

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

基于航空发动机工况的叶尖间隙智能预测方法

在实际工程中保持航空发动机高效运行的有效措施之一是应用叶尖间隙主动控制技术,其前提是建立精确的叶尖间隙模型以实现叶尖间隙预测。建立叶尖间隙的简化物理模型和数学模型,将叶尖间隙计算转化为热变形与传热问题,通过机器学习模型对发动机工况参数进行特征提取,利用有效特征求解传热问题的边界,从而实现基于发动机工况参数快速预测实时叶尖间隙。机器学习模型的十折交叉验证集的平均准确率为98.9%,叶尖间隙模型的验证误差为4.3%,得到了不同工况下的叶尖间隙计算结果和冷气流量大小变化规律,计算耗时小于0.03 s。     

基于单类支持向量机的航空发动机故障检测

通过监控航空发动机性能参数,准确判断发动机的工作状态,预知发动机的异常变化．为预防和排除故障提供充足的时间和决策依据。开发出利用QAR（quick access Feeorder．快速存取记录器）数据的发动机故障检测系统,该系统基于民航发动机的QAR数据,由于发动机正常运行数据容易获取．而故障样本难以获得．因而采用单类支持向量机（OCSVM）,仅依靠发动机的健康数据建立其分类器。利用OCSVM分类器．监控后续航班参数是否出现异常,通过分析检测结果,实现发动机故障检测。采用该系统监控航空发动机性能参数．及时发现发动机运行状态异常,证明了系统的可行性和有效性。     

基于结构张量特征的机体损伤区域动态划分

为提升飞机结构损伤维修分析的智能化水平,实现飞机结构损伤模型的高效重构,提出了基于结构张量特征的动态阈值损伤区域划分方法。首先,引入结构张量理论,特征表示图像局部颜色结构纹理,完备损伤图像特征表示;其次,通过构建共性分布的结构张量特征空间,从而使不同损伤图像具有一致性损伤区域划分流程;在此基础上,定义了动态阈值划分算子,并通过对动态阈值划分算子参数的计算,实现结构张量特征空间中的动态阈值划分;最后,选用不同飞机结构损伤实例图像对方法进行了对比验证。验证结果表明,相比于传统灰度方法、固定阈值划分和其他动态阈值划分算子,椭圆算子划分得到的损伤边界连贯完整,能够有效分割微小裂纹,噪点较少,质量较优。该方法运算高效、流程统一、特征表示完备,对不同类型结构损伤的适用性好。     

基于部件特性的航空发动机性能模型修正

研究了基于部件特性修正的航空发动机稳态性能模型修正方法,并通过对部件特性的研究总结了部件特性修正因子选择原则。以此为基础,提出了基于多状态试验数据的发动机性能模型修正方法,并采用双轴涡扇发动机地面试验节流特性数据对稳态性能模型进行修正。结果表明,采用单个试验状态数据修正后的稳态性能模型不能完全满足工程使用要求,使用基于多状态试验数据修正后的节流特性转速范围内模型计算精度与修正前相比有很大提高,验证了该方法的有效性和实用性。     

航空发动机性能恢复控制方法

针对航空发动机部件蜕化导致性能变差问题,设计了航空发动机性能恢复控制系统,系统根据发动机的工作状态以及健康状态在常规转速控制模式、稳态性能恢复控制模式和加速性能恢复控制模式之间切换.稳态性能恢复控制模式在常规转速控制模式的基础上设计了一个外环控制回路,通过自适应修正稳定状态下压气机转速指令达到蜕化发动机性能恢复的目的;加速性能恢复控制模式通过综合常规转速控制方法和喘振裕度控制方法,在保证发动机气动稳定的同时,充分挖掘发动机潜力,从而达到恢复蜕化发动机加速性能的目的.通过不同状态不同部件蜕化下的仿真结果表明恢复蜕化发动机性能的有效性.      

基于双树复小波和形态学的卫星异常数据滤波方法

受系统结构复杂、工作环境恶劣等因素影响,卫星的工作状态会存在介于正常和故障之间的异常状态,导致其遥测数据中不仅含有噪声,还存在异常数据。采用传统滤波算法进行去噪处理时,会存在对异常数据保留不充分的问题,从而导致突变信息丢失。针对上述问题,提出一种基于双树复小波与形态学滤波的卫星遥测数据组合滤波方法,设计一种半软阈值滤波函数来提高双树复小波的滤波性能,并提出一种组合滤波算法。通过仿真实验进行验证,结果表明:本文方法可以对遥测数据中的噪声进行有效滤除并对异常数据进行保留。     

一种涡扇发动机喘振信号判定方法

针对涡扇发动机工作特点,设计了一种发动机喘振信号判定方法。以大量发动机试车数据和飞行试验数据为依据,采用一种新的判别方法来判定发动机工作状态。结合飞行器的综合控制系统,可以以最小的代价来实现发动机退出喘振工况。该方法充分考虑了工程应用的特点,具有很低的漏报率和虚报率。发动机地面试验验证和飞行器的飞行试验验证结果表明,该方法工作可靠。     

基于滑动时间窗主成分分析的液体火箭发动机传感器故障诊断方法

安装在发动机上的各种传感器是发动机状态监测的主要依据,由于工作环境恶劣,传感器失效时有发生。由于发动机运行过程中的性能蜕变和台次差异,现有基于主成分分析（PCA）的传感器故障隔离方法应用条件苛刻且诊断效果有限。针对这些问题,在对发动机数据分析的基础上,将滑动时间窗方法与PCA方法结合,提出双滑动时间窗的PCA方法用于故障传感器的隔离,并基于发动机试车数据进行了方法验证。结果表明：该方法能降低发动机性能蜕变和台次差异对发动机传感器故障诊断的影响,没有参数相关性的限制,可以实现对四种常见传感器故障的有效隔离,以及对两种发动机试验过程中故障的准确检测。研究证明了高速运转系统性能蜕变和强耦合复杂大系统台次差异对基于数据的故障诊断方法效果的影响,验证了在线学习/训练算法对这两种现象的鲁棒性。     

模拟单转子发动机起动性能的计算模型

描述模拟单转子发动机起动性能的计算机数学模型 -DSTGTB。该模型能模拟单转子发动机在地面状态的起动及高空台上的风车状态的起动性能 ,提供了分析和了解发动机在起动过程中运行特性的手段。模型是基于发动机的主要部件的气动热力匹配原理而实现的 ,燃气涡轮发动机的部件匹配技术已广泛应用于慢车以上的稳态和过渡态发动机性能的计算机模拟中 ,该模型通过对部件特性拓展和补建 ,使发动机的部件匹配技术应用于发动机的起动运行。现有的发动机稳态、过渡态模拟技术和匹配方法为本文的工作提供了基础。该模型被应用于某型发动机在地面台上从相对转速 1%起动到慢车状态的运行及高空台上风车状态下起动到慢车状态的运行计算中 ,计算结果与试验数据进行了比较。     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。     

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

基于马氏距离的航空发动机健康监控方法

航空发动机健康监控是实现航空发动机健康管理的关键技术之一。针对航空发动机健康监控高维计算复杂度高的问题,提出了一种基于主成分分析与马氏距离结合的计算方法。首先通过主成分分析对性能监测参数进行降维,并采用马氏距离计算发动机的健康参数,最终根据威布尔分布确定健康参数的警戒值。实例计算结果表明,方法能够较好反映航空发动机健康状态,并能检测运行过程中出现的异常点。