基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

基于环控物理仿真平台的余度模型设计

在环控物理仿真平台上,基于MATLAB和Vxworks环境,建立了飞机环控系统余度模型。详细论述了环控系统故障模型、机电管理计算机模型。此外,对模型的有效性、可靠性进行了验证。通过试验验证,表明模型结构正确、能够满足环控系统余度功能要求。     

空客A320飞机起落架系统非典型故障分析

介绍了几起空客A320飞机起落架系统比较少见的故障,通过查阅飞机排故手册并根据系统工作原理排除了故障,排故经验可供机务维护人员借鉴。     

某型国产发动机压力传感器故障分析

从某型国产涡轴发动机压力传感器基本组成和工作原理出发,针对故障现象和特点,开展故障原因分析,得出了相应的结论,并提出了改进的合理建议,有利于提高发动机的可靠性。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

某型发动机Ⅱ区加力燃油总管换段维修技术研究

通过对Ⅱ区加力燃油总管故障机理进行研究,对换段维修进行可行性分析评估,新开发了一种加力燃油总管换段维修技术,实现Ⅱ区加力燃油总管局部结构改进,提升产品工作可靠性,解决Ⅱ区加力燃油总管进油管三通座两侧焊缝裂纹和断裂故障问题。     

某型辅助动力装置滑油泵故障的分析与排除

针对一起辅助动力装置外场使用时出现的滑油泵工作不正常故障,进行了滑油泵外观检查、故障点复位检查、性能调节检查、调压活门分解检查,分析了故障机理,确定了故障发生的根本原因,最终排除了故障,为同类故障的排查提供了参考。     

基于传输线理论的机上电缆断点定位仪设计

在分析目前机上电缆传统测试方法所存在的弊端的基础上,针对当前自动测试系统未解决的机上电缆测试问题,提出了一种基于传输线理论的机上电缆断点位置测试方法,给出了断点定位仪硬件电路设计和误差分析方法,并对误差分析得到的相关参数进行了仿真实验,根据仿真结果,给出断点定位仪的优化方法,可实现对机上电缆断点的精准定位。     

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。