基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。     

轴流压气机通流计算中代理模型的应用（两机专刊）

在轴流压气机初始设计阶段,二维通流计算方法可以快速评估压气机的性能,其准确性高度依赖于经验模型的预测精度。当压气机超出经验模型适用范围时会增大模型的预测误差。为提高预测精度,研究了在通流计算中采用代理模型取代传统经验模型的可行性。以双级跨声轴流速压气机的几何参数和气动实验数据作为代理模型的训练样本库,采用敏感性分析方法确定最重要的特征参数作为输入。分别基于支持向量机回归（SVR）和高斯过程回归（GPR）两种监督学习方法构建代理模型,并在模型训练中通过贝叶斯优化算法寻找模型最佳超参组合。将代理模型集成到基于流线曲率法（SLC）的通流程序中,对该压气机特性进行评估,并与传统经验模型计算结果相对比。对比显示,相较于传统经验模型,SVR和GPR两种代理模型分别降低了62.2%与55.2%的总压特性平均预测误差以及48.4%与50.1%的绝热效率特性平均预测误差。对比结果表明,当超出传统经验模型适用范围时,代理模型不失为一种可靠的替代方案。     

小型航空活塞发动机喷油异常的故障诊断

针对小型航空活塞发动机出现的喷油异常故障,基于发动机的缸内压力和缸盖振动信号,采用一种变分模态分解和布谷鸟搜索优化支持向量机相结合的故障诊断方法对发动机喷油异常故障进行诊断。该方法使用变分模态分解对发动机的缸内压力信号和缸盖振动信号进行处理得到本征模态函数,对本征模态函数进行奇异值分解和能量特征提取,将缸内压力和缸盖振动的数据集输入布谷鸟搜索算法优化的支持向量机模型中进行训练和测试。结果表明:该方法较好地识别出发动机喷油异常的故障,其中缸内压力和缸盖振动信号的故障识别分类准确率分别为95.32%和92.47%,验证了该方法的有效性。      

航线检查维修培训中的VR应用分析

航线维修是确保航班安全运行的重要环节。传统的维修培训方法包括授课、测评,以及实习等方式,但对于实际技能的培训效果有限。将VR技术与基于模型的方法相结合,一方面可以更好地复现培训场景,另一方面可以通过将实际事件的发生概率和培训场景、内容及过程相结合,实现对培训效果的评价。选取了机务维修工作中日常频繁执行的航线绕机检查工作,探索VR技术与CAD建模的传递,建立真实和灵活的飞机、部件模型。结合对场景、模式、交互、流程的设计,建立VR绕机检查培训的实验性原型系统。发展了根据历史数据和引入人为差错因素的故障呈现公式,实现了对航线绕机检查工作的培训和考核功能。根据对组织试用过程的数据收集和分析,证明了VR系统在机务维修培训方面的价值,为后续深入研究提供借鉴。     

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。     

核心机驱动风扇级与高压压气机匹配试验中外涵排气系统的设计与试验验证

为实现在常规轴单涵道压气机试验器上开展核心机驱动风扇级(CDFS)与高压压气机(HPC)匹配性能试验,根据匹配试验环境下的外涵气流和HPC级间气流的特点,提出采用大流量、低压损的抽气系统和直排大气的放气系统分别对外涵流量和HPC级间引气流量进行调节,实现对匹配涵道比和HPC级间引气率的有效控制。试验验证表明:在匹配试验件外涵流道出口机匣上沿周向开设的多个排气孔能间接实现外涵全环排气,但外涵集气装置是制约外涵排气能力的主要瓶颈,其气动性能可采用极限流量和总压损失影响因子描述;优化外涵集气与测量装置、降低外涵抽气背压,是提高外涵排气能力的主要途径。     

基于经验模态分解剩余信号能量特征的滚动轴承故障模式智能识别

针对滚动轴承故障模式识别问题,分析了振动信号的时域特征与经验模态分解剩余信号的能量特征,并将采集的特征一起构成了多域多类别的原始故障特征向量集,同时采用遗传算法对支持向量机径向基核函数参数和惩罚参数进行了寻优,提出了结合经验模态分解剩余信号能量特征的遗传算法优化支持向量机参数的滚动轴承故障模式识别方法。实验表明,给出的故障模式识别方法,对滚动轴承的外圈故障、内圈故障、滚动体故障及正常状态有很好的识别效果,具有较强的实用性,能够为滚动轴承故障的模式识别和智能诊断提供帮助。     

基于高维机器学习方法的离心泵扭曲叶片优化

提出将高维表示方法与机器学习中的支持向量机方法结合对离心泵扭曲叶片优化.选用1台中比转速离心泵为研究对象,通过对扭曲叶片3条叶片型线的参数化,分离控制变量并确定代理模型的训练空间.经过对离心泵扭曲叶片水力模型的算法学习,得到以叶片型线参数为自变量,效率为目标函数的离心泵代理模型,运用遗传算法求解并反馈叶片型线参数.采用...     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。