基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

Transfer element method with application to acoustic design of aeroengine nacelle

In the present survey, various methods for the acoustic design of aeroengine nacelle are first briefly introduced along with the comments on their advantages and disadvantages for practical application, and then detailed analysis and discussion focus on a kind of new method which is called ‘‘transfer element method'(TEM) with emphasis on its application in the following three problems: turbomachinery noise generations, sound transmission in ducts and radiation from the inlet and outlet of ducts, as well as the interaction between them. In the theoretical frame of the TEM, the solution of acoustic field in an infinite duct with stator sound source or liner is extended to that in a finite domain with all knows and unknowns on the interface plane, and the relevant acoustic field is solved by setting up matching equation. In addition, based on combining the TEM with the boundary element method(BEM) by establishing the pressure and its derivative continuum conditions on the inlet and outlet surface, the sound radiation from the inlet and outlet of ducts can also be investigated. Finally, the effects of various interactions between the sound source and acoustic treatment have been discussed in this survey. The numerical examples indicate that it is quite important to consider the effect of such interactions on sound attenuation during the acoustic design of aeroengine nacelle.     

有约束的航空发动机加速最优控制

本文研究了采用非线性最优化程序解航空发动机加速最优控制问题的方法。非线性最优化程序采用的约束变尺度法,发动机采用非线性模型。论文论述了目前发动机加速优化问题研究的一般情况;应用非线性最优化程序,采用非线性发动机模型解最优加速控制问题的基本方法;优化方法的选择问题;发动机模型的建立过程;应用约束变尺度法解最优加速控制问題的几个技术问题:对一些典型的计算结果进行了分析;最后提出了需进一步研究的几个问题。     

基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计

针对航空发动机全包线多变量鲁棒变增益控制器设计问题,提出了一种基于混合区域极点配置的鲁棒变参数控制方法。利用Jacobian方法建立多调度参数下的发动机仿射线性变参数(Linear parameter varying,LPV)模型,用于描述发动机全包线内的非线性动态特性;针对上述LPV模型,采用仿射参数依赖Lyapunov函数设计具有H∞鲁棒性能的状态反馈控制器,给出了控制系统全局稳定性的证明;并利用混合区域极点配置方法,将闭环系统极点配置到左半平面指定位置,以保证控制系统的动态特性及稳定裕度;进而引入凸多胞技术,将参数依赖线性矩阵不等式(Linear matrix inequality,LMI)方程转化为有限维LMI进行控制器求解,并得到了全局解。针对涡扇发动机的仿真结果表明:存在复杂量测噪声干扰条件下,鲁棒变参数控制器可以实现发动机全包线内控制指令的精确跟踪,系统阶跃响应的调节时间不超过1.5s,系统无超调,对控制期望的稳态跟踪误差在0.02%以内,符合发动机控制系统技术要求。     

自适应变搜索域遗传算法及其在发动机模型中的应用

针对发动机数学模型中非线性方程插值解法的不足,提出非线性方程自适应变搜索域遗传算法解法。论文详细分析了方程求解转化为遗传算法优化的数学描述、依据方程解临域特征的自适应变搜索域机理及算法的具体实现技术。实例计算与发动机仿真结果说明:所设计的变搜索域遗传算法可作为通用的非线性方程解法,相比较于简单遗传算法,能成倍提高计算效率;替代插值解法应用于发动机模型,可有效提高模型的收敛性。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

双转子轴间滑油颗粒运动轨迹参数化模型

为研究双转子轴间滑油颗粒运动对环下润滑收油效率及轴承腔油气分离效率的影响,建立了对转轴间在边界层流场结构下基于质点运动学的滑油颗粒运动轨迹参数化模型,并采用经实验验证的计算流体力学（CFD）数值计算结果进行验证。双转子轴间的边界层流场结构的确定运用了对湍流边界层卡门三层结构速度分布进行修正的方法。结果表明：给出的参数化模型可以很好地描述双转子轴间的滑油颗粒运动规律。直径较大的颗粒径直或沿弧线迅速到达外轴,而直径较小的颗粒中存在一个在给定停留时间内使颗粒无法到达外轴的最大直径,小于这一临界直径的颗粒在有轴向气流时将被吹离轴间环腔。     

基于环形板理论的机匣安装边密封特性分析方法研究

针对现代航空发动机机匣安装边密封设计与泄漏评估问题,本文开展了不同安装边结构参数及机匣所受载荷对安装边密封特性影响的研究.根据环形板理论,推导并建立了轴向力、内部气体压力等载荷与安装边形变的关系,据此研究了安装边厚度、高度及螺栓预紧力等对安装边密封性能的影响规律.本文得出安装边根部轴向位移理论解与有限元计算结果相对误差...     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。