一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

深空探测器运行轨道的基本性态

要成功地发射一个深空探测器进入目标轨道,相应的运行过程基本上涉及3个阶段:近地停泊轨道运行段、转移轨道的过渡段和进入目标天体的绕飞段。它们各自的运行状态和相应的数学模型有所差别,特别是转移轨道段的运行特征与绕飞段的卫星轨道的典型特征之间的重大差别,在深空探测任务中受到广泛的重视,如平动点利用中的晕(Halo)轨道和引力加速的节能过渡等。然而,就太阳系而言,这些不同轨道之间有一共同的基本性态,那就是都可以用在牛顿万有引力定律制约下的开普勒轨道(或变化的开普勒轨道)来刻画。本文将针对上述不同运行段轨道对应的数学模型、研究方法和结果,结合我们所做的工作进行综述。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

一种改进的航空发动机结构概率风险评估方法

针对航空发动机适航条款FAR33.75中关于发动机限寿件(ELLP)结构失效概率要求,提出了一种基于Kriging和蒙特卡罗半径外重要抽样(MCROIS)混合的结构概率风险评估方法。该方法针对ELLP高维、小失效概率事件以及极限状态函数为隐式、高度非线性的特点,利用Kriging元模型模拟隐式极限状态函数,然后通过主动学习迭代算法,计算最优点(MPP,最接近设计验算点的样本点),更新实验设计(DOE)并提高Kriging元模型的模拟精度。在此基础上,利用Kriging元模型确定最优抽样半径,构造半径外重要抽样密度函数,在最优抽样半径确定区域进行抽样,通过构造主动学习函数,使样本点更多落在抽样半径确定的球区域附近,加速失效概率计算的收敛,并构建了ELLP风险概率模型,解决了高维、小失效概率事件以及隐式、非线性极限状态函数的发动机结构概率风险评估难题,以某型发动机低压压气机轮盘为应用示例,与传统的蒙特卡罗仿真(MCS)方法进行了对比,验证了该方法的高效率、鲁棒性和仿真精度。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

深空探测器无线电干涉测量开源数据处理系统构建及试验

为更好地开展深空无线电干涉测量试验,基于DiFX(Distributed FX,分布式FX型相关处理)、SPICE(Spacecraft Planet Instrument Camera-matrix Events,航天器行星仪器照相机矩阵事件)、HOPS(Haystack Observatory Postprocessing System,Haystack克天文台后处理系统)及AIPS(Astronomical Image Processing System,天文图像处理系统)等开源软件,搭建了一套可用于深空探测器信号相关处理的无线电干涉测量数据处理系统。首先介绍了该系统的整体架构及组成,然后介绍了系统各组成模块的功能及工作原理,最后利用该系统对嫦娥三号着陆器开展了观测试验,并对观测数据进行了处理。试验结果表明,该系统能成功实现深空航天器信号的相关处理、条纹拟合,以及时延解算等功能,有望为我国嫦娥五号任务及火星探测任务数据处理提供支持。     

各向异性网格自适应计算在超燃模拟中的应用

采用各向异性网格自适应求解技术,将其应用于DLR超燃冲压发动机燃烧室中的超燃模拟.开展了3个算例,包括采用滑移壁面条件的燃烧室冷流场模拟、采用无滑移壁面条件的冷流场模拟及采用无滑移壁面条件的反应流模拟.模拟中,各向异性网格自适应计算捕捉到了如激波、射流、边界层、火焰面等具有各向异性特征的大梯度区域,并利用各向异性网格进行了很好的加密.对比利用各向同性网格的初始流场计算,各向异性网格自适应计算使基于滑移条件、无滑移条件的冷流计算及反应流计算的网格单元数量分别下降了36.2%,36.4%和36.8%,有效降低了计算规模,而且流场大梯度区域的计算结果更准确,辨析度更好.结果表明:对于像超燃这类具有各向异性特征的问题,各向异性网格系统比各向同性网格系统有更好的计算效率及准确性,同时也表明基于Mach数场构造的各向异性网格系统可以有效应用于超燃计算.      

深度自编码观测器飞机操纵面快速故障诊断

为了避免扩展多模型自适应估计故障诊断方法中的雅克比矩阵计算,解决飞机精确模型难以获得的问题,降低在线故障诊断的计算量,提出了一种基于深度自编码观测器的飞机操纵面快速故障诊断方法.基于离线训练、在线估计的思想,采用量测的飞行数据训练得到不同故障下的飞机模型,代替扩展多模型自适应估计方法的卡尔曼滤波器进行状态估计;基于基础自编码器的隐层节点数选取经验公式,推导了两种深度自编码器的隐层节点数选取的递推公式.仿真结果表明,该方法无需精确的飞机模型,故障诊断速度快、精度高.