飞机电液伺服阀早期故障征兆诊断

电液伺服阀是飞机刹车系统的重要执行部件,影响着飞机的着陆安全。针对某型飞机电液伺服阀故 障多发的问题,运用一元线性回归分析方法构建刹车系统电液伺服阀的分析模型,根据分析模型和故障征兆判 据对电液伺服阀近期的工作数据进行分析和故障征兆诊断。结果表明:基于回归分析的故障诊断方法可以准 确地诊断电液伺服阀存在的故障征兆;早期故障征兆诊断可以预先发现电液伺服阀潜在的故障隐患,降低故障 发生率,显著提高飞机刹车系统的安全性和可靠性,也有助于优化维修策略和降低飞机全寿命维护成本。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

基于P-ε-N曲线整体推断的涡轮盘寿命可靠性分析

疲劳寿命符合对数正态分布,并且对数寿命的标准差随弹性应变幅和塑性应变幅的减小而增大。采用基于异方差回归分析的整体推断方法在现有低循环疲劳试验数据的基础上,得到了航空发动机涡轮盘材料GH4133在温度250℃下的P-ε-N曲线;利用P--εN曲线对某涡轮盘进行低循环疲劳寿命可靠性分析,得到置信度0.95,可靠度0.998 7的轮盘寿命为1 866次循环,合683飞行小时,与涡轮盘疲劳试验分析得到的技术寿命接近。整体推断得到的P-ε-N曲线精度较高,利用P-ε-N曲线进行轮盘寿命可靠性设计分析具有计算简便、节约试验成本的优点。     

基于SVR-PSO改进算法的航空发动机稳定性控制

在多变量发动机寻优控制中,用支持向量回归算法(SVR)对粒子群优化算法(PSO)进行改进可以有效避免局部最优解的出现.将改进算法应用于航空发动机实时稳定性控制,根据发动机仿真计算程序计算出发动机在各工作点处的稳定裕度,根据控制参数的变化域进行全局寻优,寻找满足压缩系统稳定裕度最小的工作点.仿真和分析表明:该算法实时性高,收敛速度快,具有较强的全局寻优能力,能在保证发动机稳定裕度最小的同时有效降低涡轮前温度和耗油率.      

基于偏最小二乘回归法的飞机总工时预测模型研究

从影响军用飞机生产制造工时的众多因素中提取出24个飞机总工时影响因素,采用统计学方法结合理论分析对此24个因素进行科学筛选,筛选出飞机最大起飞重量、最大速度、爬升率、最大过载、钛铝合金比例、复合材料与铝合金比例这6个关键影响因素。考虑偏最小二乘回归(PLS)法在处理小样本多元数据方面的优势,采用PLS法对飞机总工时进行预测,预测结果表明PLS预测模型平均检验误差约为10%。该模型在实际使用过程中,只需获得飞机性能指标和材料构成等少数设计参数即可在飞机产品生产制造前对飞机生产制造总工时进行宏观预测,具有参数少、物理意义明晰、操作简单、便于使用、准确率高等特点,可为缺乏详细设计信息和生产信息的飞机研制早期方案优选、设计优化或对其进行费用分析和成本控制、固定资产投资、安排生产计划等工作提供相对准确的飞机产品工时。     

基于相似理论的航空发动机风扇转速换算方法的改进

基于相似理论提出一种通过变指数因子计算航空发动机风扇换算转速的改进方法.收集不同公司的某型航空发动机的巡航数据建立数据样本.采用支持向量回归机方法建立指数因子与大气温度的数学模型并利用遗传算法对模型参数进行寻优,进而得到由风扇指示转速和大气温度计算风扇换算转速的变指数因子模型.使用该模型对样本数据进行计算,并把结果与定指数因子方法求解的风扇换算转速进行对比,对改进算法与定指数法换算结果进行了误差分析.结果表明:改进后的变指数因子模型计算的航空发动机风扇换算转速具有更高的精度,同时具有良好的推广泛化性能,该方法是航空发动机风扇换算转速的一种有效算法,在航空发动机性能预测也具有实际的指导意义.      

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

旋流对固体燃料冲压发动机燃烧过程的影响

针对旋流数对固体燃料冲压发动机燃烧流场的影响,进行了不同旋流数(s=0,0.2,0.4,0.6)工况下固体燃料冲压发动机直连式试验研究,固体燃料采用高密度聚乙烯（HDPE）,并对s=0.6和s=0两个工况进行数值仿真研究.试验和数值仿真结果表明:旋流的引入有助于火焰稳定,对提高补燃室压强和燃速有积极作用.在旋流工况下会使药柱表面热流密度高于无旋流,并使燃烧室中的化学反应更加充分.高强度旋流的引入会使燃烧更加充分,燃烧效率有所提高.      

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.