基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.     

基于小波变换的容差电路故障诊断

针对目前模拟电路中电子元器件存在的容差与非线性导致电路故障难以检测的现状,设计了适用于诊断由器件超出容差所引起的模拟电路故障的小波分析诊断方法。通过设定故障进行蒙特卡罗容差实验,采用小波神经网络,对故障输出信号进行小波分析提取其小波高频系数参量,经PCA分析和归一化后形成训练特征向量,并经过BP神经网络训练后,故障信号通过小波神经网络后能够快速精准的对故障器件进行定位。通过大量样本进行仿真计算表明所设计的小波特征参量故障诊断法对于模拟电路具有很好的故障分辨率。     

轴流涡轮基元级静叶稠度特性的数值研究

针对不同静叶稠度(静叶叶片数)的轴流涡轮基元级进行了非定常数值模拟,研究了静叶稠度对涡轮基元级流动状态和损失情况的影响.结果表明静叶稠度的改变对涡轮基元级流动状态和损失的影响直接与动叶稠度相关.静叶稠度的改变影响通过涡轮基元级的流量,在动叶稠度不变时,会引起涡轮基元级反力度的改变.静叶稠度增加到一定程度时,会使气流在静子中的膨胀加速过于剧烈而产生激波损失及激波与边界层干涉带来的边界层分离损失.静叶稠度减少到一定程度时,会使转子中的流动状态极大恶化,进口极大的负攻角致使动叶压力面发生大范围的分离.存在一个最佳的静叶稠度,使涡轮基元级的损失最小.      

柔性机翼承载能力的试验与预测

对柔性机翼进行了承载能力的试验及预测研究,首先对柔性机翼的翼型结构进行建模,并对充气机翼的结构进行了分析和优化;其次应用正交试法确定出影响柔性机翼承载能力的主要影响因素,以优化后的结果建立实物模型和主要影响因素为变量进行试验;最后以大量的试验数据为训练样本建立改进的神经网络模型,并进行承载能力预测.试验与预测结果对比研究表明:在初始阶段,柔性机翼在压强一定时,载荷与挠度近似呈线性关系;在同一气压值下,载荷增加到一定值时,载荷与挠度的关系曲线呈近似线性关系,而是斜率突然减小;神经网络测试值和试验实测值最大相对误差与标准方差只有12%和0.39%,人工神经网络解析方法可以用于对充气机翼抗弯刚度的分析.      

径向基神经网络在非线性非定常气动力建模中的应用研究

基于南航NH-2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航-滚转耦合的谐波、阶跃运动实验数据,应用径向基神经网络,研究人工神经网络描述非线性非定常气动力特性的能力.研究结果表明,所建立的径向基神经网络模型的预测结果与训练数据和验证数据都符合得很好,说明神经网络建模方法可以有效地对高度非线性的气动力进行建模.研究还表明,用神经网络建立模型时所需要的风洞实验数据可以减少,从而提高风洞实验效率、减少风洞实验的时间和成本.     

低压涡轮导向叶片平面叶栅试验及数值模拟

基于低压涡轮导向叶片平面叶栅设计性能的研究,进行了平面叶栅试验,并采用商用CFD软件NUMECA建立了平面叶栅3维计算模型,得到了各性能参数随出口等熵马赫数的变化曲线、叶片表面等熵马赫数分布曲线、以及S1流面等熵马赫数分布。计算与试验结果表明:数值模拟结果与试验结果吻合较好;本叶栅具有后加载特性,亚声速段的损失较小;在设计工况时流动状态较好,流道中没有出现超声速区和激波现象。     

应用快速多分类SVM的航空发动机故障诊断方法

提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

短周期风洞中导叶表面压力和换热测量

在发动机典型雷诺数和压比状态下对一种放大导叶叶型进行了表面静压和换热测量.雷诺数对表面压力系数的影响较小,压比增大使压力系数减小,并且吸力面压力系数最低点后移.雷诺数增大时叶片表面传热系数增加,并且吸力面上边界层转捩位置提前.压比主要影响吸力面传热系数,小雷诺数时压比增大会推迟吸力面上边界层转捩点位置,大雷诺数且吸力面后半段为超声速流动时,增大压比使该区域传热系数降低.保持主流总温不变,叶片表面绝热壁温随叶栅压比增大而降低,相同压比下,叶片表面处于层流状态时绝热壁温比处于湍流状态时低.      

基于任意空间属性FFD技术的融合式翼稍小翼稳健型气动优化设计

 以非均匀有理B样条基函数为空间控制体属性,建立了任意空间形状自由变形(FFD)技术参数化方法。所建立的气动外形参数化系统通过FFD控制体的分布以及控制顶点的合理选取,能够对任意复杂外形进行参数化设计。首先采用FFD控制体对某型客机翼稍小翼进行空间属性构建;然后结合基于Delaunay图映射技术建立了结构对接网格变形模式,采用分群粒子群算法以及误差反向传播训练算法(BP)神经网络进行稳健型气动优化系统的构建;最后对某型客机融合式翼稍小翼的后掠角、倾斜角和高度等参数进行稳健型气动优化设计,分析对比了优化前后翼梢小翼表面压力云图、截面压力分布及载荷分布。优化设计结果表明:设计后的翼稍小翼的升阻比与阻力发散特性明显提高。