基于Boosting-SVM算法的航空发动机故障诊断

提出了一种利用支持向量机(SVM)作为弱基分类器、Boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有Boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数据针对传动系统的轴承、减速齿轮和滑油系统3类故障进行了验证.为去除实测数据之间的冗余、降低特征维数,提高算法执行效率,采用主元分析(PCA)和粗糙集理论(RST)进行故障特征压缩和提取.利用实测数据构造了Boosting支持向量机分类器.最后,实验结果表明Boosting-SVM算法可以显著提高SVM分类器的推广性能.针对实测数据,3种故障平均识别准确率由79.4%提高到了85.7%.     

紧凑布局核心机驱动风扇级设计参数影响分析

以某核心机驱动风扇级(Core driven fan stage,简称CDFS)的气动方案为例,使用新版Denton程序通过数值模拟分析了气动布局、预旋分布和转子径向负荷分布对CDFS性能的影响。数值结果表明:利用CDFS静子取代高压压气机进口导叶是一种紧凑高效的CDFS气动布局;CDFS效率所受的影响主要来自转子效率的变化,工作裕度所受的影响主要来自静子负荷的变化;增加CDFS转子叶根的设计压比可以降低CDFS静子叶根的气动负荷,从而使CDFS获得更为均衡的性能。     

结冰条件下人-机-环系统的飞行风险概率

以结冰条件下的飞行风险量化概率为研究对象,基于蒙特卡罗飞行仿真实验对结冰条件下人-机-环系统的耦合特性进行了分析,并获取了飞行参数极值样本。构建了飞行风险发生的判定条件;对飞行参数极值样本进行了统计特性分析,验证了其厚尾分布特征。一维分布类型辨识结果表明广义极值分布对相对速度和迎角极值的描述精度最高。为描述二维变量对相关性的各自影响程度,提出了一种新的双参数变权重Copula模型;辨识结果表明该Copula模型能以较高的精度通过假设检验。相关性分析的结果表明相对速度和迎角同时出现极大值和极小值的概率较大。基于二维极值样本的Copula分布模型求出了不同结冰程度下的飞行风险概率值,探讨了飞行风险的非线性增长趋势。     

基于支持向量机的飞机空中结冰严重程度识别

为了保证飞机的飞行安全,必须对飞机空中结冰的严重程度作出较准确的判断。针对飞机空中结冰状况的复杂性,提出将支持向量机与二分法相结合的飞机空中结冰严重程度识别的算法模型。仿真结果表明,虽然该训练样本较少且为多参量分类识别,但是由于建立了多支持向量机且采用二分法的概率抉择能找到最佳的建立支持向量机的分类方式,所以找到了最佳的分类方式,提高了分类准确率,而且可以较准确地识别飞机空中结冰的严重程度。可见该方法可以在训练样本较少的情况下对飞机空中结冰严重程度作出较好的识别效果。     

基于支持向量回归机的数控机床 几何误差元素建模研究

针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择;训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

兼顾两种模式核心机驱动风扇级气动优化设计

提出兼顾两种模式核心机驱动风扇级气动设计方法。将S2流面通流计算与遗传算法相结合,寻找最优进口导叶（IGV）出口气流角、关闭角度、单双外涵压比沿叶高分布;实现在转子气动设计时兼顾两种模式。根据IGV基础叶型弯度、安装角对单双外涵流动损失影响研究,确定可调IGV关键参数,实现在IGV气动设计时兼顾两种模式。采用多点优化进行静子叶型优化设计,实现在静子气动设计时兼顾两种模式。对所设计的核心机驱动风扇级进行三维流场计算,结果表明:两种模式在满足总压比和质量流量前提下,单、双外涵模式等熵效率分别达到88.05%和87.17%,且稳定裕度分别达到15.65%和16.28%。      

航母舰载机装备体系及指标论证方法

针对航母舰载机装备体系及指标论证的强体系和强舰载约束特征,以及多机种一体化保障要求高等特点,提出了基于模糊关系变换理论的体系论证方法,建立各型舰载机装备需求与任务需求之间的关系,结合航母编队作战使用特点以及航母甲板/机库空间尺寸约束进行迭代优化,构建舰载机体系结构和典型配置方案。同时,提出了基于舰载机作业流程仿真和舰载约束条件下的指标论证与优化方法,凸显编队体系作战、舰机适配性、海洋环境适应等特殊约束要素,形成系统科学的舰载机战术技术指标体系。在此基础上,构建了面向专家群决策的论证支持系统,并介绍了该系统的基本框架和运用流程。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

核心机驱动风扇级气动设计方案

以某核心机驱动风扇级（CDFS）设计指标为牵引,采用CFD数值模拟方法分析了不同结构形式进口导向器（IGV）对CDFS性能的影响.结果表明:进口导向器可调、静子不可调的气动设计方案能够满足CDFS设计指标;进口导向器的调节方式对CDFS性能影响很大,对于可变弯度进口导向器,需要选择合适的可变弯度位置和关闭角度;模式转换中,在单外涵模式静子选择偏负攻角设计有利;CDFS单外涵模式与双外涵模式产生损失的原因不同,前者主要是转子通道激波,后者主要是进口导向器吸力面附面层气流分离.