基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

小波分析在航空发动机性能趋势监控中的应用

简要分析了小波变换的原理、应用和算法。利用MATLAB编程，初步探讨了小波分析在发动机性能监控方面的应用。最后，通过实际的发动机数据对这种方法进行了验证，并对结果和应用前景进行了讨论。     

采用内积原理建立航空发动机神经网络辨识模型

根据样本空间的内积特性,提出一种无需迭代学习内积神经网络。以某型航空发动机的机载记录数据为例,对发动机进行了建模,结果表明该方法具有自学习速度快、抗干扰能力强、准确性高的特点。     

带矢量喷管的涡扇发动机动态过程研究

建立带矢量喷管的涡扇发动机动态数学模型。研究了矢量喷管偏转角和偏转角速度对涡扇发动机工作的影响。研究结果表明 ,不同的矢量喷管偏转角速度对发动机涡轮前燃气温度会产生不同温度峰值 ,而且温度峰值随矢量偏转角速度增大而增大。而在一定的不同矢量角作用下 ,发动机的阶跃响应过程调节参数无明显变化      

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

某型发动机高原起动过程数学模型建立

针对某型发动机高原起动过程具有危险性大和变化规律复杂的特点,提出了一种变记忆长度的小波变换多分辨分析方法。该方法将辨识的数据分解到不同频段,然后针对各不同频段采用不同的记忆长度进行辨识,从而可以建立起该型发动机高原起动过程的数学模型,为高原起动试验提供理论参考。      

矢量喷管控制对发动机性能的影响

建立了带推力矢量的涡扇发动机数学模型。结合某型涡扇发动机研究了矢量喷管偏转对发动机工作和性能的影响,研究结果表明,矢量喷管偏转时,在一定条件下,发动机低压转子共同工作线向喘振边界移动,而高压转子共同工作线不发生变化,发动机总推力是增大的。但当将矢量喷管偏转与喉部面积放大相结合,可使发动机保持原工作状态不变,而发动机总推力却随着几何矢量角的增大而减小。      

基于RBF神经网络的航空发动机故障诊断模型

利用某型发动机地面定检状态实测数据作为学习样本，采用径向基函数(RBF)神经网络建立发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识，结果表明：这种方法具有训练时间短、学习速度快、诊断精度高等优点。     

喘振压力信号对某综合调节器nL、nH、Tt5通道的校正试验及研究

在分析通道校正电路的内部连接方式的基础上，按不同的SST指令和nHC换算转速分类进行了试验。通过喘振压力信号对综合调节器的校正试验，得到了喘振压力信号对nL,nH和TQ通道的修正关系。修正结果表明修正效果与SST指令和nHC换算转速的大小密切相关。     

基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.