基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于统计特征的轴流压气机喘振检测

在分析四种型号轴流压气机36组试验数据的基础上,统计发现压气机出口总压脉动的有效值服从正态分布;有效值及其标准差因机型不同而不同,并随工作转速变化而变化.设计了基于统计特征的自动门限喘振在线检测系统.通过试验验证显示,可在喘振发生时发出报警信号.该方法计算简单,具有较大的工程应用价值.      

沥青混凝土低温性能影响因素分析

目前我国机场道面普遍采用水泥混凝土道面，而国际上采用沥青混凝土道面的机场明显多于采用水泥混凝土道面的机场。沥青混凝土道面外表美观，飞机滑跑舒适，噪音低，由于其“柔”的特点，对地基沉降有一定的适应性，不会出现很大的破坏，且破坏后容易修复，有利于分期修建。相信今后我国采用沥青混凝土道面的机场会逐渐增加。由于目前我国采用沥青混凝土道面的机场较少，观测资料相对缺乏，     

基于D-S证据融合的压气机气动失稳检测

为了研究高速多级轴流压气机中复杂气动失稳现象的检测问题,提出了一种基于D-S (Dempster-Shafer) 证据融合的通用型检测算法。在时域中,采用短时能量表达气动失稳过程中动态压力的脉动幅值特征;在频域中,选择频谱相关系数表达信号频谱变化的特征。将这两种信号特征分别作为气动失稳现象的证据。根据统计规律设计了各证据的mass分配函数。采用Dempster合成规则计算联合证据的mass函数。通过分别比较单一证据及联合证据的mass函数值与其门限值,判决压气机处于气动失稳、失速、喘振或正常状态。进一步地,将该方法扩展为气动失稳检测的多传感器融合模型。该方法计算量小,适用于在线检测系统。采用压气机台架试验实测数据验证,可在气动失稳数毫秒内发出报警信号。     

压气机喘振模式识别与在线检测

为发展一种运算简单、性能可靠的喘振在线检测系统,分析了压气机出口总压信号的时域和频域特性.当压气机逐渐进入喘振时,时域内表现为压力脉动强度的增大,频域内表现为信号能量在低频成分集中.选用标准差σp表征压力脉动强度;平均频率-f表征信号频域特性.考察了由σp和-f构成的模式平面,提出了一种综合时域和频域特性的喘振检测判据,检测门限可根据置信度要求进行设置,给出了在线检测系统的流程图.采用压气机试验台实测数据验证,该方法可有效地进行喘振在线检测.     

基于稀疏分解的压气机气动失稳检测

为及时可靠地检测出气动失稳现象,保障压气机的安全工作,采用Laplace小波构建原子函数库,引入稀疏分解算法提取阻尼比小于0的信号成份,通过与预设阈值比较内积值的大小,进行气动失稳信号的检测。结合在线检测系统的特点,将Laplace小波蜕化为衰减正弦函数,限定了参数取值范围;并仅进行一步匹配追踪,由此减少了稀疏分解的计算量。采用压气机试验台实测数据验证,该方法可以在压气机进入喘振前49~154ms准确发出报警信号。