基于飞行试验的某涡扇发动机加速性能建模及优化

以某涡扇发动机飞行试验为依托,研究航空发动机简化模型的建模方法和思路,并通过飞行试验对模型进行验证。运用所建立的发动机加速实时模型对发动机加速性能进行优化,并通过飞行试验验证优化方法的有效性。结果显示,基于飞行试验所建立的发动机加速模型精度满足要求,能够有效指导发动机加速性能优化措施的制定。     

基于模糊神经网络的航空发动机故障诊断研究

提出了一种基于模糊神经网络的航空发动机故障诊断方法 ,介绍了该方法的原理及实现算法 ,并利用某型发动机地面定检状态实测的数据作为样本数据 ,建立了基于模糊神经网络的航空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 ,结果表明该方法具有学习速度快、诊断精度高等优点。可用于航空发动机及其它装备的故障诊断。     

基于深度学习的航空发动机磨损部位识别方法

针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。     

航空发动机油样光谱分析的PSO-LSSVM组合预测方法

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。     

基于Kriging方法的涡轮盘结构可靠性分析

通过对某型航空发动机高压涡轮盘的弹塑性有限元分析,确定危险区域和所需的结构响应样本,利用Kriging方法建立结构可靠问题的Kriging模型,利用可靠度计算方法对建立的Kriging模型进行了可靠度计算.首先通过数值算例和简单结构可靠性问题验证了该方法具有较高的精度和较快的收敛速度,最后将该方法应用到涡轮盘结构可靠性分析中.     

基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取方法研究

针对航空发动机滑油光谱诊断专家系统的知识获取问题,本文建立了基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取模型。首先建立反映光谱元素浓度及元浓度梯度与发动机磨损故障之间关系的典型故障样本集;然后运用粗糙集理论的离散、约简及规则提取等算法,从大量的故障样本中自动获取知识规则,并将知识规则存储于专家系统知识库中;最后,建立推理机,运用一定的推理策略实现发动机磨损故障诊断。本文利用航空发动机实测的油样光谱数据对所建立的粗糙集知识获取方法,进行了实例验证。     

基于竞争失效的航空发动机剩余寿命预测

航空发动机作为典型的复杂机电系统,具有失效模式多样性的特点。多失效模式相互作用,实质上是竞争失效的关系,导致航空发动机剩余寿命预测的复杂性。针对航空发动机失效模式及失效规律特点,提出基于竞争失效的航空发动机剩余寿命预测方法,解决航空发动机健康管理的核心和关键问题。分析航空发动机两类失效模式——性能退化失效和突发失效的作用机制及相关性,构建基于竞争失效的航空发动机剩余寿命预测体系。结合航空发动机不同失效模式及数据特点,分别针对性能退化失效和突发失效建立剩余寿命预测模型。利用贝叶斯线性模型融合状态监测信息,建立航空发动机性能退化轨迹模型,实现针对不同性能退化情况下的航空发动机剩余寿命预测。以分析性能退化规律为基础,利用航空发动机故障信息,建立混合Weibull可靠性模型,量化性能退化失效对突发失效的影响,实现航空发动机突发失效剩余寿命预测。通过算例,验证提出方法的有效性。结果表明,考虑竞争失效的多模型剩余寿命预测技术能客观、准确描述航空发动机寿命变化规律。     

基于连续非线性损伤的航空发动机叶片疲劳研究

利用传统线性损伤累积模型对航空发动机叶片进行疲劳研究,由于不能准确描述损伤与载荷之间的关系,导致计算结果不能令人满意.而对于一般的非线性损伤模型,由于忽略扭转振动的影响而易导致在计算中引入误差.为此,基于连续损伤理论,在钛合金TC4(Ti-6Al-4V)疲劳试验中获得叶片材料的S-N曲线的基础上,对CHABOCHE提出的非线性损伤累积模型进行修正,提出适用于航空发动机叶片的连续非线性损伤模型,并验证了模型的正确性.通过与试验数据及线性损伤累积模型的结果进行比对,证明所建立的非线性损伤累积模型能够更准确地反映叶片的损伤累积过程,并利用该模型对某航空发动机叶片进行疲劳寿命预测.     

基于后验概率SVM的航空发动机滚动轴承状态评估北大核心

为了准确地进行航空发动机滚动轴承状态评估,提出了一种基于后验概率支持向量机的航空发动机滚动轴承状态评估方法。首先利用仿真数据建立了后验支持向量机模型,进行了分类试验和后验概率预测验证,然后利用航空轴承失效监控试验系统进行了滚动轴承性能退化试验,得到轴承不同工作状态的振动数据,最后利用获取的试验数据进行了滚动轴承状态评估,充分验证了该评估方法的正确性。     

基于后验概率SVM的航空发动机滚动轴承状态评估

为了准确地进行航空发动机滚动轴承状态评估,提出了一种基于后验概率支持向量机的航空发动机滚动轴承状态评估方法。首先利用仿真数据建立了后验支持向量机模型,进行了分类试验和后验概率预测验证,然后利用航空轴承失效监控试验系统进行了滚动轴承性能退化试验,得到轴承不同工作状态的振动数据,最后利用获取的试验数据进行了滚动轴承状态评估,充分验证了该评估方法的正确性。     

航空发动机润滑油光谱分析界限值动态调整问题研究

将航空发动机润滑油光谱分析的界限值作为动态系统进行研究,对传统的制定界限值的方法进行了对比研究,运用神经网络理论,结合故障诊断思想,建立了动态界限值模型;针对动态界限值模型泛化能力不高的问题,建立遗传神经网络模型,实现了动态界限值模型的优化;利用积累的航空发动机运行的故障数据和实际工作中获得的数据进行分析,验证了动态界限值模型的有效性.     

基于CBM策略的航空发动机在翼寿命预测研究

为了给航空公司制定航空发动机拆换计划提供科学合理的依据,基于视情维修方式,对航空发动机的在翼寿命进行了研究。首先,根据发动机历史拆换记录,基于比例危险-比例优势模型建立了发动机维修决策控制限的数学模型。然后,利用基于最小二乘支持向量机的时间序列预测方法对发动机状态参数进行了趋势预测,进而结合维修决策控制限模型便可得到发动机在翼寿命的预测结果。最后通过实例验证了该方法的有效性和实用价值。     

基于Matlab的汽油机仿真建模

为了提高汽油机控制系统的性能及开发进度,节约成本,依据发动机的工作原理,利用MATL AB/SIMUHNK工具建立了汽油机的计算机仿真模型,并进行了必要的验证,证明了该模型能有效的反映节气门开度与负载的变化.提出一种非线性的汽油机动态模型.由于该数学模型结构严谨且可调变量较少,所以可以建立针对于现有发动机的特定模型,或者建立一基于大量实验数据的发动机模型,且其精度可以与典型的发动机测功机精度相媲美.     

一种航空发动机SVM模型辨识方法与仿真

航空发动机是一个十分复杂的气动热力过程系统,具有很强的非线性,为了对航空发动机进行有效的控制及故障诊断,研究其工作特性,必须建立其数学模型。依据某型航空发动机试验数据,采用基于将试验数据代入对象方程的算法进行系统辨识,建立了该型发动机某一稳态点的状态变量数学模型(State Variable Model)。验模表明,所建模型精度较高,鲁棒性好,能够实时准确反映发动机性能,满足后续控制系统的研究和设计。     

基于实验数据的航空发动机稳态模型建模

针对基于部件级航空发动机稳态建模过程中完整、准确的航空发动机部件特性数据往往难以获取,建模时间长等现象,提出使用实验数据进行辨识建模的方法;为了建立航空发动机的稳态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化。最后,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度更高,稳定性更好。     

基于试飞数据的发动机瞬态过程预测模型

针对发动机瞬态过程的趋势监控需求,基于某型发动机飞行试验数据,采用人工神经网络建模方法,建立了该型发动机瞬态过程预测模型,并利用飞行试验数据对模型进行了验证。结果表明:模型预测结果与飞行试验数据相对误差最大值小于5%,预测结果精度较高,建模方法正确,可以用于该发动机飞行试验趋势监控,也可为其它型号发动机建模提供参考;神经网络内部神经元数量对于模型预测精度影响较大,内部神经元数量应根据最简单神经网络结构及最高模型预测精度的准则进行确定。     

基于GO法的航空发动机控制系统可靠性分析

航空发动机是一种复杂昂贵的高精密高可靠性机电液控一体化系统。航空发动机控制系统是航空发动机的神经中枢,其可靠性直接影响飞机的飞行安全,因而越来越受到研制方及使用方的高度重视和深入研究。首先分析了某型航空发动机控制系统的结构,阐述了GO法的具体分析流程,建立了航空发动机控制系统GO图模型;然后采用GO法的概率公式对航空发动机控制系统的可靠性进行了定量分析;最后将分析结果与FTA方法的分析结果进行对比,验证了GO法在航空发动机控制系统可靠性分析中的有效性和可用性。     

不确定条件下航空发动机大修周期预测方法

针对航空发动机零部件的损坏形式、损坏程度以及维修差错等不确定性因素导致大修周期难以准确预测的问题,提出一种融合计划评审技术和蒙特卡洛仿真进行航空发动机大修周期预测的方法。对航空发动机大修周期的不确定性进行描述,分析了航空发动机大修工艺流程模型,基于大修工序逻辑关系建立了大修工序时间的概率分布,并提出综合大修周期概率分布、关键线路分布及工序关键度的大修周期预测求解方法。将所提方法应用于某航空发动机的大修周期分析中,为航空发动机大修进度控制和优化提供了重要依据,验证了所提方法的有效性。     

强背景噪声条件下自适应图卷积神经网络的航空 发动机附件机匣故障诊断方法

针对强背景噪声条件下航空发动机附件机匣故障难以诊断的问题,提出了自适应图卷神经网络(AGCNet)航空发动机附件机匣故障诊断方法。将航空发动机附件机匣振动信号通过小波包进行分解,并将小波包系数矩阵定义为包含节点与边的图。在图卷积神经网络中构建自适应图卷积核,基于切比雪夫多项式设计了一种自适应图卷积操作,通过自适应图卷积核对图中节点与边进行特征提取,增强模型在强噪声条件下的泛化性。最后利用全连接层进行特征抽取,进而实现航空发动机附件机匣故障。应用案例表明所提自适应图卷积神经网络模型(AGCNet);在强背景噪声条件下对航空发动机附件机匣故障平均诊断精度为86.42%,均高于LeNet、ResNet以及GCNet模型。能够有效识别故障,可应用于航空发动机附件机匣故障诊断。     

航空发动机气密性设计和验证

泄漏对航空发动机性能、安全和寿命均有重要影响,但目前国内军标、航标等仍尚未建立航空发动机气密性检查的评定方法和试验规范。本文从商用发动机研制需求出发,制定了一套涵盖设计、装配和试验整个研制阶段的发动机气密性设计与验证思路:主动策划典型结构泄漏特性研究、并进行结构优化;策划发动机多层级的打压试验、提前识别泄漏风险;建立发动机泄漏影响分析方法和评估模型;利用打压方案支撑进行试验过程中的漏油问题排故等。构建气密性设计、仿真、试验耦合的多学科研究体系,以支撑发动机运转试验,为提高发动机性能、可靠性和安全性奠定技术基础。