基于飞参数据的某型航空发动机DEGT估算方法

提出一种适用于某型军用航空发动机视情维修的DEGT估算方法,使用飞参中记录的低压转子转速和高压转子转速反映航空发动机工况,分别建立了发动机巡航状态和加力状态DEGT估算模型,使DEGT估算可以在每次飞行后进行.对一组实际飞行数据的实验分析表明:该方法得出的DEGT与发动机实际性能退化情况相吻合,能够较好地反映航空发动机的状态,可以应用于军用航空发动机状态监控.     

基于飞参数据和支持向量机的航空发动机建模

为了利用飞参数据进行航空发动机的状态监控,提出采用支持向量回归方法,建立空中飞行阶段发动机的工作模型,通过监控模型输出误差判断发动机工作是否正常。仿真结果表明,建立的模型能正确反映发动机各参数间的关系,适用性强,为发动机的状态监控奠定了基础。     

基于深度学习的航空发动机传感器故障检测

针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法.对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测.仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型.     

基于飞参数据的飞机操纵系统故障评估方法

针对某型飞机的操纵系统故障评估问题,提出了一种基于飞参数据建立的差分进化极限学习机(DE-ELM)算法。该算法融合了差分进化(DE)和极限学习机(ELM)两种算法,通过对飞参数据进行训练,构建了飞机操纵系统的黑箱模型。由于极限学习机(ELM)的输入权值以及隐含层阈值是随机产生的,所以ELM的随机性较大,稳定性不高,故利用寻优能力较强的DE对ELM输入权值和隐含层阈值进行寻优,从而实现ELM的结构优化,提升ELM的稳定性和鲁棒性。仿真结果表明,DE-ELM算法的决定系数达到了97.6%,其均方误差相比于BP神经网络降低了约79%,相比于单纯的ELM降低了64%。所以说该法可以有效提高精确度,同时具有更加良好的泛化性能。     

基于飞参数据的监控算法研究

为了充分挖掘飞参数据在飞机监控及故障诊断中的应用价值,对利用飞参数据对飞机进行监控的算法进行了研究.分析了传统的监控算法存在的不足,提出了一种改进的监控算法,并介绍了新的监控算法的一个应用实例,证实了该算法的实用价值.该算法将在新开发的监控软件中得到应用.     

基于大数据的飞参数据融合集成与应用技术研究

通过介绍飞机飞参系统、飞参数据、大数据的基本概念,指出以飞参数据为基础开展数据挖掘和数据深化应用具备可行性。在当前国内外飞参数据融合集成和应用的技术现状基础上,总结当前飞参数据在解码分析、飞行品质监控、数据服务等领域的应用现状。结合大数据技术阐述飞参数据在清洗、集成和存储等各环节的技术途径,详细描述飞参数据在飞参判读、发动机综合监控和飞行训练评估等方面的应用,给出多机数据联合判读和对抗训练评估上的技术方案,探讨飞参数据应用的未来发展趋势。     

航空发动机故障特征仿真研究

航空发动机作为飞机的核心,决定着飞机的性能和安全。发动机一旦出现故障,很可能导致非常严重的航空事故,造成巨大的人员伤亡和经济损失。根据航空发动机故障机理,通过建立航空发动机部件模型对常见的气路故障进行分析与仿真,并根据振动-征兆关系矩阵对振动故障进行仿真,获得了两类故障的特征。目的是为保证航空发动机的安全运行,发动机故障诊断和预测提供依据。     

航空发动机状态参数的关联维数分析

针对航空发动机性能、故障等状态监控的优化问题,以及视情维修的需要,提出了一种混沌时间序列的关联维数提取方法.采用互信息量法和饱和关联维数法,对飞参系统记录的发动机状态参数时间序列的时间延迟和嵌入维数进行了计算,并对时间序列重构相空间,应用G-P算法计算时间序列的关联维数.计算结果表明,发动机状态参数的关联维数为非整数,验证了发动机状态参数具有典型的混沌特性,且关联维数能够正确反映发动机状态参数的特征信息,为发动机状态监控和视情维修提供决策依据.     

缺失飞参数据填补的组合方法研究

针对飞参数据的特点,将B样条曲线拟合和最小二乘支持向量机相互结合,提出了一种缺失飞参数据填补的组合方法。该方法将两者优势互补,对单一方法的填补结果进行加权平均,增强了算法的可靠性,提高了数据填补的精度。对比实验的结果表明了方法的可行性和适用性。     

基于神经网络的飞参数据特征选择方法

针对飞参数据中存在的大量冗余和不相关,提出了一种基于神经网络的飞参数据特征选择方法.为克服传统算法收敛速度慢、易陷入局部极小等缺陷,神经网络的训练采用粒子群优化算法和Levenberg-Marquardt优化算法相结合的方式.神经网络训练结束后,先利用网络权值信息对飞参数据特征的相对重要度进行排序,然后根据重要度次序对飞参数据特征进行选择.实验结果表明该方法能快速有效地删除冗余飞参数据特征,同时提高网络的泛化能力.     

基于支持向量机的航空发动机故障诊断研究

研究利用支持向量机对发动机的两类故障——失速和喘振进行识别。介绍了支持向量机理论,选取适当的学习算法、惩罚因子和核函数,建立了支持向量机,并采用4组已知故障模式的数据对其进行训练和测试,之后对另外两组数据进行仿真识别,仿真结果与实际故障模式一致。     

基于多项式回归算法的飞参记录数据预处理研究

提出利用多项式回归算法对飞参记录数据存在的随机量测误差、野点以及数据丢失等现象进行有效的数据预处理,算法在消除量测误差、剔除和补正野点、补充丢失的数据及数据平滑等方面均具有较高的精度和可靠性并已有效地应用在多型飞机飞参记录数据预处理工作中。利用该算法在Matlab环境下对飞参记录的航姿系统俯仰通道部分数据预处理过程进行了仿真。     

基于虚拟样机的火炮故障仿真预测技术研究

为了实现火炮的预知维修,提高火炮执行任务的成功性,提出了基于虚拟样机的火炮故障仿真预测技术;火炮故障预测技术以当前火炮使用状态为起点,对火炮在未来任务段内可能出现的故障进行预测;建立了火炮虚拟样机,将虚拟样机作为一种定量推理方法引入到故障预测领域;提出了基于动态模糊评判的预测推理机制,基于虚拟样机实现故障过程仿真,实现了定性推理和定量推理的结合,确认实际发生的故障,找出对应的故障原因和故障部件,可以作为实现火炮预知维修的依据.     

基于神经网络的飞控系统传感器故障诊断的研究

在标准逆传播神经网络的基础上，提出了一种改进的逆传播神经网络，用来消除标准逆传播神经网络的缺陷，并且设计了一个主神经网络和三个分布神经网络的结构，通过神经网络的在线学习，得到需要的参数估计。用它与传感器实际测得的实际值比较，可判断出阶跃故障，并且给出了仿真实例。     

一种基于数据重构的KPCA故障识别方法

针对核主元分析(KPCA)方法只能实现故障检测,但无法实现故障变量识别的问题,提出一种基于数据重构的KPCA故障变量识别方法。采用改进的数据重构方法对各参数进行重构,然后利用故障识别指数对监控参数进行故障变量识别。通过对某型涡扇发动机进行实验的结果表明,该方法能够准确识别故障变量,从而有助于维护人员分析故障原因,初步确定可能的故障源,大大缩短故障定位及排故的时间,可预防重大事故的发生。     

基于虚拟样机的机械装备故障仿真预测技术研究

基于机械系统仿真软件ADAMS建立了武器装备虚拟样机，提出了一种新的故障预测方法，研究了模糊评判和虚拟样机技术在武器装备故障仿真预测领域中的应用，最后进行了实例分析。     

基于加权LS-SVM的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题。针对飞行事故率预测建模难的问题,采用加权LS-SVM方法,建立了飞行事故率的时间序列预测模型。仿真实验表明,加权LS-SVM具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性。     

基于总线仪器的飞行信号再现方法研究

提出基于总线仪器的飞行信号再现方法,将原始飞行数据经解译、数据去噪、插值平滑、信号解算等处理后驱动总线仪器,按照一定的逻辑时序再现飞机飞行过程中产生的各种信号,在地面作为飞行数据记录仪的数据源,解决飞行数据记录仪功能及性能测试真实性、有效性问题。研制的飞行信号管理系统,信号类型包括模拟量、离散量和各种机载总线量,实现飞行信号再现的同时对产生的信号进行自检验证,保证信号再现准确性。系统由硬件平台和系统软件组成,采用网络化集成、集中互联接口、时钟同步和触发、硬件资源模型化、飞参解译、数据去噪、插值平滑、IVI类驱动封装等软、硬件设计及实现中的关键技术。通过系统和某型号飞行数据记录仪联机测试,结果分析证明研制软硬件的功能、性能及信号再现准确性。     

基于双曲游散牵引的飞行异常操作数据挖掘

飞行资料异常操作数据的有效准确挖掘是保证飞行安全,提高飞行训练水平的关键。提出一种基于双曲模型游散性牵引的飞行资料异常操作数据挖掘算法,针对多层异常操作数据在不同域之间的伪装变换特性,采用双曲非线性模型映射方法,对伪装域进行多层分离,依据访问数据游散性,对数据的深层次特征进行提取,以此为牵引,识别出异常操作数据。采用飞行资料的实际随机异常操作数据进行测试,结果显示,采用基于双曲模型游散性牵引的方法,异常操作数据的识别率达到了100%,在提高飞行安全等领域具有良好的应用价值。