基于ARIMA的民航发动机下发预测（英文）

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。     

基于冲击的涡扇发动机退化建模与下发预测

为解决多性能参数模型无法描述不同起飞推力下发动机性能退化的问题,利用单性能参数结合极端冲击模型描述起飞时发动机全功率运转对热端部件的热冲击影响,利用线性退化模型描述发动机自然退化过程,建立发动机性能可靠度退化模型。利用V2500发动机全寿命EGTM数据,结合最大似然估计给出性能可靠度表达式与模型参数,最后利用机队中同型V2500发动机非完整EGTM数据验证模型,预测下发时间,结果表明此模型预测下发时间和实际下发时间的误差小于3%,证明了模型的有效性。     

基于小波 ARIMA的航空运输企业能耗预测模型

针对航空运输企业月度能耗进行预测，提出基于小波分析与求和自回归移动平均模型(ARIMA)相结合的混合预测模型。该模型根据航空运输企业月度能耗序列的特征，对其进行二尺度小波分解，对分解后的能耗序列根据自身规律分别进行ARIMA预测，重构各尺度序列的预测值得到最终预测结果。利用某航空运输企业2009年1月至2013年12月五年的月度能耗数据进行验证，结果表明:小波 ARIMA模型的预测精度高于ARIMA模型，对数据的波动性有较好的响应，提高了能耗序列的整体预测精度。     

多维非平稳时间序列在机床主轴故障诊断中的应用

采用ARIMA模型将数控机床主轴故障初期的非平稳时间序列转化成标准平稳时间序列,然后利用多维自回归(AR)模型进行数据处理与趋势预测,并分析了基于多维自回归序列参数估计的Yule-Walker算法以及FPE阶次判定准则.实测数据的计算结果表明:经稳态处理后的多维AR时序模型能够很好地拟合数控机床主轴故障模型,预测的精度符合要求.     

基于小波-ARIMA的航空运输企业能耗预测模型（英文）

针对航空运输企业月度能耗进行预测,提出基于小波分析与求和自回归移动平均模型(ARIMA)相结合的混合预测模型。该模型根据航空运输企业月度能耗序列的特征,对其进行二尺度小波分解,对分解后的能耗序列根据自身规律分别进行ARIMA预测,重构各尺度序列的预测值得到最终预测结果。利用某航空运输企业2009年1月至2013年12月五年的月度能耗数据进行验证,结果表明:小波-ARIMA模型的预测精度高于ARIMA模型,对数据的波动性有较好的响应,提高了能耗序列的整体预测精度。     

基于改进LSTM的航空发动机寿命预测方法研究

发动机剩余寿命(RUL)预测时，进行数据特征提取易导致预测效率低下。为解决此问题，提出一种改进的长短期记忆(LSTM)算法模型。通过引入深度稀疏自动编码器(SDAE)完成时序数据的处理与特征提取，优化LSTM模型，改善航空发动机RUL预测效果。利用SDAE进行特征提取，构建健康因子(HI)曲线；同时考虑运行工况、故障模式和传感器3个因素，并分别训练其权重。利用LSTM模型进行发动机剩余寿命预测。利用涡扇发动机退化过程数据集C-MAPSS开展实验，并与DNN、BiLSTM、单层LSTM进行对比分析。结果表明：与上述3种算法相比，改进后算法的均方根误差和〖JP2〗评分函数值至少分别降低6.6%和39.1%；该方法寿命预测结果和实际寿命曲线拟合度高，验证了该方法的可行性和有效性。     

基于LSTM与ARIMA组合模型的高炉煤气产生量预测

通过分析煤气产生量的数据特点,采用LSTM循环神经网络和ARIMA两种预测模型建立钢铁企业高炉煤气产生量预测模型,经验证LSTM模型性能明显优于BP神经网络,但是其预测结果值比真实值普遍偏低,而ARIMA模型的预测结果值比真实值普遍偏高。基于上述现象,提出了一种基于LSTM与ARIMA组合预测模型,将两种模型的预测结果采用CRITIC方法进行融合处理。结果表明,组合模型明显改善了两种模型在预测特性上的弊端,将预测结果的均方根误差减小为2.325,更贴近真实值,提高了预测精度。     

基于时间序列汽车轮毂尺寸偏差趋势预测

文章选用指数平滑法和ARIMA法两种典型的时间序列算法作为预测模型,对流水线生产的汽车轮毂倒锥大尺寸值偏差趋势进行预测。以MATLAB作为工具进行实验计算,依据预测数据和实际观察值的RMSE和期望误差的对比来比较这两种模型的预测效果,得出在预测汽车轮毂倒锥大尺寸值偏差趋势时,二次指数平滑法的预测效果更好,所以最终采用此模型,从而为宏观调控刀具补偿值提供有力的依据。     

沿时间轴航空发动机装配技术状态数据模型及应用

为解决航空发动机单机物料、工艺、检验信息随时间变化而引起的装配技术状态管理上的难题,在深入分析了发动机装配技术状态复杂性的基础上提出了一个沿时间轴的航空发动机装配技术状态数据模型。结合该模型,定义了三个基本操作,由基本操作复合运算表达航空发动机单机装配技术状态的改变。通过对每次装配完成时技术状态的记录得到沿时间轴技术状态快照序列。最后,通过实例验证了该模型和方法的可行性。     

基于相似性与GA-RF的航空发动机剩余寿命预测

针对单参数不能准确表征发动机性能退化过程，以及传统智能学习模型难以准确拟合发动机退化模型等问题，提出一种融合数据构建发动机健康指数（HI），并结合多模型相似性匹配与集成模型进行发动机剩余寿命预测的方法。利用层次聚类与轮廓系数筛选参数，并融合为发动机健康指数。采用遗传算法优化随机森林拟合发动机性能退化过程，并将多模型相似性匹配用于回归模型预测，优化模型的预测结果。选择某涡扇发动机仿真数据集（C-MPASS）验证所提方法的有效性。结果表明：该方法的RMSE为6.128、MAE为4.901,且融合健康指数和多模型相似匹配极大地提高了发动机剩余寿命预测精度。     

摩擦焊在航空领域的应用

随着民用和军用飞机性能及使用要求不断提高,航空零部件需要满足结构轻量化、高可靠性、长寿命、经济性好等要求。焊接技术作为航空工业不可或缺的材料加工技术,在航空零部件的研制与生产中,发挥着举足轻重的作用。惯性摩擦焊、搅拌摩擦焊和线性摩擦焊作为典型的摩擦焊接工艺方法,凭借优良的技术优势,在航空发动机转子组件、飞机结构件、整体叶盘等航空零部件加工制造中得到成功应用。结果表明,随着摩擦焊接技术的进步与发展,摩擦焊接技术将有效促进航空飞机减重,进一步提高航空飞机性能。     

滚动轴承自适应组合状态预测方法研究

滚动轴承的状态预测组合模型中配比权重多为固定权重,自适应动态调整权重的组合型状态预测方法较少。为解决此问题,提出一种基于ARIMA与Elman的轴承自适应组合状态预测方法;采用IMS提供的轴承加速性能退化数据集进行验证。结果表明：使用单一ARIMA模型的预测相对误差为3.95%,使用单一Elman模型的预测相对误差为5.62%,而使用文中提出的变权重Elman-ARIMA组合预测模型的平均相对误差为3.22%,低于2种单一预测模型,预测结果具有更高的可靠性,证明了组合预测方法的可行性。     

滑油中金属屑分析在航空发动机状态监控中的应用

对滑油中的金属屑进行分析是现代民航发动机状态监控的重要技术手段.介绍了该项技术的原理和程序、常见金属屑的种类、分析方法的比较和能谱仪(EDS)的分析技巧.最后通过两个实际案例介绍了该技术在民航发动机状态监控中的具体应用.     

面向航空企业的工装快速准备研究

为了降低工装准备时间,缩短产品制造周期,在分析某航空企业工装准备业务流程的基础上,提出了基于制造资源集成平台的工装快速准备系统,建立了系统体系结构,划分了系统功能模块.最后对实现工装快速准备的相关关键技术进行了介绍.     

基于空时模型的航空管路卡箍故障诊断研究

针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信号中的全局特征。结果表明：设计的空时故障诊断模型可实现航空卡箍故障的精准识别。与目前所用的深度卷积神经网络模型、门控循环单元神经网络模型、循环神经网络模型、支持向量机和误差反向传播神经网络模型等5种先进的故障诊断方法进行对比分析,所提方法对航空卡箍故障识别具有优越性。     

航空发动机反推测控系统的设计

在分析航空发动机反推系统适航要求和CFM56发动机反推装置5道安全性保护措施的基础上,基于RB211-22B反推装置机械部件,采用工业级软硬件资源,设计了3种模式的反推装置试验台测试系统。其不仅可用于反推系统功能测试和性能分析,而且可以满足高水平航空维修工程师和卓越工程师的培养要求。实践证明,该试验台具有仿真度高、可靠性高、操作和维护方便等特点,被广泛应用于发动机反推系统教学、科研和行业培训中。     

基于维纳过程的起竖液压缸预防性维修策略研究

针对典型的液压系统回路,建立在故障预测基础上的主动预防性维修,可以使得维修保障措施针对性强、维修效果好。从这种视情维修的视角,以实际需求为牵引建立的基于剩余寿命预测的维修策略,在工业、国防、航空等领域有着广泛应用前景,这既能够提高装备安全性、战备完好性,又能够降低维修保障费用。对传统预防性维修决策模型进行推广,建立了退化数据驱动的预防性维修决策模型;建立了基于退化数据的剩余寿命在线预测模型,实现了依据退化数据求解剩余寿命分布;设计了起竖油缸的加速退化试验并获取了其性能退化数据,通过所建预防性维修决策模型制订了起竖回路的预防性维修方案。     

基于航空铸造钛合金Ti-6Al-4V高速铣削参数的表面质量及切削效率优化

目的研究高速铣削参数对航空铸造钛合金Ti-6Al-4V表面质量的影响规律及交互作用,并基于高速铣削参数对表面质量和材料去除率进行优化。方法采用Box-Behnken设计和二次回归正交实验法,建立高速铣削参数与表面粗糙度的显著不失拟回归模型,获得铣削参数影响表面粗糙度的显著性差异,挖掘高速铣削参数交互作用与表面粗糙度的关系;基于表面粗糙度回归模型及材料去除率,采用遗传算法(GA),对高速铣削参数进行多目标优化。结果铣削参数影响航空铸造钛合金Ti-6Al-4V试件表面粗糙度的显著性顺序为:切削深度>每齿进给量>切削宽度>主轴转速,其中切削宽度和主轴转速、每齿进给量和主轴转速的交互作用较为明显。利用遗传算法对铣削参数优化后,Ti-6Al-4V表面粗糙度较优化前提高44%,材料去除率提高70%,遗传算法优化后的试件表面粗糙度显著降低,表面刀路行距减小,纹理平均高度降低。结论由实验验证可知,通过响应曲面建立表面粗糙度显著不失拟回归模型具有较高的预测精度,基于遗传算法优化获得的铣削参数可有效提高表面质量和切削效率,对保证航空铸造钛合金Ti-6Al-4V表面质量具有较好的指导意义。