航空發(fā)動機氣路參數(shù)偏差值模型研究與應用.pdf

1、航空發(fā)動機是飛機的“心臟”,加強發(fā)動機狀態(tài)監(jiān)控不僅有利于提高飛機運輸安全,而且還能減少發(fā)動機的維護成本。航空發(fā)動機狀態(tài)監(jiān)控技術很多,其中氣路參數(shù)監(jiān)控技術是很重要的監(jiān)控技術。氣路參數(shù)監(jiān)控技術根據(jù)偏差值模型得到氣路參數(shù)偏差值,然后用偏差值的變化趨勢來判斷發(fā)動機的性能狀態(tài),根據(jù)偏差值預測以進行“預診斷”。顯然,有必要研究發(fā)動機氣路參數(shù)偏差值及其應用。
　　為得到氣路參數(shù)偏差值模型,可將氣路參數(shù)偏差值模型分解成標準化模型、基線模型和補償值

2、模型三個部分。本文首先對發(fā)動機制造廠商的狀態(tài)監(jiān)控系統(tǒng)進行實驗分析,獲得標準化模型和基線模型的函數(shù)表達式。然后建立基于支持向量機的補償值模型,用粒子群算法對支持向量機參數(shù)進行優(yōu)化。最后,運用航空公司實際數(shù)據(jù)驗證偏差值模型,應用表明模型誤差很小,能夠滿足實際使用要求。
　　發(fā)動機氣路參數(shù)偏差值原始值的信噪比低,異常點多,且不易觀察變化趨勢。一般需要對偏差值進行異常點識別和平滑處理。論文首先建立了基于二次指數(shù)平滑法的異常點識別模型;然后

3、給出了偏差值處理的評價指標,針對評價指標建立模型優(yōu)化平滑系數(shù)和顯著性水平參數(shù),用粒子群算法解優(yōu)化模型;最后運用該方法對發(fā)動機排氣溫度偏差值進行異常點識別與平滑處理。應用表明該方法具有較好的平滑效果。
　　氣路參數(shù)偏差值預測理論上是時間序列預測。為此論文首先研究了時變模糊推理系統(tǒng)的理論;然后建立時變模糊神經(jīng)網(wǎng)絡對推理系統(tǒng)的參數(shù)進行學習,給出了該網(wǎng)絡結構的學習算法;最后利用Mackey-Glass混沌時間序列的預測驗證了網(wǎng)絡的預測精度