基于信息融合的航空發(fā)動機狀態(tài)預測技術研究.pdf

1、航空發(fā)動機性能參數(shù)的監(jiān)視與預測是制定發(fā)動機維修計劃的基礎。目前航空公司多采用單參數(shù)預測模型進行發(fā)動機性能參數(shù)的監(jiān)視與預測，忽略了不同性能參數(shù)間的關聯(lián)性，其預測精度已日漸難以滿足航空公司的要求。為提高性能參數(shù)預測的精度，本文融合多種相關性能參數(shù)，開展基于信息融合的航空發(fā)動機狀態(tài)預測技術及其應用研究。
　　本文首先運用基于統(tǒng)計與密度的方法尋找航空發(fā)動機性能參數(shù)的異常點。在此基礎上，針對傳統(tǒng)小波閾值去噪產(chǎn)生的不平滑問題，提出一種經(jīng)驗模態(tài)

2、分解與小波去噪相結合的降噪方法，將原始信號進行經(jīng)驗模態(tài)分解，通過比較各分量評價系數(shù)選擇保留的分量并分別對其進行小波閾值去噪，最后將各分量去噪值進行疊加。通過構造模擬信號，驗證此方法的有效性，并將其應用于發(fā)動機性能參數(shù)降噪。
　　針對航空發(fā)動機性能參數(shù)時間序列非線性、不平穩(wěn)的特點，分別運用互信息法與Cao方法求出參數(shù)的時間延遲與嵌入維數(shù)，在此基礎上，根據(jù)最大Lyapunov判別法證明發(fā)動機性能參數(shù)時間序列具有混沌特性。運用混沌理論對

3、時間序列進行相空間重構，通過兩性能參數(shù)相空間之間映射點距離的變化，提出一種發(fā)動機各性能參數(shù)間相關關系的量化方法，為選擇融合預測所需的參數(shù)提供依據(jù)。
　　針對目前單參數(shù)預測存在的預測精度較低的問題，建立基于相空間重構的BP神經(jīng)網(wǎng)絡信息融合預測模型。運用相空間重構，增加預測所需的演變信息。選擇相關關系較大的參數(shù)作為融合預測的輸入，運用混沌預測理論構造輸入輸出樣本，通過主成分分析方法降低輸入維數(shù)并減少輸入變量間的冗余信息，提高神經(jīng)網(wǎng)絡擬

4、合的效率。針對隱含層神經(jīng)元個數(shù)確定的問題，提出一種公式法與枚舉相結合的方法。此外，本文通過遺傳算法優(yōu)化融合預測模型的權值與閾值，提高神經(jīng)網(wǎng)絡擬合的精度與穩(wěn)定度。分別將長期與短期預測結果與單參數(shù)預測模型的預測結果進行比較，驗證融合預測模型的有效性。
　　基于上述理論研究成果，面向航空公司的需求，開發(fā)航空發(fā)動機性能參數(shù)融合預測軟件系統(tǒng)，本系統(tǒng)可用于發(fā)動機性能參數(shù)預處理、相關性分析以及融合預測分析，可為航空公司維修方案的確定提供決策支持