民用渦扇發(fā)動機健康智能監(jiān)控技術的研究.pdf

1、民用航空發(fā)動機的健康管理是民航管理和運營機構十分關注的熱點問題，發(fā)動機狀態(tài)監(jiān)控、故障診斷和壽命預測等發(fā)動機健康管理關鍵技術，對減少運營和維修成本，有效避免重大事故的發(fā)生以及實現(xiàn)發(fā)動機視情維修意義重大。由于民航發(fā)動機結(jié)構復雜、部件繁雜，導致其故障現(xiàn)象與故障原因之間的映射關系復雜多變，特別是對于發(fā)動機氣路故障，相關性能參數(shù)變化不明顯，難以直觀做出判斷。本文對民用渦扇發(fā)動機的健康智能監(jiān)控技術進行研究，主要研究內(nèi)容和成果如下：
　　1．首

2、次把QAR數(shù)據(jù)用于民航發(fā)動機的故障檢測和故障分類診斷，將基于PCA和信息熵的方法用于民用渦扇發(fā)動機的氣路健康監(jiān)控。把PCA方法用于發(fā)動機的氣路性能排隊和評估發(fā)動機的氣路健康。采用信息熵的方法分析故障征兆和故障原因之間的關系，探究引起發(fā)動機整體性能衰減的主要原因，為發(fā)動機的狀態(tài)評估提供技術手段。
　　2．在發(fā)動機故障檢測中，采用超平面支持向量機算法研究真實樣本的分布特征，對發(fā)動機正常樣本的分布特征進行學習，優(yōu)化模型參數(shù)，確定最優(yōu)分類

3、邊界，通過計算未知樣本和支持向量的距離確定樣本的類別歸屬。在檢測模型中，參數(shù)變化對檢測準確率影響較大，本文采用了驗證法進行模型選擇，研究表明樣本檢出率達到93.2％。
　　3．針對實際民航發(fā)動機故障樣本少的特點，將支持向量機用于發(fā)動機故障分類診斷中，在二元分類器的基礎上構造并實現(xiàn)了兩種多分類支持向量機算法，通過仿真測試對比兩種算法在故障分類診斷中的性能差異。同時對支持向量機三種核函數(shù)性能進行研究，包括核參數(shù)及模型參數(shù)變化對分類結(jié)果

4、的影響，結(jié)果表明：徑向基核函數(shù)稍優(yōu)于其他核函數(shù)。
　　4．為綜合評估發(fā)動機在翼壽命，采用系統(tǒng)工程中模糊層次分析法、均方根法來綜合評定發(fā)動機的壽命。用航線、車間、試車臺和工程管理數(shù)據(jù)等四個方面數(shù)據(jù)分析影響發(fā)動機壽命評估預測的因素，用層次分析法構造了發(fā)動機評估預測的指標體系，并以綜合測評值作為發(fā)動機壽命預測指標，結(jié)果和實際相符較好。
　　5.根據(jù)民用發(fā)動機的特點，將改進的LS-SVM回歸應用于航空發(fā)動機壽命預測，采用大修后發(fā)動機