按文献类别分组
按栏目分组
按年份分组
关键词
航空发动机故障预报及状态监控关键技术研究
作者: 孙颖洁   来源: 北京航空航天大学 年份: 2016 文献类型 : 学位论文 关键词: 特征提取   信息融合   发动机   故障预报   神经网络   OSA   CBM  
描述: 航空发动机作为飞行器的动力部件,对飞行安全起着至关重要的作用。随着飞行器维修检测技术向视情检测的转变,故障预报已经成为航天领域内的一个重要问题。但是,现有的机载发动机状态监控系统,绝大多数都是采用简单的阈值报警机制及故障报文下传处理,不能充分利用各种飞行实时数据信息建立完整的数学模型和理论算法,且通过信息的多维度融合,以提高预报精度和实现状态监控。本文针对上述问题,引用OSA-CBM(Opening System Architecture-Condition Based Maintenance)的思想,设计了具备开放性和可扩展性的航空发动机故障预报与监测系统体系结构,提出了对该系统结构中每一部分的解决方案和思路,并对具体关键技术进行了探讨和研究;本文针对反映发动机工作状态的各类传感器信号,在研究现有的特征提取算法理论的基础上,提出了一种新的特征提取算法,有效地完成了对大量信号的特征提取;通过新算法与现有算法的不同方面的性能比较,证实了新算法的优越性;并将新算法应用于发动机典型故障数据的故障征兆提取;本文将神经网络技术应用于故障预报的研究,仿真了各种网络对于函数逼近和模式识别的性能,完成了适用于发动机故障预报的网络选型,提出了一种利用了反馈原理改进的混合型网络预报模型,并将特征提取的征兆数据送入网络模型,得出故障预报结果,实现了完整的故障预报流程;最后将该模型应用于发动机常见故障的预报和监控;本文利用神经网络故障预报模型的输出结果,将无明显故障征兆的数据进一步进行信息融合,建立融合结果相对于时间的函数,以实现故障的趋势监测功能。本文采用发动机成熟故障方程及典型故障数据作为验证数据,以发动机系统的一些典型故障为例,验证了故障预报及趋势监控算法和模型的有效性和可行性。本文研究领域较广,算法涉及小波变换、功率谱变换、HHT 变换、径向基网络、BP 网络、D-S 理论等,仿真曲线和结果得自MATLAB 6.5 编程计算。本文最后介绍了论文存在的不足,提出了可能的发展方向,并展望了航空发动机故障预报和状态监测技术的前景。
< 1
Rss订阅