航空推进系统气动安全阀结构参数分析及优化

作者： 王慧   周国强   王禹涧   岳星岐   张一鸣   来源： 中国安全科学学报 年份： 2023 文献类型 ： 期刊 关键词： 超调量和响应时间   气动安全阀   航空推进系统   结构参数   多目标优化  

描述： 分别为14.587 8 mm、 14.898 0 mm、48.966 8 N/mm时安全阀性能最佳，优化后超调量降低6.917%,响应时间降低6.383%。

航空推进系统气动安全阀结构参数分析及优化

作者： 王慧   周国强   王禹涧   岳星岐   张一鸣   来源： 中国安全科学学报 年份： 2023 文献类型 ： 期刊 关键词： 超调量和响应时间   气动安全阀   航空推进系统   结构参数   多目标优化  

描述： 分别为14.587 8 mm、 14.898 0 mm、48.966 8 N/mm时安全阀性能最佳，优化后超调量降低6.917%,响应时间降低6.383%。

航空发动机的IGWO-KELM故障诊断方法

作者： 崔建国   李勇   王景霖   于明月   来源： 机械设计与制造 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   改进灰狼算法   核极限学习机   核独立分量分析  

描述： 为提高航空发动机滑油系统的故障诊断有效性，本文提出了一种改进的灰狼算法优化核极限学习机(IGWO-KELM)的航空发动机故障诊断方法，对航空发动机进行了故障诊断技术研究。首先对航空发动机滑油系统的参数数据进行预处理，利用核独立分量分析(KICA)将数据映射到核空间，消除原始特征向量间的相关性，并提取特征系数矩阵;其次，由提取的特征矩阵创建KELM故障模型，为减少人为调节网络参数的随机性对诊断结果造成的影响，采用IGWO算法优化KELM的网络参数，并创建IGWO-KELM故障诊断模型;最后，对所创建的IGWO-KELM故障诊断模型进行了试验验证。结果表明，所提出的IGWO优化KELM的故障诊断方法能有效提高航空发动机故障诊断准确率，诊断准确率达96%，具有很好的应用前景。

航空发动机的IGWO-KELM故障诊断方法

作者： 崔建国   李勇   王景霖   于明月   来源： 机械设计与制造 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   改进灰狼算法   核极限学习机   核独立分量分析  

描述： 为提高航空发动机滑油系统的故障诊断有效性，本文提出了一种改进的灰狼算法优化核极限学习机(IGWO-KELM)的航空发动机故障诊断方法，对航空发动机进行了故障诊断技术研究。首先对航空发动机滑油系统的参数数据进行预处理，利用核独立分量分析(KICA)将数据映射到核空间，消除原始特征向量间的相关性，并提取特征系数矩阵;其次，由提取的特征矩阵创建KELM故障模型，为减少人为调节网络参数的随机性对诊断结果造成的影响，采用IGWO算法优化KELM的网络参数，并创建IGWO-KELM故障诊断模型;最后，对所创建的IGWO-KELM故障诊断模型进行了试验验证。结果表明，所提出的IGWO优化KELM的故障诊断方法能有效提高航空发动机故障诊断准确率，诊断准确率达96%，具有很好的应用前景。

基于改进ReliefF-PNN的航空发动机起动系统异常状态识别

作者： 张雷鸣     蒋丽英     崔建国     李贺     刘明昆     郭濠   来源： 沈阳航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 发动机起动系统   概率神经网络   异常状态识别   ReliefF算法   参数选择  

描述： 在航空发动机起动系统异常状态的识别研究中，起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度，提高异常状态识别的准确率，将改进ReliefF算法与概率神经网络（probabilistic neural network,PNN）结合，提出改进ReliefFPNN的航空发动机起动系统异常状态识别方法，更加有效地降低了参数的维度，并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明，利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果，模型性能得到了进一步改善。

基于改进ReliefF-PNN的航空发动机起动系统异常状态识别

作者： 张雷鸣     蒋丽英     崔建国     李贺     刘明昆     郭濠   来源： 沈阳航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 发动机起动系统   概率神经网络   异常状态识别   ReliefF算法   参数选择  

描述： 在航空发动机起动系统异常状态的识别研究中，起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度，提高异常状态识别的准确率，将改进ReliefF算法与概率神经网络（probabilistic neural network,PNN）结合，提出改进ReliefFPNN的航空发动机起动系统异常状态识别方法，更加有效地降低了参数的维度，并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明，利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果，模型性能得到了进一步改善。