全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于状态感知的航空发动机变基线模型建模方法研究
- 作者： 陈铖 郑前钢 汪勇 张海波 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 高斯混合模型 航空发动机 飞行数据 状态感知 机载模型 变基线模型
- 描述： 机载模型是先进航空发动机控制方法的基础，基线模型作为机载模型的重要组成部分，其建模准确度决定了机载模型的精度。针对传统单一基线模型在局部飞行包线精度高，而难以用于发动机全包线、全状态稳态性能预测的问题，提出了一种基于状态感知的发动机变基线模型建模方法。首先在小波变换滤波的基础上，提出基于状态感知的最优稳态数据筛选阈值计算方法，以减少稳态数据的错选或遗漏；其次，提出基于高斯混合模型（GMM）的变基线模型建模方法，利用GMM实现飞行数据自主聚类，并结合回归分析法，构建全包线、全状态的高精度变基线模型。仿真结果表明：本文提出的稳态数据筛选方法能有效避免数据错选或遗漏，相比于常规的单一基线模型，所提出的变基线模型可使高、低压转子转速的相对均值误差分别减小45%、30%以上。该方法能显著提升基线模型精度，同时实现了稳态数据自动化提取，避免了过多依赖人工经验且难以获得最优阈值的问题。
- 基于状态感知的航空发动机变基线模型建模方法研究
- 作者： 陈铖 郑前钢 汪勇 张海波 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 高斯混合模型 航空发动机 飞行数据 状态感知 机载模型 变基线模型
- 描述： 机载模型是先进航空发动机控制方法的基础，基线模型作为机载模型的重要组成部分，其建模准确度决定了机载模型的精度。针对传统单一基线模型在局部飞行包线精度高，而难以用于发动机全包线、全状态稳态性能预测的问题，提出了一种基于状态感知的发动机变基线模型建模方法。首先在小波变换滤波的基础上，提出基于状态感知的最优稳态数据筛选阈值计算方法，以减少稳态数据的错选或遗漏；其次，提出基于高斯混合模型（GMM）的变基线模型建模方法，利用GMM实现飞行数据自主聚类，并结合回归分析法，构建全包线、全状态的高精度变基线模型。仿真结果表明：本文提出的稳态数据筛选方法能有效避免数据错选或遗漏，相比于常规的单一基线模型，所提出的变基线模型可使高、低压转子转速的相对均值误差分别减小45%、30%以上。该方法能显著提升基线模型精度，同时实现了稳态数据自动化提取，避免了过多依赖人工经验且难以获得最优阈值的问题。
- 基于NN-PSM的航空发动机机载自适应稳态模型
- 作者： 项德威 郑前钢 张海波 陈铖 房娟 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 自适应 基线模型 神经网络 推进系统矩阵 机载稳态模型
- 描述： 卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明：NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。
- 基于NN-PSM的航空发动机机载自适应稳态模型
- 作者： 项德威 郑前钢 张海波 陈铖 房娟 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 自适应 基线模型 神经网络 推进系统矩阵 机载稳态模型
- 描述： 卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明：NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。
- 基于NN-PSM的航空发动机机载自适应稳态模型
- 作者： 项德威 郑前钢 张海波 陈铖 房娟 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 自适应 基线模型 神经网络 推进系统矩阵 机载稳态模型
- 描述： 卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明：NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。
- 基于NN-PSM的航空发动机机载自适应稳态模型
- 作者： 项德威 郑前钢 张海波 陈铖 房娟 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 自适应 基线模型 神经网络 推进系统矩阵 机载稳态模型
- 描述： 卡尔曼滤波器实时估计发动机健康参数，提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证，并与传统的复合推进系统模型（CPSM）进行对比，结果表明：NN-PSM模型的平均精度在0.66%以内，而CPSM的平均精度为2.07%以内，运行时间仅为CPSM的1/10，且具有数据存储量少的特点。