按文献类别分组
关键词
航空发动机安全保护控制研究综述
作者: 齐义文   曹峥   崔建国   来源: 航空科学技术 年份: 2018 文献类型 : 期刊 关键词: 安全保护   航空发动机   控制方法  
描述: 随着航空发动机技术的不断发展,对其性能要求不断提高,发动机既要发挥极限性能又不能超过限制边界,这使得发动机安全性变得愈发重要,相应的控制设计、状态监测和安全保护问题受到研究人员的关注。本文通过对现有文献资料的整理分析,概述了涉及航空发动机安全保护控制的研究现状。首先,从发动机可靠性角度,对航空发动机的健康管理和容错控制研究现状进行了综述分析。然后,进一步从发动机安全性角度,对航空发动机的防喘保护、限制保护和切换保护等安全保护控制研究方法进行了文献评述。最后,对航空发动机安全保护控制的研究前景进行了展望。
基于强化学习方法的变循环航空发动机推力控制
作者: 齐义文   张弛   陈禹西   来源: 沈阳航空航天大学学报 年份: 2022 文献类型 : 期刊 关键词: 深度确定性策略梯度   强化学习   深度Q网络   变循环航空发动机   推力控制  
描述: 针对变循环航空发动机变工况单PID控制器性能不足问题,分别提出基于深度Q网络与基于深度确定性策略梯度的变循环航空发动机强化学习推力控制方法。给出两种强化学习控制器的发动机状态输入参数、执行机构动作输出参数选取、基于控制性能的奖励函数设置、状态-动作网络收敛条件设定、基于发动机特征的经验集合缓存机制等关键内容。仿真结果表明:两种变循环航空发动机强化学习推力控制器在多种外部指令下均能获得良好的性能指标,验证了智能控制设计的稳定性和鲁棒性,实现了不同工作点下对变循环航空发动机推力的稳定、快速、准确控制。
航空发动机自适应动态规划转速控制研究
作者: 张弛   齐义文   邢宁   来源: 第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛 年份: 2022 文献类型 : 会议论文 关键词: 航空发动机   自适应动态规划   自学习   自修正  
描述: 航空发动机自适应动态规划转速控制研究
飞机机电系统关键部件性能趋势分析方法
作者: 崔建国   徐昕明   于明月   蒋丽英   来源: 机械设计与制造 年份: 2021 文献类型 : 期刊 关键词: 性能趋势   组合预测   飞机发电机   多项式趋势预测   ARMA  
描述: 飞机发电机作为飞机机电系统的关键部件之一,为飞机提供主要的电力来源,其运行状态在飞机的使用过程中至关重要。为改善和提升飞机发电机的性能变化趋势的预测精度,更好实现对飞机发电机性能变化的趋势分析,以某型真实飞机发电机为研究对象,提出一种由多项式趋势预测模型和ARMA模型相结合的组合预测方法来对该型飞机发电机进行性能趋势分析。首先,在专业试验平台上对该型飞机发电机进行了长期大量试验,获取了大量性能表征信息。在此基础上,将多项式趋势预测模型和ARMA模型进行组合,综合运用多项式趋势预测模型良好的趋势拟合能力和ARMA的时间序列分析功能,对该型飞机发电机进行性能趋势分析。试验验证结果表明,这种组合预测方法优于传统单一模型的预测方法,具有很高的预测精度,能够更好地实现对飞机发电机的性能趋势分析效能,具有较高的工程应用价值。
飞机机电系统关键部件性能趋势分析方法
作者: 崔建国   徐昕明   于明月   蒋丽英   来源: 机械设计与制造 年份: 2021 文献类型 : 期刊 关键词: 性能趋势   组合预测   飞机发电机   多项式趋势预测   ARMA  
描述: 飞机发电机作为飞机机电系统的关键部件之一,为飞机提供主要的电力来源,其运行状态在飞机的使用过程中至关重要。为改善和提升飞机发电机的性能变化趋势的预测精度,更好实现对飞机发电机性能变化的趋势分析,以某型真实飞机发电机为研究对象,提出一种由多项式趋势预测模型和ARMA模型相结合的组合预测方法来对该型飞机发电机进行性能趋势分析。首先,在专业试验平台上对该型飞机发电机进行了长期大量试验,获取了大量性能表征信息。在此基础上,将多项式趋势预测模型和ARMA模型进行组合,综合运用多项式趋势预测模型良好的趋势拟合能力和ARMA的时间序列分析功能,对该型飞机发电机进行性能趋势分析。试验验证结果表明,这种组合预测方法优于传统单一模型的预测方法,具有很高的预测精度,能够更好地实现对飞机发电机的性能趋势分析效能,具有较高的工程应用价值。
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。
基于灰色和LSSVM的航空发动机状态预测
作者: 崔建国   高波   蒋丽英   于明月   郑蔚   来源: 计算机工程与设计 年份: 2018 文献类型 : 期刊 关键词: 状态预测   航空发动机   最小二乘支持向量机   排气温度   主燃油泵   灰色模型  
描述: 为克服单一模型预测精度较低这一缺陷,提出一种基于灰色模型(grey model,GM)和最小二乘支持向量机(least squares support vector machine,LSSVM)的组合预测方法。通过灰色累加对原始数据序列进行处理,建立灰色预测模型,利用灰色预测模型的预测结果作为输入,原始数据作为输出,训练构建LSSVM预测模型进行预测。选取航空发动机主燃油泵作为具体研究对象,采集排气温度作为其状态预测参数进行状态预测。研究结果表明,相比单一预测模型,灰色最小二乘支持向量机预测精度更高,为航空发动机状态预测提供了一种有效的解决途径。
LSSVM与HMM在航空发动机状态预测中的应用研究
作者: 崔建国   高波   蒋丽英   于明月   郑蔚   来源: 计算机工程 年份: 2018 文献类型 : 期刊 关键词: 隐马尔科夫模型   状态预测   航空发动机   最小二乘支持向量机   小波包分解   振动信号   降噪  
描述: 传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续的动态信号,能够精确计算出似然度概率。提出一种结合LSSVM与HMM的状态预测方法。利用提升小波函数全阈值降噪法对采集的振动信号进行降噪,采用小波包分解提取有效的特征,选择不同状态下的特征量训练多个HM M模型,并通过此模型对未知信号特征量以及LSSVM预测的特征量进行状态监测,从而预测出发动机未来时刻的状态以及状态的退化趋势。实验结果表明,该方法的预测准确率达到92%以上,能够有效地预测航空发动机的状态情况。
基于ELM的航空发动机故障诊断方法
作者: 崔建国   刘宏伟   陶书弘   于明月   高阳   来源: 火力与指挥控制 年份: 2018 文献类型 : 期刊 关键词: 特征提取   极限学习机   故障诊断   小波包  
描述: 以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。
基于PCA与DBN的航空发动机气路系统故障诊断
作者: 蒋丽英   栗文龙   崔建国   于明月   林泽力   来源: 沈阳航空航天大学学报 年份: 2019 文献类型 : 期刊 关键词: 航空发动机   深度信念网络   故障诊断   主元分析   气路系统  
描述: 提出了一种基于主元分析与深度信念网络相结合的航空发动机气路系统故障诊断新方法。首先利用主元分析方法对发动机监测参数原始数据进行降维,以便降低参数数据的复杂度,获得较低维数的最优特征参数。其次,采用深度信念网络对获取的最优特征参数数据创建故障诊断模型。为验证所创建诊断模型的准确性,采用某型航空发动机气路系统实测数据对所创建的基于主元分析与深度信念网络故障诊断模型进行实验验证,结果表明,经过主元分析降维后的深度信念网络故障诊断模型的诊断结果比未经过主元分析降维后的深度学习神经网络故障诊断模型的诊断结果准确率更高,从而验证了该方法的有效性。
< 1 2
Rss订阅