航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

飞机发动机吊挂的静力学分析: 作者： 王顺利谢非陈蕾张丽王露 来源： 制造业自动化 年份： 2018 文献类型： 期刊 关键词： SOC估算系统 无迹卡尔曼滤波 航空锂电池 Thevenin模型; 描述： 针对放电条件下,航空锂电池的放电情况,考虑了电流及温度对极化参数的影响的电池模型。电池电荷状态(State of Charge,SOC)对于电池是十分重要的性能,为了精准估计航空锂电池的电池电荷状态(State of Charge,SOC),尝试使用无迹卡尔曼滤波(UKF)对航空锂电池的SOC进行估算,无迹卡尔曼滤波是一种新型的滤波估计算法。UKF以无损变换变换为基础,摒弃了对非线性函数进行线性化的传统做法,采用卡尔曼线性滤波框架,对于一步预测方程,使用无迹(UT)变换来处理均值和协方差的非线性传递,就成为UKF算法。UKF是对非线性函数的概率密度分布进行近似,用一系列确定样本来逼近状态的后验概率密度,而不是对非线性函数进行近似,不需要求导计算Jacobian矩阵。UKF没有线性化忽略高阶项,因此非线性分布统计量的计算精度较高。在simulink上建立航空锂电池的等效电路模型,进行仿真实验。仿真实验表明该算法SOC估算精度误差稳定在百分之五左右。

民航发动机性能诊断方法: 作者： 谭治学钟诗胜林琳 来源： 哈尔滨工业大学学报 年份： 2019 文献类型： 期刊 关键词： 航空发动机 无迹卡尔曼滤波 性能诊断发动机部件发动机稳态建模; 描述： 为利用民航发动机工作状态参数对其部件衰退情况进行在线诊断,提出一种发动机稳态建模和无迹卡尔曼滤波(unscented Kalman flter,UKF)相结合的部件性能衰退诊断方法.用多元非线性函数分别表达各个部件的通用特性曲线,采用机器学习方法对实测发动机工作状态参数进行学习以确定各函数系数,进而获得发动机稳态工作模型;在对各部件的性能衰退特点及影响性分析的基础上,定义出具有代表性的部件性能衰退因子;对无迹卡尔曼滤波器进行改造,采用所获得的发动机稳态工作模型和工况参数替换传统的滤波观测方程,并以新提出的滑动窗口采样策略克服低可观测性问题;对发动机实测运行数据进行滤波,得出各部件的性能衰退因子变化趋势.经发动机实际运营监控数据验证,该方法能够在航段数据返回数据中心后快速诊断出发动机各部件性能状态,诊断结果与发动机部件损伤目视检查信息吻合良好.该方法能够有效克服发动机性能诊断过程中的非线性强、观测性低、数据噪声显著的问题,具有较高的实用价值.

民航发动机性能诊断方法: 作者： 谭治学钟诗胜林琳 来源： 哈尔滨工业大学学报 年份： 2019 文献类型： 期刊 关键词： 航空发动机 无迹卡尔曼滤波 性能诊断发动机部件发动机稳态建模; 描述： 为利用民航发动机工作状态参数对其部件衰退情况进行在线诊断,提出一种发动机稳态建模和无迹卡尔曼滤波(unscented Kalman flter,UKF)相结合的部件性能衰退诊断方法.用多元非线性函数分别表达各个部件的通用特性曲线,采用机器学习方法对实测发动机工作状态参数进行学习以确定各函数系数,进而获得发动机稳态工作模型;在对各部件的性能衰退特点及影响性分析的基础上,定义出具有代表性的部件性能衰退因子;对无迹卡尔曼滤波器进行改造,采用所获得的发动机稳态工作模型和工况参数替换传统的滤波观测方程,并以新提出的滑动窗口采样策略克服低可观测性问题;对发动机实测运行数据进行滤波,得出各部件的性能衰退因子变化趋势.经发动机实际运营监控数据验证,该方法能够在航段数据返回数据中心后快速诊断出发动机各部件性能状态,诊断结果与发动机部件损伤目视检查信息吻合良好.该方法能够有效克服发动机性能诊断过程中的非线性强、观测性低、数据噪声显著的问题,具有较高的实用价值.

基于超统计的多阶段航空发动机剩余寿命预测: 作者： 刘君强胡东斌潘春露雷凡赵倩茹 来源： 北京航空航天大学学报 年份： 2020 文献类型： 期刊 关键词： 非线性航空发动机 无迹卡尔曼滤波 超统计剩余寿命多阶段; 描述： 针对传统航空发动机剩余寿命预测模型无法客观描述多阶段性能衰退过程及对于剩余寿命预测精度不高的问题，本文提出了一个新的多阶段航空发动机剩余寿命预测模型，包括超统计理论、突变点检测、无迹卡尔曼滤波与非线性预测四部分内容。提出了基于超统计理论的多阶段分割滤波算法，该算法首先采用超统计理论进行突变点检测，将航空发动机的健康数据划分为多个退化阶段；然后应用无迹卡尔曼滤波对融合的时变参数进行滤波处理；最后通过非线性拟合对发动机剩余寿命进行预测。实验采用美国国家航空航天局发布的航空发动机数据进行数据分析和验证。结果表明本文提出的方法在发动机性能退化中的预测具有更好的适应性，更小的拟合误差，能更准确地预测发动机的剩余寿命，预测精度比单阶段方法提高5.5%。

< 1 >