航空发动机典型故障监测方法研究

作者： 刘宏伟   来源： 沈阳航空航天大学 年份： 2017 文献类型 ： 学位论文 关键词： 支持向量机   极限学习机   主元分析   核极限学习机   主燃油泵  

描述： 航空发动机主燃油泵作为航空发动机燃油系统的核心部件之一,其能否正常工作将直接影响到飞机的飞行安全。由于主燃油泵长期处于高压、高温等恶劣的工作环境中,使得主燃油泵极易发生故障且寿命较短。因此,如何准确监测识别出航空发动机关键部件主燃油泵所处的不同故障模式,对确保飞机飞行安全以及降低维修成本起关键作用,具有重要的军事与经济价值。本文以某型航空发动机关键部件—主燃油泵为具体研究对象,对其在飞行过程中遇到的典型故障进行了故障监测技术研究。首先在某型真实航空发动机试验平台上,经长期试验,获取了航空发动机不同健康状态众多参数的原始数据。并对其进行预处理,进行主燃油泵数据有效性方法的研究,获取可以表征主燃油泵健康状态的特征参数。经综合分析后,将航空发动机主燃油泵健康状态分为正常工作状态、主燃油泵轴承损伤故障、主燃油泵调节器故障,以及当油门杆由慢车状态推至中间状态时航空发动机主燃油泵出现排气温度和转速超出限制值现象的故障这四种故障。最后,分别构建了基于SVM、基于ELM和基于KELM的故障诊断模型,并采用所构建的诊断模型对主燃油泵进行故障识别技术研究。研究结果表明,基于SVM故障诊断模型的准确率为87.5%,基于ELM故障诊断准确率为92.5%,KELM故障诊断的准确率为97.5%,因此本文所设计的状态监测算法可以对航空发动机主燃油泵的故障模式进行较好的故障诊断,均达到了预期的研究目标。

基于模糊粗糙集和SVM的航空发动机故障诊断

作者： 曹愈远   张建   李艳军   张丽娜   来源： 振动.测试与诊断 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   航空发动机   故障诊断   粗糙集   模糊聚类  

描述： 随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据

基于模糊粗糙集和SVM的航空发动机故障诊断

作者： 曹愈远   张建   李艳军   张丽娜   来源： 振动.测试与诊断 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   航空发动机   故障诊断   粗糙集   模糊聚类  

描述： 随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据

航空发动机典型故障监测方法研究

作者： 刘宏伟   来源： 沈阳航空航天大学 年份： 2017 文献类型 ： 学位论文 关键词： 支持向量机   极限学习机   主元分析   核极限学习机   主燃油泵  

描述： 航空发动机主燃油泵作为航空发动机燃油系统的核心部件之一,其能否正常工作将直接影响到飞机的飞行安全。由于主燃油泵长期处于高压、高温等恶劣的工作环境中,使得主燃油泵极易发生故障且寿命较短。因此,如何准确监测识别出航空发动机关键部件主燃油泵所处的不同故障模式,对确保飞机飞行安全以及降低维修成本起关键作用,具有重要的军事与经济价值。本文以某型航空发动机关键部件—主燃油泵为具体研究对象,对其在飞行过程中遇到的典型故障进行了故障监测技术研究。首先在某型真实航空发动机试验平台上,经长期试验,获取了航空发动机不同健康状态众多参数的原始数据。并对其进行预处理,进行主燃油泵数据有效性方法的研究,获取可以表征主燃油泵健康状态的特征参数。经综合分析后,将航空发动机主燃油泵健康状态分为正常工作状态、主燃油泵轴承损伤故障、主燃油泵调节器故障,以及当油门杆由慢车状态推至中间状态时航空发动机主燃油泵出现排气温度和转速超出限制值现象的故障这四种故障。最后,分别构建了基于SVM、基于ELM和基于KELM的故障诊断模型,并采用所构建的诊断模型对主燃油泵进行故障识别技术研究。研究结果表明,基于SVM故障诊断模型的准确率为87.5%,基于ELM故障诊断准确率为92.5%,KELM故障诊断的准确率为97.5%,因此本文所设计的状态监测算法可以对航空发动机主燃油泵的故障模式进行较好的故障诊断,均达到了预期的研究目标。

航空电子设备故障预测特征参数提取方法研究

作者： 陈华坤   章卫国   史静平   何启志   占正勇   来源： 西北工业大学学报 年份： 2017 文献类型 ： 期刊 关键词： 故障预测和健康管理   维数估计   支持向量机   特征提取   综合模块化航电系统   极大似法   DC变换器   降噪自编码神经网络   DC  

描述： 故障特征提取是航空电子设备故障预测的关键技术,对于少量测试点的电子设备可以采用小波变换、傅里叶变换、经验模态分解等方法提取故障特征,但是由于航空电子设备属于大规模集成电路,测试点比较多,采用上述方法提取的故障特征可能相互混叠并且数量比较大会严重影响故障预测精度及速度,因此如何从众多故障信息中提取故障特征是一个难题。文章提出基于极大似然和降噪自编码神经网络方法从大量故障信息中提取故障特征。首先,使用极大似然法分析由多个测试点提取的故障信息和历史退化过程的故障信息组成的高维数据集,估计需要提取故障特征的维数;然后使用降噪自编码神经网络方法将高维故障信息映射到指定维数的数据空间,从中提取关键的故障特征,去除冗余信息;最后,以航空电子系统电源模块为例,采用新方法提取故障特征,分别通过将故障特征可视化和使用故障特征进行健康评估来验证其有效性。

航空电子设备故障预测特征参数提取方法研究

作者： 陈华坤   章卫国   史静平   何启志   占正勇   来源： 西北工业大学学报 年份： 2017 文献类型 ： 期刊 关键词： 故障预测和健康管理   维数估计   支持向量机   特征提取   综合模块化航电系统   极大似法   DC变换器   降噪自编码神经网络   DC  

描述： 故障特征提取是航空电子设备故障预测的关键技术,对于少量测试点的电子设备可以采用小波变换、傅里叶变换、经验模态分解等方法提取故障特征,但是由于航空电子设备属于大规模集成电路,测试点比较多,采用上述方法提取的故障特征可能相互混叠并且数量比较大会严重影响故障预测精度及速度,因此如何从众多故障信息中提取故障特征是一个难题。文章提出基于极大似然和降噪自编码神经网络方法从大量故障信息中提取故障特征。首先,使用极大似然法分析由多个测试点提取的故障信息和历史退化过程的故障信息组成的高维数据集,估计需要提取故障特征的维数;然后使用降噪自编码神经网络方法将高维故障信息映射到指定维数的数据空间,从中提取关键的故障特征,去除冗余信息;最后,以航空电子系统电源模块为例,采用新方法提取故障特征,分别通过将故障特征可视化和使用故障特征进行健康评估来验证其有效性。