首页>
根据【检索词:预加水】搜索到相关结果 5 条
-
考虑起飞工况的航空发动机性能退化预测研究
-
作者:
赵洪利
许博文
张青
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
非线性维纳
局部线性嵌入算法
性能退化
工况修正
-
描述:
针对现阶段航空发动机性能退化建模研究没有考虑起飞工况的影响问题,提出了基于修正的非线性维纳过程发动机性能退化建模方法。该方法结合了同类型号发动机的历史性能退化数据与个体发动机的实时退化和工况数据。首先,考虑发动机每次起飞的工况不同,把工况修正引入非线性维纳过程建立发动机的性能退化模型。然后利用极大似然估计方法求得退化模型离线估计值,基于贝叶斯理论对退化参数进行在线更新,最后基于局部线性嵌入算法,对工况参数进行融合构建工况因子,修正退化参数,实现了基于起飞工况的单台发动机性能退化预测。结果表明,采用融合工况因子修正模型,与未修正和压比修正模型相比,平均绝对百分比误差分别降低1.50%和1.01%。证明融合工况因子修正模型能降低发动机起飞工况差异和仅用单工况参数修正所造成的预测误差,可以用来辅助指导下发决策。
-
航空发动机滑油回油管内的流型识别及含气率预测研究
-
作者:
李澍
胡剑平
谭逸
朱鹏飞
吕亚国
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
回油管
分布系数修正
压力特征
润滑系统
流型识别
含气率预测
-
描述:
发动机润滑系统回油管内油气两相介质的流动特性直接影响系统中回油泵及散热器的工作特性。为辨别回油管内油气两相流流型和建立含气率预测关系式,本文搭建了模拟轴承腔回油管流动的实验系统,并依据涡轴发动机回油量及油气比完成了700组不同工况的实验测试。实验空气与滑油流量范围分别为10~200SL/min与6~37L/min。文章对实验范围内的管内流型进行了判别,并修正了含气率的预测模型。首先对两种极限工况的压力信号的时序特征、概率密度函数和傅里叶变换进行分析,判定其流型为分层流和弹状流。将流型结果与Mandhane流型图进行对比,显示Mandhane流型图并不能准确预测回油管内的油气两相流流型。其次利用含气率经验关系式进行含气率预测,发现Massena预测模型预测的含气率与实验值更接近,预测结果更准确。分层流的含气率在50%以下,而弹状流的含气率在50%以上。最后根据流型对Nicklin经验关系式进行修正,得到分层流和弹状流对应的分布系数分别为0.848和0.919。
-
基于降维和随机森林的航空发动机涡轮盘应力预测
-
作者:
徐敬沛
王学民
卿华
何云
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
主成分分析
降维
随机森林
涡轮盘
寿命管理
-
描述:
为了给发动机涡轮盘寿命管理提供有效的数据输入及后续工程应用提供依据,基于统计学习和机器学习方法,提出基于降维和随机森林的航空发动机涡轮盘应力预测模型,以发动机可测参数作为初始特征,通过相关性分析、主成分分析与聚类分析,实现了对总体参数样本的降维,并提取出主控因素,再利用随机森林算法建立航空发动机涡轮盘应力预测模型。结果表明:该方法预测精度比未降维的随机森林模型更高,判定系数R2达到0.985以上,证明该方法对航空发动机涡轮盘应力预测是有效的,对航空发动机寿命管理的技术支撑有重要意义。
-
基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测
-
作者:
李振环
王海
丁小飞
刘太秋
王春华
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
RBF神经网络
空气系统
瞬态壁温预测
多维重构
-
描述:
数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。
-
基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测
-
作者:
李浩
王卓健
李哲
陈煊
李园
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
寿命预测
深度学习
预测模型
数据融合
-
描述:
针对现有航空发动机剩余寿命预测大多基于单点预测模式,不能准确给出预测结果置信区间的问题,提出了一种基于堆栈自编码器结合DeepAR模型的概率分布预测模型。首先,堆栈自编码器通过无监督式深度学习对发动机监测数据进行特征提取,构建反映性能退化的健康指标(HI),基于双向长短期记忆(BiLSTM)网络构建DeepAR预测模型,将提取后的HI序列输入到DeepAR模型中,预测模型对HI序列与使用时间的隐含关系进行全局学习,并输出发动机剩余寿命的概率分布参数。利用CMPASS涡扇发动机退化数据集进行实验,验证所提方法的有效性。结果表明,本文所提预测方法同其他方法相比,对监测数据融合的效果更好,预测模型性能提高6.4%,实际剩余寿命基本在95%置信区间内。