在當今競爭激烈的商業(yè)世界中,提高機械設備或加工設備利潤率的一種方法是在提高生產(chǎn)率的同時減少操作和維護費用。發(fā)動機是飛機和工業(yè)應用中最昂貴的設備之一,可靠性和可用性是最理想的兩個屬性。在過去的幾十年里,全球在發(fā)動機的運行和維護上投入了數(shù)萬億美元。然而,由于它們在快速增長的行業(yè)中不斷上升的地位,在可預見的未來,市場趨勢仍將持續(xù)。因此,開發(fā)并實施更加強大、高效、靈活的維護策略是必然趨勢。目前,雖然航空發(fā)動機的維護方式正在由周期檢修、定時維護的模式向及時修復、提前的數(shù)據(jù)處理及故障診斷、智能算法及故障分析的數(shù)字化維修模式邁進。但是,即使實現(xiàn)這樣的數(shù)字化維修也只是一種被動模式下的維修。隨著相關技術的發(fā)展,智能維護必將成為繼數(shù)字化維修之后新的發(fā)展趨勢。智能維護作為一種新的維修理念,現(xiàn)在只是剛剛起步,研究也只是剛剛開始。但它作為未來航空發(fā)動機健康管理的發(fā)展方向?qū)⒉粫淖儭Ｄ壳拔覈鴮υ摷夹g的研究仍處于起步階段,相關研究不是很成熟,本課題即圍繞智能維護的主要技術（發(fā)動機性能衰退趨勢預測與維修決策研究）展開。氣路系統(tǒng)作為發(fā)動機核心結構,其重要性不言而喻,因此本文以氣路部件作為研究對象,開展了如下工作:首先,... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：138 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 問題分析
    1.3 發(fā)動機性能退化狀態(tài)評價、預測及維修策略研究現(xiàn)狀
        1.3.1 發(fā)動機狀態(tài)評價研究現(xiàn)狀
        1.3.2 發(fā)動機性能退化預測研究現(xiàn)狀
        1.3.3 發(fā)動機維修策略研究現(xiàn)狀
    1.4 課題研究內(nèi)容
        1.4.1 發(fā)動機模型的構建及性能退化仿真研究
        1.4.2 發(fā)動機性能退化傳播仿真與健康狀態(tài)評價方法研究
        1.4.3 發(fā)動機性能衰退狀態(tài)短期預測
        1.4.4 發(fā)動機剩余壽命預測
        1.4.5 基于運行成本最優(yōu)化的維護策略
第2章 發(fā)動機模型建立及性能退化仿真
    2.1 引言
    2.2 小涵道比渦扇發(fā)動機各部件模型分析
        2.2.1 大氣模型的建立
        2.2.2 進氣道部件模型的建立
        2.2.3 風扇部件模型的建立
        2.2.4 壓氣機模型的建立
        2.2.5 燃燒室放熱模型的建立
        2.2.6 高壓渦輪部件模型的建立
        2.2.7 低壓渦輪部件模型的建立
        2.2.8 轉軸模型的建立
        2.2.9 尾噴管部件模型的建立
        2.2.10 反推裝置計算模型的建立
        2.2.11 容腔效應模型
    2.3 發(fā)動機性能退化機理及影響分析
    2.4 發(fā)動機性能退化建模
        2.4.1 發(fā)動機性能退化建模介紹
        2.4.2 氣路部件性能參數(shù)
        2.4.3 發(fā)動機性能退化仿真模型的搭建
    2.5 發(fā)動機性能退化仿真分析
    2.6 本章小結
第3章 發(fā)動機性能退化傳播仿真與健康狀態(tài)評價方法研究
    3.1 引言
    3.2 發(fā)動機退化傳播建模方法及仿真分析
        3.2.1 發(fā)動機性能退化傳播建模方法
        3.2.2 發(fā)動機性能退化傳播仿真分析
    3.3 基于因子分析的發(fā)動機性能衰退狀態(tài)評價方法
    3.4 本章小結
第4章 基于遷移式的長短時記憶網(wǎng)絡發(fā)動機性能衰退狀態(tài)短期預測
    4.1 引言
    4.2 發(fā)動機性能衰退狀態(tài)預測問題分析
    4.3 遷移式LSTM算法介紹
        4.3.1 基于網(wǎng)絡的深度遷移學習
        4.3.2 長短時記憶網(wǎng)絡(LSTM)
    4.4 發(fā)動機性能衰退狀態(tài)短期預測實例
        4.4.1 基于遷移式LSTM模型建立
        4.4.2 結果分析
    4.5 本章小結
第5章 基于相似性的高斯過程回歸的發(fā)動機剩余壽命預測
    5.1 引言
    5.2 發(fā)動機剩余壽命預測問題分析
    5.3 發(fā)動機氣路性能退化模式識別
    5.4 基于相似性的高斯過程回歸預測算法介紹
        5.4.1 動態(tài)時間歸整算法
        5.4.2 高斯過程回歸預測模型
        5.4.3 基于相似性的高斯過程回歸預測模型建立
    5.5 發(fā)動機剩余壽命預測預測實例
        5.5.1 基于相似性的高斯過程回歸預測過程
        5.5.2 結果分析
    5.6 本章小結
第6章 基于運行成本最優(yōu)化的動態(tài)非周期性自適應維護策略
    6.1 引言
    6.2 建立不同維修等級下的發(fā)動機狀態(tài)回退模型
        6.2.1 維修等級的劃分
        6.2.2 建立不同維修等級的狀態(tài)回退模型
    6.3 基于單位時間運行成本最小化的維修決策策略
        6.3.1 發(fā)動機健康狀態(tài)等級劃分
        6.3.2 基于單位時間運行成本最小化的維修決策策略
    6.4 粒子群優(yōu)化算法的發(fā)動機最佳維護時間求解方法
    6.5 基于單位時間運行成本最小化的發(fā)動機維修決策算例分析
    6.6 本章小結
結論
參考文獻
攻讀碩士期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]基于地層成分和鉆進參數(shù)的鉆速預測模型[J]. 熊虎林,李謙.  探礦工程(巖土鉆掘工程). 2018(10)
[2]燃氣輪機性能監(jiān)測診斷技術研究綜述[J]. 劉嬌,劉金福,于達仁.  燃氣輪機技術. 2017(04)
[3]基于支持向量機的發(fā)動機性能衰退指標分類和預測[J]. 李冬,黃帥,曹明川.  燃氣渦輪試驗與研究. 2012(03)
[4]民航發(fā)動機的性能參數(shù)選擇及其排隊規(guī)則[J]. 李永平,陳閔葉,張興媛.  上海工程技術大學學報. 2006(02)
[5]基于遺傳算法的發(fā)動機性能監(jiān)控與故障診斷[J]. 胡金海,謝壽生.  推進技術. 2003(03)

博士論文
[1]航空發(fā)動機性能評價與衰退預測方法研究[D]. 謝曉龍.哈爾濱工業(yè)大學 2016
[2]含供氣環(huán)節(jié)的重型燃氣輪機仿真及性能退化預估[D]. 孟成.上海交通大學 2015
[3]面向單元體的航空發(fā)動機健康狀態(tài)評估與預測方法研究[D]. 孫見忠.南京航空航天大學 2012
[4]民航發(fā)動機健康管理中的壽命預測與維修決策方法研究[D]. 戎翔.南京航空航天大學 2008

碩士論文
[1]基于統(tǒng)計學的維修決策及其在航空發(fā)動機系統(tǒng)中的應用[D]. 高劍偉.哈爾濱工業(yè)大學 2018
[2]航空發(fā)動機退化狀態(tài)參數(shù)估計與控制技術研究[D]. 徐田鎮(zhèn).南京航空航天大學 2017
[3]融合先驗知識的燃氣輪機欠定氣路故障診斷方法研究[D]. 蔡鼎.哈爾濱工業(yè)大學 2015
[4]基于健康狀態(tài)的重型裝備維修計劃決策與系統(tǒng)研發(fā)[D]. 王芳.哈爾濱工業(yè)大學 2015
[5]航空發(fā)動機氣路部件退化仿真及健康評估[D]. 李潤國.電子科技大學 2015
[6]基于離散工作點集擴維的燃氣輪機故障診斷方法研究[D]. 邢媛.哈爾濱工業(yè)大學 2013
[7]基于神經(jīng)網(wǎng)絡的非線性系統(tǒng)時間序列的預測方法研究[D]. 牛家洋.山東師范大學 2013
[8]民航發(fā)動機性能監(jiān)控和預測方法研究[D]. 常繼百.南京航空航天大學 2004



本文編號：3199788