發(fā)布時間：2017-10-14 12:00

  本文關(guān)鍵詞：基于無跡卡爾曼濾波算法的某民航發(fā)動機性能衰退分析

  更多相關(guān)文章： 性能評估 V2500-A5 氣路模型參數(shù) 混合遺傳算法 無跡卡爾曼濾波算法

【摘要】：評估民航發(fā)動機性能衰退有重要意義,不僅能夠提早發(fā)現(xiàn)電控、儀表等故障,預(yù)判航發(fā)可靠性以及性能走向,提高安全保障,而且還能夠減少航班延誤率,節(jié)省維修、燃油成本。此外,對于航發(fā)制造商而言,能夠?qū)⑿阅芩ネ四Ｐ鸵氲娇刂葡到y(tǒng)中,提高控制精度。因此,對航發(fā)的性能監(jiān)控必不可少。航空發(fā)動機性能監(jiān)視有多重技術(shù)。本文采用通過檢測氣路參數(shù)的變化情況來表征發(fā)動機性能變化。以安裝在A320上的V2500-A5發(fā)動機為例進行性能評估。首先建立發(fā)動機氣動熱力方程,并選擇風(fēng)扇效率、風(fēng)扇壓力損失、低壓壓氣機效率以及渦輪整體效率作為性能表征。然后根據(jù)氣動熱力模型對原始數(shù)據(jù)進行分類重組,最終提取出184組巡航數(shù)據(jù)。然后根據(jù)混合遺傳算法以及無跡卡爾曼濾波算法對上述參數(shù)進行跟蹤,并引入額外的提高精度的函數(shù)關(guān)系,最終得到參數(shù)在整個發(fā)動機在翼期間的變化情況。結(jié)果表明,發(fā)動機不同部件性能變化規(guī)律不同,在2000循環(huán)左右之前經(jīng)歷一次迅速的下降,下降幅度為10%以上;而從2000循環(huán)到6000循環(huán)之間,數(shù)值基本維持不變或者下降非常緩慢,大約在2%左右;而從6000循環(huán)之后,下降幅度速度非�？�,可以達到3%左右。發(fā)動機性能退化來自機械部件的退化,例如機匣、葉片與封嚴、渦輪進口熱變形以及因修理造成的機械損傷。因此,可以根據(jù)本文得到的衰退規(guī)律對發(fā)動機按需維修。
【關(guān)鍵詞】：性能評估 V2500-A5 氣路模型參數(shù) 混合遺傳算法 無跡卡爾曼濾波算法
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 航空發(fā)動機性能衰退分析背景和意義10-11
• 1.1.1 航空發(fā)動機性能衰退分析背景10
• 1.1.2 航空發(fā)動機性能衰退分析意義10-11
• 1.2 航空發(fā)動機性能監(jiān)控研究方法11-14
• 1.3 本文結(jié)構(gòu)14-16
• 第二章 性能評估算法分析16-28
• 2.1 遺傳算法16-22
• 2.1.1 簡介16
• 2.1.2 基本框架16-20
• 2.1.3 混合遺傳算法20-22
• 2.2 無跡卡爾曼濾波算法22-25
• 2.2.1 簡介22
• 2.2.2 無跡變換22-23
• 2.2.3 算法流程23-25
• 2.3 渦輪發(fā)動機參數(shù)修正算法25-27
• 2.4 總結(jié)27-28
• 第三章 算例流程及分析28-49
• 3.1 建立發(fā)動機模型28-30
• 3.2 算例流程30-31
• 3.3 數(shù)據(jù)預(yù)處理31-39
• 3.3.1 數(shù)據(jù)處理需求31-32
• 3.3.2 數(shù)據(jù)處理流程32-38
• 3.3.3 氣體絕熱常數(shù)計算38-39
• 3.4 遺傳算法設(shè)計39-41
• 3.5 UKF算法設(shè)計41-42
• 3.6 發(fā)動機參數(shù)修正計算42-43
• 3.7 提高計算精度設(shè)計43-48
• 3.7.1 UKF精度提高設(shè)計43-44
• 3.7.2 N1-EPR擬合關(guān)系式44-46
• 3.7.3 fuelflow-EPR關(guān)系46-48
• 3.8 總結(jié)48-49
• 第四章 結(jié)果分析49-56
• 4.1 混合遺傳算法結(jié)果分析49-51
• 4.2 UKF算法結(jié)果分析51-53
• 4.3 誤差分析53-54
• 4.4 航空發(fā)動機性能衰退原因分析及成本改進建議54-56
• 第五章 總結(jié)及期望56-58
• 5.1 全文總結(jié)56
• 5.2 待改進的工作56-58
• 參考文獻58-61
• 致謝61-62
• 附錄62-72
• 1. 改進前狀態(tài)和觀測系數(shù)矩陣62-66
• 2. 改進后狀態(tài)和觀測系數(shù)矩陣66-70
• 3. EPR和N1擬合關(guān)系式70-71
• 4. EPR和fuel flow擬合關(guān)系式71-72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當(dāng)前”模型的改進卡爾曼濾波算法[J];山東大學(xué)學(xué)報(工學(xué)版);2012年05期

2 張哲;陳德樹;;卡爾曼濾波算法與富氏算法的分析比較[J];電力系統(tǒng)自動化;1990年04期

3 萬建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測定位技術(shù)[J];國防科技參考;1997年04期

4 夏建濤,任震,陳立,景占榮;極坐標(biāo)下卡爾曼濾波算法的研究[J];西北工業(yè)大學(xué)學(xué)報;2000年03期

5 高磊,崔鑫水;一種自適應(yīng)協(xié)方差矩陣旋轉(zhuǎn)變換卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年03期

6 高磊;一種反饋修正推廣卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年05期

7 劉劍鋒;莊志洪;劉中;;卡爾曼濾波算法在最佳起爆角估計中的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報;2005年S1期

8 阮建國;陳炯;;一種適于快速實現(xiàn)的卡爾曼濾波算法的改進[J];電測與儀表;2009年02期

9 陳陌寒;巴曉輝;何璐;陳杰;;復(fù)雜信號環(huán)境下的魯棒卡爾曼濾波算法[J];科學(xué)技術(shù)與工程;2011年17期

10 李莉;宋志強;;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法在雷達數(shù)據(jù)融合中的應(yīng)用[J];儀器儀表用戶;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

2 周紅波;耿伯英;;基于目標(biāo)跟蹤的無偏轉(zhuǎn)換測量卡爾曼濾波算法研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準;;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 曾翠娟;杜傳利;;動態(tài)GPS自適應(yīng)卡爾曼濾波算法的FPGA實現(xiàn)[A];第13屆全國計算機、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應(yīng)平方根無跡卡爾曼濾波算法[A];2009年中國智能自動化會議論文集（第八分冊）[控制理論與應(yīng)用（�？[C];2009年

7 程慧俐;王紀文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標(biāo)運動分析的自適應(yīng)擴展卡爾曼濾波算法[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

9 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 孫景榮;X射線脈沖星導(dǎo)航及其增強方法研究[D];西安電子科技大學(xué);2014年

2 葛磊;容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 馮波;線性濾波估計算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

4 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

5 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 龐瀛洲;關(guān)于電池BMS系統(tǒng)SOC估測算法的研究[D];長安大學(xué);2015年

2 張冬梅;基于改進卡爾曼濾波算法的SOC估計方法研究[D];西南交通大學(xué);2015年

3 林燕平;長基線導(dǎo)航系統(tǒng)濾波算法的研究與實現(xiàn)[D];沈陽理工大學(xué);2015年

4 唐鵬;基于ADS-B數(shù)據(jù)監(jiān)視性能評估技術(shù)研究[D];中國民航大學(xué);2015年

5 陳辰;基于卡爾曼濾波算法的短期風(fēng)電功率預(yù)測[D];新疆大學(xué);2015年

6 馬康健;基于分布式共識的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

7 周暄承;可穿戴計算中能效提高策略研究[D];南京郵電大學(xué);2016年

8 杜振新;基于無跡卡爾曼濾波算法的動力電池剩余電量估算[D];長安大學(xué);2016年

9 張弛;基于無跡卡爾曼濾波算法的某民航發(fā)動機性能衰退分析[D];中國民航大學(xué);2016年

10 徐紅珍;基于粒子群的卡爾曼濾波算法改進和優(yōu)化[D];武漢理工大學(xué);2013年

，

本文編號：1030906