本文關(guān)鍵詞：航空發(fā)動機(jī)性能評價(jià)與衰退預(yù)測方法研究

  更多相關(guān)文章： 性能衰退狀態(tài)評價(jià) 剩余壽命預(yù)測 預(yù)測區(qū)間估計(jì) 模糊規(guī)則模型 回聲狀態(tài)網(wǎng)絡(luò) 隨機(jī)森林模型

【摘要】：航空公司需保證航空發(fā)動機(jī)運(yùn)行的安全性與可靠性,且保證發(fā)動機(jī)維修的經(jīng)濟(jì)效益,航空發(fā)動機(jī)的性能評價(jià)與衰退預(yù)測可為上述決策提供技術(shù)支持。由于難以建立精確的物理模型,因此基于發(fā)動機(jī)監(jiān)控?cái)?shù)據(jù)的智能學(xué)習(xí)技術(shù)成為發(fā)動機(jī)性能評價(jià)與衰退預(yù)測的有效方法。發(fā)動機(jī)復(fù)雜的運(yùn)行工況與性能衰退過程對性能評價(jià)與衰退預(yù)測模型提出了挑戰(zhàn),而模型的正確性直接決定了維修決策的準(zhǔn)確性與經(jīng)濟(jì)性。目前,多工況多參數(shù)的性能評價(jià)是難點(diǎn)之一,對于衰退預(yù)測,發(fā)動機(jī)性能衰退中復(fù)雜的特性給預(yù)測模型帶來了較大困難,因此,研究航空發(fā)動機(jī)的性能評價(jià)與衰退預(yù)測方法具有重要意義。本文采用數(shù)據(jù)驅(qū)動的方法,針對航空發(fā)動機(jī)性能評價(jià)與衰退預(yù)測中的若干問題進(jìn)行了研究,包括性能衰退狀態(tài)評價(jià)、性能衰退狀態(tài)短期預(yù)測、性能參數(shù)短期預(yù)測、發(fā)動機(jī)剩余壽命預(yù)測、以及預(yù)測模型的不確定性評估。研究航空發(fā)動機(jī)的性能衰退狀態(tài)評價(jià)。針對航空發(fā)動機(jī)監(jiān)控參數(shù)眾多,關(guān)系復(fù)雜的特點(diǎn),提出了航空發(fā)動機(jī)監(jiān)控?cái)?shù)據(jù)的樹形表示方法,將眾多監(jiān)控參數(shù)按功用與隸屬關(guān)系進(jìn)行組織。為合理衡量監(jiān)控?cái)?shù)據(jù)的差異程度,定義了監(jiān)控?cái)?shù)據(jù)樹的距離,并通過證明,給出了其成為廣義距離的充分條件。使用該距離實(shí)現(xiàn)了基于模糊聚類的航空發(fā)動機(jī)性能衰退狀態(tài)評價(jià)方法,該方法與局部模型方法結(jié)合后可用于多工況下的發(fā)動機(jī)性能衰退狀態(tài)評價(jià)。研究航空發(fā)動機(jī)性能衰退狀態(tài)短期預(yù)測。針對傳統(tǒng)預(yù)測模型中未考慮發(fā)動機(jī)性能衰退的時(shí)間累積效應(yīng),以及未考慮性能衰退趨勢等問題,通過改進(jìn)Takagi-Sugeno模糊規(guī)則模型,建立了過程模糊規(guī)則(PFR)模型。模型的輸入與輸出均為連續(xù)函數(shù),分別考慮了發(fā)動機(jī)歷史性能衰退的時(shí)間累積效應(yīng)與未來變化趨勢。推導(dǎo)了PFR模型訓(xùn)練的解析解,進(jìn)而給出其快速參數(shù)辨識算法。PFR模型的訓(xùn)練無需迭代,提高了模型的效率與穩(wěn)定性。以發(fā)動機(jī)的歷史性能衰退序列為樣本訓(xùn)練PFR模型,進(jìn)而預(yù)測發(fā)動機(jī)未來的性能衰退狀態(tài),結(jié)果顯示PFR模型在發(fā)動機(jī)性能衰退狀態(tài)預(yù)測中準(zhǔn)確、穩(wěn)定且運(yùn)行高效。研究航空發(fā)動機(jī)性能參數(shù)的短期預(yù)測。針對航空發(fā)動機(jī)性能參數(shù)測量值受工況影響的問題,采用雙儲備池回聲狀態(tài)網(wǎng)絡(luò)(DRESN)模型預(yù)測發(fā)動機(jī)的性能參數(shù),將歷史性能參數(shù)變化以及工況參數(shù)結(jié)合后預(yù)測未來的性能參數(shù)值,有效的考慮了工況參數(shù)的影響。推導(dǎo)了DRESN模型參數(shù)的解析解,并應(yīng)用其進(jìn)行模型求解,提出了DRESN模型的快速訓(xùn)練算法,提高了性能參數(shù)預(yù)測的精度與效率。研究航空發(fā)動機(jī)的剩余壽命預(yù)測。為了提高發(fā)動機(jī)剩余壽命預(yù)測的精度,運(yùn)用基于實(shí)例推理方法,根據(jù)其流程,將集成學(xué)習(xí)模型與基于相似度的預(yù)測方法結(jié)合,提出了近鄰增強(qiáng)與雙層隨機(jī)森林模型。首先提出了近鄰增強(qiáng)方法,基于相似度尋找與當(dāng)前發(fā)動機(jī)相似的性能衰退模式,進(jìn)而調(diào)整訓(xùn)練樣本,使其側(cè)重于相似的衰退模式,然后提出了雙層模型,以提高隨機(jī)森林模型的預(yù)測精度,最后將二者結(jié)合后預(yù)測發(fā)動機(jī)的剩余壽命。研究航空發(fā)動機(jī)預(yù)測模型的預(yù)測區(qū)間估計(jì)。針對上述點(diǎn)預(yù)測模型結(jié)果存在不確定性的問題,采用了基于殘差聚類的預(yù)測區(qū)間估計(jì)方法。基于點(diǎn)預(yù)測模型預(yù)測結(jié)果的殘差,使用極端學(xué)習(xí)機(jī)分別構(gòu)建預(yù)測區(qū)間上限與下限的估計(jì)模型,進(jìn)而得到點(diǎn)預(yù)測模型的預(yù)測區(qū)間。本文的研究對于豐富航空發(fā)動機(jī)的性能評價(jià)與衰退預(yù)測方法體系有理論意義,對航空公司提高運(yùn)行可靠性有實(shí)用價(jià)值。同時(shí),本文的方法對其它復(fù)雜裝備的性能評價(jià)與衰退預(yù)測問題也有一定的適用性。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：V263.6
，

本文編號：1176495