【摘要】：21世紀(jì)以來,基于數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)以前所未有的勢頭在國內(nèi)外得到了十分迅速的發(fā)展,很快受到來自政府、學(xué)術(shù)和工業(yè)界的高度重視,并在航空航天、機(jī)械、電子、船舶、汽車等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。航空發(fā)動機(jī)故障是構(gòu)成飛機(jī)安全飛行事故的主要威脅之一。作為航空發(fā)動中最主要的一種,渦扇發(fā)動機(jī)由于其復(fù)雜的工作機(jī)理、頻繁變化的狀態(tài)以及系統(tǒng)結(jié)構(gòu)的復(fù)合性,使得發(fā)動機(jī)的故障機(jī)理和故障模型也多種多樣。而對渦扇發(fā)動機(jī)所發(fā)生故障進(jìn)行預(yù)測研究,對于保證飛行安全和降低飛機(jī)維護(hù)費(fèi)用具有重要的意義。鑒于此,本文擬沿著“渦扇發(fā)動機(jī)特性及故障分析—故障特征信息提取—故障模式識別和故障發(fā)生診斷—剩余使用壽命預(yù)測”的邏輯主線進(jìn)行研究。主要研究內(nèi)容如下:概況分析了渦扇發(fā)動機(jī)的研究背景,并闡述了本文的理論意義和實(shí)際意義。進(jìn)一步從剩余使用壽命預(yù)測、故障識別診斷以及渦扇發(fā)動機(jī)故障預(yù)測3個(gè)角度對國內(nèi)外現(xiàn)有研究成果進(jìn)行了總結(jié)歸納和文獻(xiàn)評述。具體分析了渦扇發(fā)動機(jī)的相關(guān)特性、主要分類以及結(jié)構(gòu)和各部件功能,進(jìn)而總結(jié)了故障模式和故障診斷基本原理,對故障發(fā)生的主要參數(shù)進(jìn)行了歸納。為提高預(yù)測運(yùn)算效率和精度,綜合使用Denoising Auto-Encode、StandardScaler以及KPCA對原始數(shù)據(jù)樣本進(jìn)行了降噪、無量綱化和降維。構(gòu)建了CDT-RF模型,并應(yīng)用于渦扇發(fā)動機(jī)故障模式識別和故障發(fā)生診斷的預(yù)測實(shí)證中。相較于RF模型,提高了對連續(xù)型數(shù)值的處理性能,具有更高的準(zhǔn)確率和穩(wěn)定性。利用GridSearch-NI優(yōu)化了LSTM算法,應(yīng)用于渦扇發(fā)動機(jī)剩余使用壽命預(yù)測實(shí)證。通過對比實(shí)驗(yàn)得出,所構(gòu)建模型在把握時(shí)序數(shù)據(jù)特性的同時(shí),避免了陷入梯度消失,對于渦扇發(fā)動機(jī)剩余使用壽命預(yù)測具有更優(yōu)異的預(yù)測準(zhǔn)確性。
【圖文】：

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文同時(shí)在機(jī)械學(xué)、建筑學(xué)、材料學(xué)、環(huán)境學(xué)等領(lǐng)域的應(yīng)用場景，剩余使用壽命具體是指機(jī)械系統(tǒng)或某個(gè)設(shè)備部件從某一運(yùn)部件失效時(shí)刻 t2的時(shí)間長度。而在其運(yùn)行過程中，部件的運(yùn)人員操作等各方面的因素也在無時(shí)無刻隨機(jī)地對剩余使用壽命也隨著不斷改變。中，從預(yù)測方法出發(fā)，大多數(shù)研究學(xué)者將剩余使用壽命的相基于物理模型預(yù)測方法的研究和基于數(shù)據(jù)驅(qū)動預(yù)測方法的研動力學(xué)、材料科學(xué)等相關(guān)專業(yè)知識構(gòu)建精確的模型并展開實(shí)碎裂力學(xué)、阻抗系數(shù)電學(xué)實(shí)驗(yàn)等；而后者主要建立在具有少上，以傳感器等相關(guān)部件所得監(jiān)測、上傳數(shù)據(jù)為基礎(chǔ)，應(yīng)用分析方法挖掘數(shù)據(jù)樣本中所隱含的關(guān)鍵信息，進(jìn)而構(gòu)建數(shù)學(xué)模網(wǎng)絡(luò)，支持向量回歸等。

圖 1.2 研究方法導(dǎo)向的故障識別診斷研究現(xiàn)狀2 Research status of fault recognition and diagnosis on metho及相關(guān)及其相關(guān)改進(jìn)算法在處理線性相關(guān)以及非線性相學(xué)者紛紛構(gòu)建各類神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障的識別診斷。unluo 等[24]為實(shí)現(xiàn)更準(zhǔn)確可靠的診斷傳感器故障，提EEMD)和概率神經(jīng)網(wǎng)絡(luò)(PNN)的故障診斷方法。Y法的配電網(wǎng)故障診斷的精確屬性約簡和減值方法educe 編程模型實(shí)現(xiàn)算法并運(yùn)行。Tian 等[26]針對滾于局部平均分解(LMD) -奇異值分解(SVD)的極限en 等[27]針對滾動軸承故障的診斷問題，分別設(shè)計(jì)了習(xí)算法，選擇深度波爾茨曼機(jī)、深度信念網(wǎng)絡(luò)以及柳松[28]基于 WSN 網(wǎng)絡(luò)采集數(shù)據(jù)，，并分別提出隨機(jī)
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V235.13;V263.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王常虹;董漢成;凌明祥;李清華;;基于DS數(shù)據(jù)融合與SVR-PF的鋰離子電池RUL預(yù)測方法[J];東北石油大學(xué)學(xué)報(bào);2015年04期

2 張旭剛;張華;江志剛;;基于剩余使用壽命評估的再制造方案決策模型及應(yīng)用[J];機(jī)械工程學(xué)報(bào);2013年07期

3 武兵;林健;熊曉燕;;基于支持向量回歸的多參數(shù)設(shè)備故障預(yù)測方法[J];振動.測試與診斷;2012年05期

4 陸中函;馬建倉;;仿生小波變換在飛機(jī)發(fā)動機(jī)故障診斷中的應(yīng)用[J];電子設(shè)計(jì)工程;2012年07期

5 趙尚傳,趙國藩,貢金鑫;在役混凝土結(jié)構(gòu)最優(yōu)剩余使用壽命預(yù)測[J];大連理工大學(xué)學(xué)報(bào);2002年01期

本文編號：2637171