航空發(fā)動機由于結(jié)構(gòu)復雜、工作環(huán)境嚴酷,容易發(fā)生故障導致災難性事故的發(fā)生,因此通過科學有效的方法對發(fā)動機的性能進行分析與建模,預測它的剩余使用壽命,預防和減少災難性事故的發(fā)生,具有重要的意義。本文從數(shù)據(jù)驅(qū)動的角度對航空發(fā)動機余壽預測方法進行了相關的研究,分別從單調(diào)性能退化與非線性性能退化兩方面研究發(fā)動機的性能退化問題。本文主要工作和創(chuàng)新點如下:(1)針對傳統(tǒng)余壽預測方法對先驗知識的要求較高,且適用性較差的問題,使用基于軌跡相似性的預測方法和支持向量回歸機算法來預測發(fā)動機的剩余使用壽命,同時為解決支持向量回歸機的參數(shù)設置問題,引入了差分進化算法優(yōu)化目標函數(shù),減少主觀因素的影響,提高算法的預測精度。(2)單一預測算法由于自身結(jié)構(gòu)以及模型參數(shù)的限制,對于不同退化程度下的航空發(fā)動機預測精度不一,難以保障準確性。為了解決這一問題,本文提出了一種集成預測模型。該模型結(jié)合了基于軌跡相似性的預測方法與基于差分進化算法的支持向量回歸機這兩種算法的優(yōu)點,采用集成學習中的提升方法,將兩個預測算法進行有機地融合,實驗表明,集成預測模型相比于國內(nèi)外其他同類型算法具有更高的預測準確率。(3)針對傳統(tǒng)方法在預測具有非線性退化趨勢的發(fā)動機剩余使用壽命時需要預設發(fā)動機退化分布函數(shù)和方法適用性不高的問題,本文使用深度學習算法對發(fā)動機進行余壽預測,挖掘發(fā)動機性能監(jiān)測數(shù)據(jù)中存在的潛在規(guī)律。針對航空發(fā)動機的數(shù)據(jù)時序性強的特點,采用循環(huán)神經(jīng)網(wǎng)絡進行預測,采用長短時記憶循環(huán)神經(jīng)網(wǎng)絡克服傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡中存在的梯度消失問題,并在該網(wǎng)絡上進行改進,解決了其在回歸任務中預測精度不高的問題,使其能夠準確地預測航空發(fā)動機的剩余使用壽命。采用C-MAPSS數(shù)據(jù)的實驗證明,該模型具有較高的余壽預測精度。
【學位單位】：南京航空航天大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：V263.5
【部分圖文】：

模型通過模擬風扇（Fan）、低壓壓氣機（LPC）、高壓壓氣機（HPC）、高壓渦輪（HPT）、低壓渦輪（LPT）這五個部件的退化過程，來獲取發(fā)動機逐個時刻的性能退化數(shù)據(jù)。圖3.5表示的是發(fā)動機仿真模型結(jié)構(gòu)圖，圖3.6展示了發(fā)動機仿真模型中動力生成示意圖。

【參考文獻】

相關期刊論文 前9條

1 劉君強;謝吉偉;左洪福;張馬蘭;;基于隨機Wiener過程的航空發(fā)動機剩余壽命預測[J];航空學報;2015年02期

2 付旭云;鐘詩勝;張慕楠;;一種改進的航空發(fā)動機剩余壽命預測方法[J];哈爾濱工業(yè)大學學報;2013年05期

3 秦麗曄;吳素君;趙海濤;劉穎;;航空發(fā)動機機匣損傷容限評估及剩余壽命預測[J];北京航空航天大學學報;2011年07期

4 錢征文;程禮;趙兵兵;李應紅;;基于BP神經(jīng)網(wǎng)絡的葉片損傷度評估方法[J];航空動力學報;2011年04期

5 任淑紅;左洪福;;基于性能衰退的航空發(fā)動機剩余壽命組合預測方法[J];機械科學與技術;2011年01期

6 任淑紅;左洪福;白芳;;基于帶漂移的布朗運動的民用航空發(fā)動機實時性能可靠性預測[J];航空動力學報;2009年12期

7 張寶珍;;國外綜合診斷、預測與健康管理技術的發(fā)展及應用[J];計算機測量與控制;2008年05期

8 曾聲奎,Michael G.Pecht,吳際;故障預測與健康管理(PHM)技術的現(xiàn)狀與發(fā)展[J];航空學報;2005年05期

9 尉詢楷,李應紅,張樸,路建明;基于支持向量機的時間序列預測模型分析與應用[J];系統(tǒng)工程與電子技術;2005年03期

本文編號：2812568