本文關(guān)鍵詞：基于氣路性能參數(shù)的航空發(fā)動(dòng)機(jī)故障診斷方法研究

  更多相關(guān)文章： 相對(duì)梯度 趨勢(shì)分析 神經(jīng)網(wǎng)絡(luò) 加權(quán)D-S證據(jù)理論 故障診斷

【摘要】：航空發(fā)動(dòng)機(jī)是一個(gè)復(fù)雜的系統(tǒng)工程,任何故障都會(huì)對(duì)飛行造成不良影響,甚至?xí)䦟?dǎo)致災(zāi)難性事故。我國使用的航空發(fā)動(dòng)機(jī)大多由國外發(fā)動(dòng)機(jī)廠家制造,雖然提供了手冊(cè),但是對(duì)安全保障的核心技術(shù)方法仍對(duì)航空公司封鎖。為突破此“瓶頸”,挖掘可以用于航空發(fā)動(dòng)機(jī)故障診斷的方法顯得尤為重要。本文針對(duì)民航發(fā)動(dòng)機(jī)故障診斷開展了如下研究工作。首先,本文研究了基于性能參數(shù)相對(duì)梯度的發(fā)動(dòng)機(jī)故障診斷方法。通過分析原始設(shè)備制造商(Original Equipment Manufacture,OEM)提供的客戶通知報(bào)告(Customer Notification Report,CNR)可以判斷OEM廠家是采用性能參數(shù)變化趨勢(shì)進(jìn)行故障診斷。為獲取故障診斷的性能參數(shù)變化量,本文建立了發(fā)動(dòng)機(jī)氣路參數(shù)相對(duì)梯度數(shù)學(xué)模型,通過大量飛行循環(huán)性能參數(shù)相對(duì)梯度的試驗(yàn)分析,得到了基于給定正常飛行循環(huán)的性能參數(shù)相對(duì)梯度安全閾值。本文利用排氣溫度指示故障(EGT_F)、進(jìn)口總溫指示故障(TAT_F)和可調(diào)放氣活門故障(VBV_F)對(duì)相對(duì)梯度安全閾值進(jìn)行了驗(yàn)證,結(jié)果證明了該方法對(duì)故障點(diǎn)判別的準(zhǔn)確性。然后,本文研究了基于多性能參數(shù)趨勢(shì)分析的發(fā)動(dòng)機(jī)故障診斷方法�？紤]到發(fā)動(dòng)機(jī)性能參數(shù)具有時(shí)序性,本文利用神經(jīng)網(wǎng)絡(luò)模型具有的高度非線性逼近性能對(duì)發(fā)動(dòng)機(jī)氣路性能參數(shù)進(jìn)行學(xué)習(xí),將性能變化趨勢(shì)映射為[-1,1]之間的趨勢(shì)評(píng)估值,將待診斷樣本與故障樣本趨的勢(shì)評(píng)估值進(jìn)行對(duì)比獲得故障診斷結(jié)果。本文進(jìn)行了兩種趨勢(shì)評(píng)估值學(xué)習(xí)方法研究:將性能參數(shù)時(shí)序樣本直接作為神經(jīng)網(wǎng)絡(luò)輸入;將時(shí)序樣本進(jìn)行擬合后獲得的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入。將兩種方法分別應(yīng)用于發(fā)動(dòng)機(jī)的特定故障判別和多故障分類中,結(jié)果證明這兩種方法在故障判別和多故障分類方面具有較高的準(zhǔn)確性。最后,本文研究了一種基于加權(quán)D-S證據(jù)融合的發(fā)動(dòng)機(jī)故障診斷方法。通過確定證據(jù)體及上述兩種方法:相對(duì)梯度法和性能趨勢(shì)分析法的基本概率分配,利用改進(jìn)的證據(jù)理論求解其加權(quán)概率分配、多證據(jù)體聯(lián)合作用下的信度區(qū)間及不確定度,將上述兩種故障診斷方法的診斷結(jié)果進(jìn)行融合判決。通過故障診斷實(shí)例證明了利用該方法進(jìn)行發(fā)動(dòng)機(jī)故障診斷的準(zhǔn)確率得到了顯著提高。
【關(guān)鍵詞】：相對(duì)梯度 趨勢(shì)分析 神經(jīng)網(wǎng)絡(luò) 加權(quán)D-S證據(jù)理論 故障診斷
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V263.6
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-17
• 1.1 課題來源9
• 1.2 課題研究的背景和意義9-10
• 1.2.1 課題研究背景9
• 1.2.2 課題研究意義9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-14
• 1.3.1 航空發(fā)動(dòng)機(jī)氣路故障診斷方法研究10-12
• 1.3.2 基于閾值的故障診斷方法研究12-13
• 1.3.3 多源信息融合故障診斷方法研究13-14
• 1.4 國內(nèi)外研究綜述分析14-15
• 1.5 本文主要研究內(nèi)容15-17
• 第2章 基于性能參數(shù)相對(duì)梯度的發(fā)動(dòng)機(jī)故障診斷17-38
• 2.1 引言17
• 2.2 發(fā)動(dòng)機(jī)氣路故障分類及指征參數(shù)分析17-25
• 2.2.1 飛機(jī)發(fā)動(dòng)機(jī)故障診斷研究分類17-18
• 2.2.2 飛機(jī)發(fā)動(dòng)機(jī)氣路故障指征參數(shù)分析18-25
• 2.3 基于性能參數(shù)相對(duì)梯度的故障診斷方法25-35
• 2.3.1 飛機(jī)發(fā)動(dòng)機(jī)氣路參數(shù)相對(duì)梯度建模25-30
• 2.3.2 基于性能參數(shù)相對(duì)梯度的故障診斷閾值學(xué)習(xí)30-35
• 2.4 基于性能參數(shù)相對(duì)梯度的故障診斷方法驗(yàn)證35-37
• 2.4.1 進(jìn)口總溫指示故障驗(yàn)證35-36
• 2.4.2 可調(diào)放氣活門故障驗(yàn)證36-37
• 2.5 本章小結(jié)37-38
• 第3章 基于多性能參數(shù)趨勢(shì)分析的發(fā)動(dòng)機(jī)故障診斷38-58
• 3.1 引言38
• 3.2 基于發(fā)動(dòng)機(jī)氣路參數(shù)離散變化趨勢(shì)的故障診斷方法38-42
• 3.2.1 氣路參數(shù)趨勢(shì)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入輸出設(shè)計(jì)39-40
• 3.2.2 氣路參數(shù)趨勢(shì)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)40-42
• 3.3 基于發(fā)動(dòng)機(jī)氣路參數(shù)趨勢(shì)擬合的故障診斷方法42-48
• 3.3.1 氣路參數(shù)趨勢(shì)擬合方法研究43-46
• 3.3.2 基于氣路參數(shù)趨勢(shì)擬合的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)46-47
• 3.3.3 基于氣路參數(shù)趨勢(shì)擬合的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)47-48
• 3.4 基于多性能參數(shù)趨勢(shì)分析的故障診斷方法驗(yàn)證48-57
• 3.4.1 基于發(fā)動(dòng)機(jī)氣路參數(shù)的特定故障判別48-53
• 3.4.2 基于發(fā)動(dòng)機(jī)氣路參數(shù)的多故障分類53-57
• 3.5 本章小結(jié)57-58
• 第4章 基于加權(quán)D-S證據(jù)融合的發(fā)動(dòng)機(jī)故障診斷方法58-77
• 4.1 引言58-59
• 4.2 基礎(chǔ)診斷模塊59-64
• 4.2.1 RGOPP故障診斷基本概率分配59-64
• 4.2.2 DVTOPP故障診斷基本概率分配64
• 4.3 基于加權(quán)D-S證據(jù)理論的融合決策診斷64-71
• 4.3.1 改進(jìn)的加權(quán)證據(jù)理論67-68
• 4.3.2 加權(quán)證據(jù)理論的融合故障診斷68-71
• 4.4 加權(quán)融合故障診斷方法驗(yàn)證71-76
• 4.5 本章小結(jié)76-77
• 結(jié)論77-78
• 參考文獻(xiàn)78-82
• 攻讀碩士學(xué)位期間發(fā)表的論文82-84
• 致謝84

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李·安·泰格梅爾 ,成磊;發(fā)動(dòng)機(jī)故障診斷技術(shù)的拓展應(yīng)用[J];航空維修與工程;2005年01期

2 李華強(qiáng);費(fèi)逸偉;;航空發(fā)動(dòng)機(jī)故障診斷技術(shù)及其發(fā)展[J];航空維修與工程;2007年05期

3 林志強(qiáng);;汽車發(fā)動(dòng)機(jī)故障診斷技術(shù)研究現(xiàn)狀與趨勢(shì)分析[J];黑龍江交通科技;2011年06期

4 楊小勇;陳建文;龔玉霞;;發(fā)動(dòng)機(jī)故障診斷技術(shù)分析研究[J];汽車零部件;2012年06期

5 黃軍;電噴發(fā)動(dòng)機(jī)故障診斷2例[J];汽車技術(shù);2000年03期

6 張遠(yuǎn)程,彭雅娟,陳振清;電噴發(fā)動(dòng)機(jī)故障診斷方法[J];汽車研究與開發(fā);2000年05期

7 楊慧,熊育婷,吳月偉;基于狀態(tài)分類評(píng)價(jià)的發(fā)動(dòng)機(jī)故障診斷決策系統(tǒng)[J];航空維修與工程;2005年01期

8 羅永前;程葆倫;;汽車發(fā)動(dòng)機(jī)故障診斷四例[J];重慶職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年01期

9 曹紅兵;;尾氣分析在汽車發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J];汽車維修與保養(yǎng);2006年10期

10 吳大鈺;王巖松;李燕;湯曉林;;基于聲信號(hào)的汽車發(fā)動(dòng)機(jī)故障診斷方法綜述[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 張鵬;李學(xué)仁;景博;杜軍;張建業(yè);;多源信息融合技術(shù)在航空發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[A];中國航空學(xué)會(huì)控制與應(yīng)用第十二屆學(xué)術(shù)年會(huì)論文集[C];2006年

2 李康;何衛(wèi)鋒;程禮;;基于諧波小波分解的航空發(fā)動(dòng)機(jī)故障診斷[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

3 馬龍;;基于遞歸神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷[A];十三省區(qū)市機(jī)械工程學(xué)會(huì)第五屆科技論壇論文集[C];2009年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 熊燕;發(fā)動(dòng)機(jī)故障診斷與維修[N];中國花卉報(bào);2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 李增芳;基于人工智能和虛擬儀器技術(shù)的發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)研究[D];浙江大學(xué);2004年

2 張曉丹;汽車發(fā)動(dòng)機(jī)故障診斷中不確定性問題的貝葉斯網(wǎng)絡(luò)解法[D];東北大學(xué);2005年

3 郝英;基于智能技術(shù)的民航發(fā)動(dòng)機(jī)故障診斷和壽命預(yù)測(cè)研究[D];南京航空航天大學(xué);2006年

4 劉永建;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的民機(jī)發(fā)動(dòng)機(jī)故障診斷與性能預(yù)測(cè)研究[D];南京航空航天大學(xué);2012年

5 吳文杰;基于信息融合的航空發(fā)動(dòng)機(jī)故障診斷方法[D];電子科技大學(xué);2011年

6 魯峰;航空發(fā)動(dòng)機(jī)故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 宣亮;汽車發(fā)動(dòng)機(jī)故障診斷系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

2 那媛;基于氣路性能參數(shù)的航空發(fā)動(dòng)機(jī)故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

3 丁哲;基于排氣氣流動(dòng)態(tài)特性的發(fā)動(dòng)機(jī)故障診斷研究[D];桂林電子科技大學(xué);2010年

4 任志英;基于聲信號(hào)技術(shù)的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)研究[D];福州大學(xué);2006年

5 劉召廣;基于數(shù)據(jù)融合的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)研究[D];武漢科技大學(xué);2008年

6 全首杰;實(shí)車發(fā)動(dòng)機(jī)故障診斷系統(tǒng)的研究[D];延邊大學(xué);2010年

7 孫甲男;基于數(shù)據(jù)驅(qū)動(dòng)的發(fā)動(dòng)機(jī)故障診斷研究[D];吉林大學(xué);2013年

8 秦榮;基于振動(dòng)分析的發(fā)動(dòng)機(jī)故障診斷實(shí)用方法研究[D];華南理工大學(xué);2011年

9 高麗;汽車發(fā)動(dòng)機(jī)故障診斷中不確定性問題的貝葉斯網(wǎng)絡(luò)解法研究[D];沈陽航空工業(yè)學(xué)院;2009年

10 嚴(yán)軍;基于故障樹分析法的航空活塞發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)研究[D];電子科技大學(xué);2010年

，

本文編號(hào)：548061