本文關鍵詞：基于MATLAB與GPU的渦扇發(fā)動機旋轉失速檢測系統(tǒng)的實現(xiàn)

  更多相關文章： 旋轉失速 確定學習 并行計算 離線分析 系統(tǒng)實現(xiàn)

【摘要】：近年來,渦扇發(fā)動機成為世界上軍用飛機和民用飛機當中最常用到的航空動力裝置,軸流壓氣機作為渦扇發(fā)動機其中的核心部件,其運行狀況正常與否對渦扇發(fā)動機的性能發(fā)揮具有至關重要的影響。在軸流壓氣機的運行過程中,因為氣流波動和沖擊可能導致軸流壓氣機工作不穩(wěn)定,甚至引發(fā)渦扇發(fā)動機熄火停轉,造成飛機墜毀、人員傷亡等嚴重后果。軸流壓氣機運轉過程中的兩種常見的系統(tǒng)不穩(wěn)定現(xiàn)象為旋轉失速和喘振,而發(fā)生喘振之前總有一定的旋轉失速出現(xiàn),因此旋轉失速被認為是喘振的先兆。如果能在旋轉失速發(fā)生的初始階段就及時監(jiān)測到其信號并給出預警和調節(jié),那么渦扇發(fā)動機運行的可靠性和穩(wěn)定性將得到很大的提高。目前我國自主研發(fā)的航空發(fā)動機還不具備防止喘振的功能,這對于國產(chǎn)飛機的性能發(fā)揮是一個嚴重的制約。確定學習理論是近年來研究出的關于動態(tài)環(huán)境下的機器學習的新的理論成果,通過使用RBF神經(jīng)網(wǎng)絡的強大學習能力,實現(xiàn)在未知的動態(tài)環(huán)境下獲取知識并加以表達、存儲和利用。動態(tài)模式識別是建立在確定學習理論的基礎上,涉及動態(tài)模式的描述、相似性的定義以及對未知動態(tài)模式進行快速識別的方法。利用確定學習理論與動態(tài)模式識別方法可以實現(xiàn)對軸流壓氣機運行的系統(tǒng)動態(tài)進行準確建模和對故障的快速識別,為解決軸流壓氣機旋轉失速檢測問題提供了一種新的手段,具體實現(xiàn)方式是通過利用RBF神經(jīng)網(wǎng)絡對旋轉失速的動態(tài)過程進行學習,并將得到的神經(jīng)網(wǎng)絡權值以常值的形式保存為模式,在檢測系統(tǒng)運行過程中不斷地將待測數(shù)據(jù)與模式庫中已有的失速模式進行比較,根據(jù)兩者的匹配程度給出相應的預警信號,從而達到對旋轉失速進行提前檢測的目的。在實際工程應用中,利用確定學習理論與動態(tài)模式識別算法進行旋轉失速檢測的計算量比較龐大,主要體現(xiàn)在RBF神經(jīng)網(wǎng)絡內(nèi)部的權值計算以及多個模式同時識別待測數(shù)據(jù)的殘差計算中。為加快系統(tǒng)的運行速度,本文結合MATLAB提供的并行計算工具箱和GPU高性能顯卡的大規(guī)模并行計算能力實現(xiàn)了算法的細粒度并行化分解。算法的并行化移植是基于MATLAB平臺和Jacket Engine插件兩者結合的軟件環(huán)境。實際測試證明,算法通過并行化之后變得不但經(jīng)濟而且高效,這種方法既能夠節(jié)省時間和空間,又使得整個計算機資源得到充分的利用,系統(tǒng)運行速度明顯提升,而且性能穩(wěn)定,對于神經(jīng)網(wǎng)絡規(guī)模加大以及增加識別模式數(shù)目的情況具有很好的適應能力。算法的并行化主要采用的是矩陣運算和基于GPU的大規(guī)模多線程計算,對于平臺的依賴性很弱,移植非常方便,因此具有很好的工程應用價值。在實現(xiàn)加速計算的基礎上,本文借助MATLAB提供的GUI子系統(tǒng)搭建了渦扇發(fā)動機旋轉失速檢測仿真系統(tǒng),該系統(tǒng)主要用于數(shù)據(jù)的離線分析,包含數(shù)據(jù)處理、狀態(tài)分析、參數(shù)設置、學習識別、結果分析等部分,能夠對軸流壓氣機試驗臺的數(shù)據(jù)進行離線學習建模和離線識別分析。渦扇發(fā)動機旋轉失速檢測仿真系統(tǒng)界面友好,操作簡便,為試驗臺進行在線實時檢測提供了良好的輔助和數(shù)據(jù)支持,從而推動了項目課題研究進程。
【關鍵詞】：旋轉失速 確定學習 并行計算 離線分析 系統(tǒng)實現(xiàn)
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V235.13
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-17
• 1.1 研究背景與選題意義11-12
• 1.2 確定學習理論12-13
• 1.3 MATLAB與GPU簡介13-15
• 1.4 本文研究內(nèi)容與結構安排15-17
• 第二章 確定學習理論與軸流壓氣機旋轉失速17-32
• 2.1 引言17
• 2.2 確定學習理論與動態(tài)模式識別17-22
• 2.2.1 RBF神經(jīng)網(wǎng)絡18-19
• 2.2.2 RBF神經(jīng)網(wǎng)絡的持續(xù)激勵性質19
• 2.2.3 離散系統(tǒng)的確定學習19-21
• 2.2.4 動態(tài)模式識別21-22
• 2.3 軸流壓氣機旋轉失速22-28
• 2.3.1 航空渦扇發(fā)動機簡介22-23
• 2.3.2 軸流壓氣機旋轉失速23-26
• 2.3.3 流動不穩(wěn)定性建模與Mansoux模型介紹26-28
• 2.4 確定學習理論在旋轉失速故障檢測中的應用28-30
• 2.5 本章小結30-32
• 第三章 MATLAB并行計算工具箱與GPU加速計算32-40
• 3.1 引言32
• 3.2 MATLAB并行計算工具箱介紹32-35
• 3.2.1 并行計算工具箱簡介32-33
• 3.2.2 并行計算工具箱環(huán)境配置33-34
• 3.2.3 并行計算工具箱程序編寫34-35
• 3.3 Jacket Engine并行平臺介紹35-39
• 3.3.1 Jacket Engine平臺簡介35-36
• 3.3.2 gfor-gend并行結構36-37
• 3.3.3 Jacket Engine矩陣運算37-39
• 3.4 本章小結39-40
• 第四章 基于MATLAB渦扇發(fā)動機旋轉失速檢測系統(tǒng)設計40-51
• 4.1 引言40
• 4.2 渦扇發(fā)動機旋轉失速檢測系統(tǒng)整體規(guī)劃40-41
• 4.3 基于MATLAB的渦扇發(fā)動機旋轉失速檢測離線系統(tǒng)設計41-49
• 4.3.1 MATLAB GUI介紹41-42
• 4.3.2 數(shù)據(jù)預處理模塊設計42-45
• 4.3.3 布置神經(jīng)網(wǎng)絡與選擇模式模塊設計45-47
• 4.3.4 狀態(tài)空間分析模塊設計47-48
• 4.3.5 結果分析模塊設計48-49
• 4.4 離線分析系統(tǒng)優(yōu)化與整合49-50
• 4.5 本章小結50-51
• 結論與展望51-53
• 參考文獻53-57
• 致謝57-58
• 附件58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉志偉,朱俊強,王準生;葉片排旋轉失速性能的研究[J];航空動力學報;1988年01期

2 朱俊強,劉志偉;雙葉排旋轉失速起始的研究[J];工程熱物理學報;1988年03期

3 朱俊強,劉志偉;可壓流旋轉失速起始的研究[J];工程熱物理學報;1990年04期

4 戚先萍,楊秉玉,胡璧剛;壓氣機旋轉失速對葉片振動影響的實驗研究[J];燃氣渦輪試驗與研究;1998年02期

5 張樸,魏灃亭,李應紅;某型發(fā)動機旋轉失速壓力信號的頻譜分析[J];空軍工程大學學報(自然科學版);2003年04期

6 于蘭蘭;胡駿;屠寶鋒;王志強;;軸流壓縮系統(tǒng)中主動抑制旋轉失速的數(shù)值模擬[J];航空動力學報;2010年01期

7 孫曉峰 ,胡宗安 ,馮毓誠 ,周盛;壓氣機旋轉失速特征參數(shù)的一種聲學測量方法[J];航空動力學報;1991年02期

8 陸亞鈞;;風機、葉片機中的旋轉失速和喘振現(xiàn)象及分離旋渦流動[J];水利電力機械;1992年05期

9 朱俊強;劉志偉;馬存寶;;葉排間距影響旋轉失速流場的實驗研究[J];西北工業(yè)大學學報;1993年03期

10 陸亞鈞,張順林;跨音壓氣機旋轉失速機理及實驗研究[J];航空學報;1982年02期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 王聰;彭滔;陳填銳;袁漢文;王勇;;基于確定學習的旋轉失速辨識和快速診斷[A];第二十九屆中國控制會議論文集[C];2010年

2 路俏俏;胡軍;;風機旋轉失速的故障診斷與處理[A];2008年全國煉鐵生產(chǎn)技術會議暨煉鐵年會文集（下冊）[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王楊;壓縮機首級旋轉失速的計算分析[D];大連理工大學;2008年

2 鄭娟麗;航空發(fā)動機葉片氣動激勵的相關振動響應研究[D];南京航空航天大學;2009年

3 周龍沙;基于確定學習的航空發(fā)動機旋轉失速快速檢測的并行計算實現(xiàn)[D];華南理工大學;2011年

4 王春瑞;軸流壓氣機脈動壓力信號旋轉失速特征分析[D];南京航空航天大學;2011年

5 胡晨星;電站軸流風機旋轉失速動力學機理研究[D];華北電力大學;2014年

6 梁德戰(zhàn);基于MATLAB的軸流壓氣機旋轉失速檢測離線分析系統(tǒng)的實現(xiàn)[D];華南理工大學;2013年

7 王修寶;旋轉失速主動控制中葉柵流場分析可視化VCFD軟件開發(fā)[D];大連理工大學;2000年

8 賀才梁;LabVIEW平臺下基于確定學習的軸流壓氣機旋轉失速檢測系統(tǒng)的實現(xiàn)[D];華南理工大學;2014年

9 林文愉;基于GPU的軸流壓氣機旋轉失速檢測系統(tǒng)設計[D];華南理工大學;2013年

10 袁e，

本文編號：937388