状态数据驱动的民航发动机备发需求预测方法研究
发布时间：2022-12-06 04:07
民航发动机机队编制一般包括多架飞机及多台同型号发动机,为满足机队的航班调度和运维需求,民航机队应当配置必要的备用发动机。备发数量的多少直接影响到运维成本和机队保障率的高低,过高或过低的备发数量都可能产生不必要的成本损失或资源浪费。随着机队规模的不断扩大,航空公司对于机队备发需求预测系统的需求愈发强烈,因此研究适用于民航发动机机队的备发数量确定方法具有重大的工程实践意义。备发数量的确定过程受到机队健康状态、发动机拆换计划、机队调度方案等诸多因素的影响和制约,而由于这些因素中的大部分都与发动机的状态监测数据密切关联,因此本文针对状态数据驱动的民航发动机备发需求预测方法开展研究。本文提出了基于深度卷积神经网络（DCNN）模型的航空发动机剩余使用寿命预测方法,利用卷积神经网络适于处理可变、复杂信号的特性,挖掘发动机状态监测数据的深层隐含特征。依据状态数据的特性设计了新颖的网络模型结构,并利用分段线性衰退模型给训练集样本设置了剩余寿命标签。针对不同发动机运行周期数的差异性,利用变分自编码器重构数据,采用无监督重构的方法判别数据序列的异常初始位置,对寿命标签平台值进行了修正。利用滑动窗口制备数据样...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景和意义
1.3 国内外研究现状分析
1.3.1 航空发动机剩余寿命预测研究现状
1.3.2 航空发动机拆发期限预测研究现状
1.3.3 航空发动机机队备发需求预测研究现状
1.4 主要研究内容
第2章 基于DCNN的航空发动机剩余使用寿命预测
2.1 引言
2.2 神经网络模型结构设计
2.2.1 一维卷积神经网络建模
2.2.2 深度卷积神经网络模型结构设计
2.3 网络模型剩余寿命标签设置
2.3.1 基于分段线性衰退模型的剩余寿命标签设置
2.3.2 基于无监督重构的航空发动机异常初始位置判别
2.4 剩余寿命预测流程及评价指标体系的建立
2.4.1 剩余寿命预测流程
2.4.2 评价指标体系的建立
2.5 利用仿真数据集进行实验验证
2.5.1 数据集描述及数据样本制备
2.5.2 判别异常初始位置及寿命标签设置
2.5.3 设置网络模型参数
2.5.4 实验结果分析
2.6 本章小结
第3章 知识与数据融合驱动的发动机拆换计划制定
3.1 引言
3.2 航空发动机拆换计划制定流程
3.3 航空发动机拆发期限预测
3.3.1 基于整机性能衰退的数据驱动模型
3.3.2 其他影响拆发期限的因素
3.3.3 知识与数据融合驱动的拆发期限预测流程
3.3.4 应用案例
3.4 航空发动机维修工作范围决策
3.4.1 单元体维修等级知识模型
3.4.2 基于状态参量的维修工作范围模糊评价方法
3.5 本章小结
第4章 民航发动机机队备发数量确定
4.1 引言
4.2 机队健康状态和调度方案对备发需求预测的影响分析
4.2.1 机队健康状态对备发需求预测的影响
4.2.2 机队调度方案对备发需求预测的影响
4.3 建立发动机机队总保障成本评估模型
4.3.1 评估机队总保障成本
4.3.2 成本评估模型的约束条件
4.4 基于改进蚁群算法的机队备发需求预测方法
4.4.1 改进的蚁群算法
4.4.2 机队备发需求预测流程
4.5 航空发动机机队备发需求预测实验
4.5.1 实验数据及对比方法描述
4.5.2 实验结果分析
4.6 本章小结
第5章 民航发动机机队备发需求预测系统构件开发
5.1 引言
5.2 需求分析
5.3 系统的实现与设计
5.3.1 系统整体架构设计
5.3.2 功能模块设计
5.4 系统操作方法介绍
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于离散事件仿真的航空发动机备发规划[J]. 赵洪利,段朝鹏. 计算机仿真. 2020(02)
[2]基于疲劳-蠕变载荷等效转换的涡轮盘载荷谱编制及寿命预测[J]. 肖阳,徐可君,秦海勤,贾明明. 推进技术. 2020(10)
[3]An aero-engine life-cycle maintenance policy optimization algorithm: Reinforcement learning approach[J]. Zhen LI,Shisheng ZHONG,Lin LIN. Chinese Journal of Aeronautics. 2019(09)
[4]基于Autoencoder-BLSTM的涡扇发动机剩余寿命预测[J]. 宋亚,夏唐斌,郑宇,卓鹏程,潘尔顺. 计算机集成制造系统. 2019(07)
[5]变分自编码器在机械故障预警中的应用[J]. 马波,赵祎,齐良才. 计算机工程与应用. 2019(12)
[6]多源统计数据驱动的航空发动机剩余寿命预测方法[J]. 赵广社,吴思思,荣海军. 西安交通大学学报. 2017(11)
[7]基于数理统计和时间聚合的备件预测方法[J]. 李红卫,王卫凯. 电子技术与软件工程. 2017(09)
[8]浅议发动机备件的需求预测[J]. 张金柱. 航空维修与工程. 2017(03)
[9]民航发动机拆发日期预测研究[J]. 彭鸿博,刘孟萌,王悦阁. 自动化仪表. 2016(09)
[10]浅谈机队发动机换发计划管理[J]. 陈少龙,袁航. 航空维修与工程. 2016(05)
博士论文
[1]民航发动机全寿命周期机队维修策略优化方法研究[D]. 李臻.哈尔滨工业大学 2019
[2]航空发动机性能评价与衰退预测方法研究[D]. 谢晓龙.哈尔滨工业大学 2016
[3]机队航空发动机维修规划及其关键技术研究[D]. 付旭云.哈尔滨工业大学 2011
[4]基于智能技术的民航发动机故障诊断和寿命预测研究[D]. 郝英.南京航空航天大学 2006
硕士论文
[1]基于威布尔分布的涡扇发动机寿命预测研究[D]. 张晓彤.哈尔滨工业大学 2019
[2]航天器关键部件寿命预测与可靠性研究[D]. 王妮.西安理工大学 2018
[3]面向全寿命的民航发动机维修时机优化方法及其应用[D]. 田亚鹏.哈尔滨工业大学 2017
[4]民航发动机维修计划优化的研究[D]. 刘孟萌.中国民航大学 2016
[5]复杂装备备件库存预测与控制方法及其应用研究[D]. 王路.浙江大学 2016
[6]基于需求预测的库存管理技术与系统研发[D]. 陈湘芝.哈尔滨工业大学 2015
[7]民用航空发动机维修成本分析与控制研究[D]. 许飞.中国民航大学 2014
[8]民航发动机目标在翼时间确定方法及其应用[D]. 陈银.哈尔滨工业大学 2013
[9]机电产品寿命预测方法研究[D]. 杨帅.电子科技大学 2013
[10]基于损伤力学的轮盘结构疲劳—蠕变损伤分析及寿命预测[D]. 刘宁波.电子科技大学 2013
本文编号：3711029
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景和意义
1.3 国内外研究现状分析
1.3.1 航空发动机剩余寿命预测研究现状
1.3.2 航空发动机拆发期限预测研究现状
1.3.3 航空发动机机队备发需求预测研究现状
1.4 主要研究内容
第2章 基于DCNN的航空发动机剩余使用寿命预测
2.1 引言
2.2 神经网络模型结构设计
2.2.1 一维卷积神经网络建模
2.2.2 深度卷积神经网络模型结构设计
2.3 网络模型剩余寿命标签设置
2.3.1 基于分段线性衰退模型的剩余寿命标签设置
2.3.2 基于无监督重构的航空发动机异常初始位置判别
2.4 剩余寿命预测流程及评价指标体系的建立
2.4.1 剩余寿命预测流程
2.4.2 评价指标体系的建立
2.5 利用仿真数据集进行实验验证
2.5.1 数据集描述及数据样本制备
2.5.2 判别异常初始位置及寿命标签设置
2.5.3 设置网络模型参数
2.5.4 实验结果分析
2.6 本章小结
第3章 知识与数据融合驱动的发动机拆换计划制定
3.1 引言
3.2 航空发动机拆换计划制定流程
3.3 航空发动机拆发期限预测
3.3.1 基于整机性能衰退的数据驱动模型
3.3.2 其他影响拆发期限的因素
3.3.3 知识与数据融合驱动的拆发期限预测流程
3.3.4 应用案例
3.4 航空发动机维修工作范围决策
3.4.1 单元体维修等级知识模型
3.4.2 基于状态参量的维修工作范围模糊评价方法
3.5 本章小结
第4章 民航发动机机队备发数量确定
4.1 引言
4.2 机队健康状态和调度方案对备发需求预测的影响分析
4.2.1 机队健康状态对备发需求预测的影响
4.2.2 机队调度方案对备发需求预测的影响
4.3 建立发动机机队总保障成本评估模型
4.3.1 评估机队总保障成本
4.3.2 成本评估模型的约束条件
4.4 基于改进蚁群算法的机队备发需求预测方法
4.4.1 改进的蚁群算法
4.4.2 机队备发需求预测流程
4.5 航空发动机机队备发需求预测实验
4.5.1 实验数据及对比方法描述
4.5.2 实验结果分析
4.6 本章小结
第5章 民航发动机机队备发需求预测系统构件开发
5.1 引言
5.2 需求分析
5.3 系统的实现与设计
5.3.1 系统整体架构设计
5.3.2 功能模块设计
5.4 系统操作方法介绍
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于离散事件仿真的航空发动机备发规划[J]. 赵洪利,段朝鹏. 计算机仿真. 2020(02)
[2]基于疲劳-蠕变载荷等效转换的涡轮盘载荷谱编制及寿命预测[J]. 肖阳,徐可君,秦海勤,贾明明. 推进技术. 2020(10)
[3]An aero-engine life-cycle maintenance policy optimization algorithm: Reinforcement learning approach[J]. Zhen LI,Shisheng ZHONG,Lin LIN. Chinese Journal of Aeronautics. 2019(09)
[4]基于Autoencoder-BLSTM的涡扇发动机剩余寿命预测[J]. 宋亚,夏唐斌,郑宇,卓鹏程,潘尔顺. 计算机集成制造系统. 2019(07)
[5]变分自编码器在机械故障预警中的应用[J]. 马波,赵祎,齐良才. 计算机工程与应用. 2019(12)
[6]多源统计数据驱动的航空发动机剩余寿命预测方法[J]. 赵广社,吴思思,荣海军. 西安交通大学学报. 2017(11)
[7]基于数理统计和时间聚合的备件预测方法[J]. 李红卫,王卫凯. 电子技术与软件工程. 2017(09)
[8]浅议发动机备件的需求预测[J]. 张金柱. 航空维修与工程. 2017(03)
[9]民航发动机拆发日期预测研究[J]. 彭鸿博,刘孟萌,王悦阁. 自动化仪表. 2016(09)
[10]浅谈机队发动机换发计划管理[J]. 陈少龙,袁航. 航空维修与工程. 2016(05)
博士论文
[1]民航发动机全寿命周期机队维修策略优化方法研究[D]. 李臻.哈尔滨工业大学 2019
[2]航空发动机性能评价与衰退预测方法研究[D]. 谢晓龙.哈尔滨工业大学 2016
[3]机队航空发动机维修规划及其关键技术研究[D]. 付旭云.哈尔滨工业大学 2011
[4]基于智能技术的民航发动机故障诊断和寿命预测研究[D]. 郝英.南京航空航天大学 2006
硕士论文
[1]基于威布尔分布的涡扇发动机寿命预测研究[D]. 张晓彤.哈尔滨工业大学 2019
[2]航天器关键部件寿命预测与可靠性研究[D]. 王妮.西安理工大学 2018
[3]面向全寿命的民航发动机维修时机优化方法及其应用[D]. 田亚鹏.哈尔滨工业大学 2017
[4]民航发动机维修计划优化的研究[D]. 刘孟萌.中国民航大学 2016
[5]复杂装备备件库存预测与控制方法及其应用研究[D]. 王路.浙江大学 2016
[6]基于需求预测的库存管理技术与系统研发[D]. 陈湘芝.哈尔滨工业大学 2015
[7]民用航空发动机维修成本分析与控制研究[D]. 许飞.中国民航大学 2014
[8]民航发动机目标在翼时间确定方法及其应用[D]. 陈银.哈尔滨工业大学 2013
[9]机电产品寿命预测方法研究[D]. 杨帅.电子科技大学 2013
[10]基于损伤力学的轮盘结构疲劳—蠕变损伤分析及寿命预测[D]. 刘宁波.电子科技大学 2013
本文编号：3711029
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3711029.html
