基于无迹卡尔曼滤波算法的某民航发动机性能衰退分析

发布时间：2017-10-14 12:00

  本文关键词：基于无迹卡尔曼滤波算法的某民航发动机性能衰退分析

  更多相关文章： 性能评估 V2500-A5 气路模型参数 混合遗传算法 无迹卡尔曼滤波算法

【摘要】：评估民航发动机性能衰退有重要意义,不仅能够提早发现电控、仪表等故障,预判航发可靠性以及性能走向,提高安全保障,而且还能够减少航班延误率,节省维修、燃油成本。此外,对于航发制造商而言,能够将性能衰退模型引入到控制系统中,提高控制精度。因此,对航发的性能监控必不可少。航空发动机性能监视有多重技术。本文采用通过检测气路参数的变化情况来表征发动机性能变化。以安装在A320上的V2500-A5发动机为例进行性能评估。首先建立发动机气动热力方程,并选择风扇效率、风扇压力损失、低压压气机效率以及涡轮整体效率作为性能表征。然后根据气动热力模型对原始数据进行分类重组,最终提取出184组巡航数据。然后根据混合遗传算法以及无迹卡尔曼滤波算法对上述参数进行跟踪,并引入额外的提高精度的函数关系,最终得到参数在整个发动机在翼期间的变化情况。结果表明,发动机不同部件性能变化规律不同,在2000循环左右之前经历一次迅速的下降,下降幅度为10%以上;而从2000循环到6000循环之间,数值基本维持不变或者下降非常缓慢,大约在2%左右;而从6000循环之后,下降幅度速度非常快,可以达到3%左右。发动机性能退化来自机械部件的退化,例如机匣、叶片与封严、涡轮进口热变形以及因修理造成的机械损伤。因此,可以根据本文得到的衰退规律对发动机按需维修。
【关键词】：性能评估 V2500-A5 气路模型参数 混合遗传算法 无迹卡尔曼滤波算法
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 航空发动机性能衰退分析背景和意义10-11
• 1.1.1 航空发动机性能衰退分析背景10
• 1.1.2 航空发动机性能衰退分析意义10-11
• 1.2 航空发动机性能监控研究方法11-14
• 1.3 本文结构14-16
• 第二章 性能评估算法分析16-28
• 2.1 遗传算法16-22
• 2.1.1 简介16
• 2.1.2 基本框架16-20
• 2.1.3 混合遗传算法20-22
• 2.2 无迹卡尔曼滤波算法22-25
• 2.2.1 简介22
• 2.2.2 无迹变换22-23
• 2.2.3 算法流程23-25
• 2.3 涡轮发动机参数修正算法25-27
• 2.4 总结27-28
• 第三章 算例流程及分析28-49
• 3.1 建立发动机模型28-30
• 3.2 算例流程30-31
• 3.3 数据预处理31-39
• 3.3.1 数据处理需求31-32
• 3.3.2 数据处理流程32-38
• 3.3.3 气体绝热常数计算38-39
• 3.4 遗传算法设计39-41
• 3.5 UKF算法设计41-42
• 3.6 发动机参数修正计算42-43
• 3.7 提高计算精度设计43-48
• 3.7.1 UKF精度提高设计43-44
• 3.7.2 N1-EPR拟合关系式44-46
• 3.7.3 fuelflow-EPR关系46-48
• 3.8 总结48-49
• 第四章 结果分析49-56
• 4.1 混合遗传算法结果分析49-51
• 4.2 UKF算法结果分析51-53
• 4.3 误差分析53-54
• 4.4 航空发动机性能衰退原因分析及成本改进建议54-56
• 第五章 总结及期望56-58
• 5.1 全文总结56
• 5.2 待改进的工作56-58
• 参考文献58-61
• 致谢61-62
• 附录62-72
• 1. 改进前状态和观测系数矩阵62-66
• 2. 改进后状态和观测系数矩阵66-70
• 3. EPR和N1拟合关系式70-71
• 4. EPR和fuel flow拟合关系式71-72

【相似文献】

中国期刊全文数据库 前10条

1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期

2 张哲;陈德树;;卡尔曼滤波算法与富氏算法的分析比较[J];电力系统自动化;1990年04期

3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期

4 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期

5 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期

6 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期

7 刘剑锋;庄志洪;刘中;;卡尔曼滤波算法在最佳起爆角估计中的应用[J];弹箭与制导学报;2005年S1期

8 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期

9 陈陌寒;巴晓辉;何璐;陈杰;;复杂信号环境下的鲁棒卡尔曼滤波算法[J];科学技术与工程;2011年17期

10 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期

中国重要会议论文全文数据库 前9条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

中国博士学位论文全文数据库 前5条

1 孙景荣;X射线脉冲星导航及其增强方法研究[D];西安电子科技大学;2014年

2 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

3 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

4 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

5 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年

2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年

3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年

4 唐鹏;基于ADS-B数据监视性能评估技术研究[D];中国民航大学;2015年

5 陈辰;基于卡尔曼滤波算法的短期风电功率预测[D];新疆大学;2015年

6 马康健;基于分布式共识的无线传感器网络目标跟踪技术研究[D];哈尔滨工业大学;2016年

7 周暄承;可穿戴计算中能效提高策略研究[D];南京邮电大学;2016年

8 杜振新;基于无迹卡尔曼滤波算法的动力电池剩余电量估算[D];长安大学;2016年

9 张弛;基于无迹卡尔曼滤波算法的某民航发动机性能衰退分析[D];中国民航大学;2016年

10 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年

，

本文编号：1030906