民航发动机QAR数据复杂性研究
发布时间:2020-07-21 12:31
【摘要】:航空发动机相当于飞机的心脏,它的健康状态严重影响着飞行安全。为实时监控飞机健康状态,民航客机被加装了QAR(quick access recorder)记录器。因此可以通过对QAR数据的分析,研究发动机的性能变化及控制规律。由于QAR数据量比较大,本文选取了部分重要参数运用复杂性度量方法研究其相关性。本文首先深入研究Lempel-Ziv(LZ)复杂度测量方法,通过定义二元LZ复杂度构建了系统聚类的谱系图初步分析气路系统参数的关系。提出了一种三元LZ复杂度测量方法,进一步调查气路性能参数之间的关系,结果表明基于三元LZ测量的映射证明参数之间的关系比基于二元LZ测量的映射更加详实。其次,应用互信息和平均互信息方法,定义互信息距离矩阵研究气路系统的内部结构;进一步,提出了基于互信息的最小生成树方法来分析气路系统各项参数的相互作用;然后将时间序列重现区间引入复杂熵因果关系平面法中,结果表明民航客机飞行的不同阶段参数数据具有不同的统计特征。最后,分析了民航发动机的多尺度特征,应用多尺度水平可见度相关分析和去趋势互相关系数检测和评估航空发动机气路系统变量之间的相关性。结果表明,在气路系统中温度相关参数,转子相关参数和压力相关参数具有更强的依赖性。
【学位授予单位】:中国民航大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:V23
【图文】:
研究的气路性能之间的参数不但包括排气温度(EGT),低压高压转子转速(N2),燃料流量(WF)等主要参数,而且选例如 N1 跟踪振动通道 A(N1TA),N1 跟踪振动通道 B(N动通道 A(N2TA),N2 跟踪振动通道 B(N2TB),进气压力P2.5,P5),燃烧入口温度(T3),其他温度(T2.5),风速(力比最大值(EPR-max), 计算空气速度(CAS),实际发动T),地速(GS),俯仰姿态(PITCH),马赫数(MACH)等进行研究。性研究背景与现状性分析是研究非线性动力系统的重要内容[3,4]。对不同系统的人们对复杂系统内部性质的认识,有助于人们理解其可预测
者包括一些温度参数,后者包括转子速度和相关的跟踪振动通道。值得注意,正如预期的那样,燃料流量保留在转子相关的集群中,这意味着燃料流量压转子转速中存在更强的统计相关性。图 3.1、图 3.2 和图 3.4 中的互信息相比较,依赖性采用不同的形式,但最强的依赖行为(即 EGT 和 T3,N1 和 N2)仍然存在。
5 6( ρ , ρ ) = (0.1, 0.5),7 8( ρ , ρ ) = (0.3, 0.4法应用于 ARFIMA 过程模拟的序列。图 4拟的序列的 MHVGCA 的关联度量 G 。随着标度增加,关联度量G 趋于稳定。由,间距越小,关联度量G 越大,波动越小波动最大,关联度量也最小。因此,提出效方法。机气路性能时间序列分析VGCA 方法应用于航空发动机的气路性能图 4.2 所示。
【学位授予单位】:中国民航大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:V23
【图文】:
研究的气路性能之间的参数不但包括排气温度(EGT),低压高压转子转速(N2),燃料流量(WF)等主要参数,而且选例如 N1 跟踪振动通道 A(N1TA),N1 跟踪振动通道 B(N动通道 A(N2TA),N2 跟踪振动通道 B(N2TB),进气压力P2.5,P5),燃烧入口温度(T3),其他温度(T2.5),风速(力比最大值(EPR-max), 计算空气速度(CAS),实际发动T),地速(GS),俯仰姿态(PITCH),马赫数(MACH)等进行研究。性研究背景与现状性分析是研究非线性动力系统的重要内容[3,4]。对不同系统的人们对复杂系统内部性质的认识,有助于人们理解其可预测
者包括一些温度参数,后者包括转子速度和相关的跟踪振动通道。值得注意,正如预期的那样,燃料流量保留在转子相关的集群中,这意味着燃料流量压转子转速中存在更强的统计相关性。图 3.1、图 3.2 和图 3.4 中的互信息相比较,依赖性采用不同的形式,但最强的依赖行为(即 EGT 和 T3,N1 和 N2)仍然存在。
5 6( ρ , ρ ) = (0.1, 0.5),7 8( ρ , ρ ) = (0.3, 0.4法应用于 ARFIMA 过程模拟的序列。图 4拟的序列的 MHVGCA 的关联度量 G 。随着标度增加,关联度量G 趋于稳定。由,间距越小,关联度量G 越大,波动越小波动最大,关联度量也最小。因此,提出效方法。机气路性能时间序列分析VGCA 方法应用于航空发动机的气路性能图 4.2 所示。
【相似文献】
相关期刊论文 前10条
1 梁珂;隋立春;张谷生;;基于最小生成树和聚类算法的旅游线路规划[J];测绘技术装备;2016年04期
2 张娜;;改进最小生成树算法在移动自组织网络路由选择中的应用[J];沈阳化工大学学报;2016年01期
3 帅训波;马书南;;一种基于遗传算法的度约束最小生成树求解方法[J];曲阜师范大学学报(自然科学版);2010年01期
4 段渊;;基于遗传算法的广义最小生成树求解与应用[J];西华大学学报(自然科学版);2010年03期
5 田小梅;龚静;;遗传算法在度约束最小生成树问题中的应用[J];湖南环境生物职业技术学院学报;2009年03期
6 董军,关凤岩,吕宗宝;基于遗传算法度约束的最小生成树问题的研究[J];淮北煤炭师范学院学报(自然科学版);2005年01期
7 徐磊,章兢;广义最小生成树的遗传算法求解及应用[J];系统工程与电子技术;2004年03期
8 向丹,杨永;广义最小生成树的遗传算法研究[J];广东技术师范学院学报;2004年04期
9 汪遐昌;最小生成树问题[J];四川师范大学学报(自然科学版);1997年01期
10 翟延富;最小生成树的计算机求法[J];山东轻工业学院学报(自然科学版);1997年01期
相关会议论文 前10条
1 黄宜真;张世R
本文编号:2764418
本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/2764418.html