基于QAR的航空发动机性能发展预测研究
发布时间：2021-02-14 22:50
航空发动机是飞机的心脏,其健康状态对飞行安全性和维修经济性有重大影响。目前航空公司普遍依赖国外发动机制造商（OEM）的基于ACARS报文数据的发动机健康管理系统,存在使用成本高、数据分析方面拓展功能受限等问题。而基于QAR数据自主开发发动机PHM技术可以一定程度解决上述问题,因此,本文基于QAR数据研究发动机的状态监控与预测算法,可用于提前预知发动机健康状态和剩余寿命。发动机基线模型是发动机性能衰退状态预测的基础,为了减少对OEM状态监控系统的依赖和充分开发QAR数据用于发动机状态监控,本文以QAR数据替代ACARS数据,结合偏差趋势图数据,采用支持向量机方法对发动机基线模型进行了挖掘,为求取发动机气路监控参数偏差值提供了基础。为了提前发现发动机未来的超限状态和预估剩余寿命,利用发动机气路监控参数偏差值建立了发动机性能衰退状态预测模型。根据预测的目的和时间跨度不同,模型包括发动机性能监控参数的短期预测和发动机剩余寿命区间长期预测。针对短期预测的现存问题,提出了基于滑动时窗策略的自适应GASVM在线预测模型,通过与传统基于SVM的时间序列预测方法对比表明改进的预测方法不仅动态适应性好且预...
【文章来源】：中国民航大学天津市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
发动机状态监控的基本流程
??蠢吹男阅茏刺?茏罱?欢问奔涞男阅苁?萦跋旖洗螅?而受过去很久或是初始的性能数据影响较小，因此预测模型建模应该是一个吐故纳新的过程。而传统的航空发动机气路性能参数预测模型往往是将发动机的一段历史数据作为训练样本进行一次建模，因此会降低预测模型的精度。何星等人提出了一种结构自适应序贯正则极端学习机，实现了预测模型的在线更新，解决了航空发动机性能参数在线预测问题，但其只能进行单步预测，并且在嵌入维数选取上仍采用工程经验选取的方法，缺乏合理的依据[38]。（3）航空发动机寿命预测发展现状图1-2航空发动机三种寿命预测模型提前估计和预测航空发动机的剩余寿命，能够为航空公司制定发动机机队的长期维修计划提供参考依据[39,40]。而发动机寿命预测方法主要可分为三种预测模型，它们
中国民航大学硕士学位论文19通过对ACMS系统的组成和数据传输流程简单分析后可以看出，发动机性能数据的数据源是安装发动机上的传感器数据，而这些数据又全都是由DFDAU和DMU收集、存储和运算得到的。同时QAR设备和ACARS系统均接收DFDAU输出的飞行数据，因此可以看出QAR和ACARS系统所接收的数据都来自相同数据源，所采集的监控参数也是相同的。图2-1飞行数据传输流程图2.2.2QAR数据提取基线是状态健康的发动机在外界环境稳定的条件下建立的，因此对发动机基线进行挖掘必须要选择健康发动机在稳定飞行状态（即巡航状态）下的发动机性能参数数据。发动机稳态报文是在飞行巡航阶段的发动机监控报文，其在每次航班飞行过程中通过ACARS系统下发两份报文。按照OEM的相关资料要求，在巡航阶段内，如果第一次满足巡航稳态判定提取逻辑则会立即触发第一个发动机稳态报文数据，而第二个报文则是最后一个满足判定提取逻辑的报文数据。厂家监控系统计算的发动机性能监控参数偏差值需要输入的数据是巡航报文上的数据。由上文可以知道，现代民航飞机是通过机载飞机状态监控系统ACMS实时采集和处理数据的，发动机的状态参数原始数据通过该系统记录，且可以同时存储在QAR和ACARS系统中。而由于QAR数据和ACARS数据具有同源性的特点，因此可以从QAR中按照报文提取逻辑获得有效的模拟报文数据。发动机巡航状态下的数据采集原则如下[65]：1）在巡航状态的情况下，发动机必须满足稳定工作至少2分钟的条件，机载设备
【参考文献】：
期刊论文
[1]基于健康指数相似的航空发动机剩余寿命预测[J]. 曹惠玲,梁佳旺,崔科璐. 科学技术与工程. 2020(01)
[2]基于动态集成算法的航空发动机气路参数预测[J]. 张一震,钟诗胜,付旭云,林琳. 航空动力学报. 2018(09)
[3]大数据时代的民机健康管理技术革新[J]. 王兆兵,高丽敏. 航空维修与工程. 2018(05)
[4]基于多分类AdaBoost的航空发动机故障诊断[J]. 曹惠玲,高升,薛鹏. 北京航空航天大学学报. 2018(09)
[5]基于模糊信息粒化和优化SVM的航空发动机性能趋势预测[J]. 李艳军,张建,曹愈远,张丽娜. 航空动力学报. 2017(12)
[6]基于Wiener过程的发动机多阶段剩余寿命预测[J]. 黄亮,刘君强,贡英杰. 北京航空航天大学学报. 2018(05)
[7]多参数相似性信息融合的剩余寿命预测[J]. 梁泽明,姜洪权,周秉直,高建民,高智勇,王荣喜,姜朋. 计算机集成制造系统. 2018(04)
[8]SVR在航空发动机基线挖掘中的应用研究[J]. 曹惠玲,张卓,曲春刚. 机械科学与技术. 2017(01)
[9]一种航空发动机燃油流量基线的建模方法[J]. 闫锋. 计算机测量与控制. 2015(05)
[10]结构自适应序贯正则极端学习机时间序列预测及其应用[J]. 何星,王宏力,陆敬辉,姜伟. 推进技术. 2015(03)
博士论文
[1]数据驱动的航空发动机剩余使用寿命预测方法研究[D]. 周俊.南京航空航天大学 2017
[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]民航发动机气路参数偏差值挖掘方法及其应用研究[D]. 崔智全.哈尔滨工业大学 2013
[4]面向单元体的航空发动机健康状态评估与预测方法研究[D]. 孙见忠.南京航空航天大学 2012
[5]民用涡扇发动机健康智能监控技术的研究[D]. 瞿红春.天津大学 2010
[6]民航发动机性能可靠性评估与在翼寿命预测方法研究[D]. 任淑红.南京航空航天大学 2010
[7]基于气路参数样本的航空发动机状态监视方法与系统研究[D]. 栾圣罡.哈尔滨工业大学 2008
[8]民航发动机健康管理中的寿命预测与维修决策方法研究[D]. 戎翔.南京航空航天大学 2008
[9]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]基于数据驱动的航空发动机在翼寿命预测研究[D]. 梁佳旺.中国民航大学 2019
[3]数据驱动的航空发动机异常检测方法研究[D]. 王钟毓.南京航空航天大学 2019
[4]航空发动机排气温度预测研究[D]. 黄江博.中国民航大学 2018
[5]民航发动机VSV调节规律及喘振故障诊断研究[D]. 阚玉祥.中国民航大学 2018
[6]基于QAR数据的航空发动机报文解析及监控技术研究[D]. 张兴川.中国民航大学 2016
[7]基于多方法的CFM56-7B发动机基线挖掘研究[D]. 王聃.中国民用航空飞行学院 2016
[8]航空发动机气路参数偏差值模型研究与应用[D]. 陕振勇.哈尔滨工业大学 2012
[9]航空发动机状态参数处理技术及其应用研究[D]. 彭云飞.哈尔滨工业大学 2009
[10]民航发动机健康管理技术与方法研究[D]. 李强.南京航空航天大学 2008
本文编号：3033997
【文章来源】：中国民航大学天津市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
发动机状态监控的基本流程
??蠢吹男阅茏刺?茏罱?欢问奔涞男阅苁?萦跋旖洗螅?而受过去很久或是初始的性能数据影响较小，因此预测模型建模应该是一个吐故纳新的过程。而传统的航空发动机气路性能参数预测模型往往是将发动机的一段历史数据作为训练样本进行一次建模，因此会降低预测模型的精度。何星等人提出了一种结构自适应序贯正则极端学习机，实现了预测模型的在线更新，解决了航空发动机性能参数在线预测问题，但其只能进行单步预测，并且在嵌入维数选取上仍采用工程经验选取的方法，缺乏合理的依据[38]。（3）航空发动机寿命预测发展现状图1-2航空发动机三种寿命预测模型提前估计和预测航空发动机的剩余寿命，能够为航空公司制定发动机机队的长期维修计划提供参考依据[39,40]。而发动机寿命预测方法主要可分为三种预测模型，它们
中国民航大学硕士学位论文19通过对ACMS系统的组成和数据传输流程简单分析后可以看出，发动机性能数据的数据源是安装发动机上的传感器数据，而这些数据又全都是由DFDAU和DMU收集、存储和运算得到的。同时QAR设备和ACARS系统均接收DFDAU输出的飞行数据，因此可以看出QAR和ACARS系统所接收的数据都来自相同数据源，所采集的监控参数也是相同的。图2-1飞行数据传输流程图2.2.2QAR数据提取基线是状态健康的发动机在外界环境稳定的条件下建立的，因此对发动机基线进行挖掘必须要选择健康发动机在稳定飞行状态（即巡航状态）下的发动机性能参数数据。发动机稳态报文是在飞行巡航阶段的发动机监控报文，其在每次航班飞行过程中通过ACARS系统下发两份报文。按照OEM的相关资料要求，在巡航阶段内，如果第一次满足巡航稳态判定提取逻辑则会立即触发第一个发动机稳态报文数据，而第二个报文则是最后一个满足判定提取逻辑的报文数据。厂家监控系统计算的发动机性能监控参数偏差值需要输入的数据是巡航报文上的数据。由上文可以知道，现代民航飞机是通过机载飞机状态监控系统ACMS实时采集和处理数据的，发动机的状态参数原始数据通过该系统记录，且可以同时存储在QAR和ACARS系统中。而由于QAR数据和ACARS数据具有同源性的特点，因此可以从QAR中按照报文提取逻辑获得有效的模拟报文数据。发动机巡航状态下的数据采集原则如下[65]：1）在巡航状态的情况下，发动机必须满足稳定工作至少2分钟的条件，机载设备
【参考文献】：
期刊论文
[1]基于健康指数相似的航空发动机剩余寿命预测[J]. 曹惠玲,梁佳旺,崔科璐. 科学技术与工程. 2020(01)
[2]基于动态集成算法的航空发动机气路参数预测[J]. 张一震,钟诗胜,付旭云,林琳. 航空动力学报. 2018(09)
[3]大数据时代的民机健康管理技术革新[J]. 王兆兵,高丽敏. 航空维修与工程. 2018(05)
[4]基于多分类AdaBoost的航空发动机故障诊断[J]. 曹惠玲,高升,薛鹏. 北京航空航天大学学报. 2018(09)
[5]基于模糊信息粒化和优化SVM的航空发动机性能趋势预测[J]. 李艳军,张建,曹愈远,张丽娜. 航空动力学报. 2017(12)
[6]基于Wiener过程的发动机多阶段剩余寿命预测[J]. 黄亮,刘君强,贡英杰. 北京航空航天大学学报. 2018(05)
[7]多参数相似性信息融合的剩余寿命预测[J]. 梁泽明,姜洪权,周秉直,高建民,高智勇,王荣喜,姜朋. 计算机集成制造系统. 2018(04)
[8]SVR在航空发动机基线挖掘中的应用研究[J]. 曹惠玲,张卓,曲春刚. 机械科学与技术. 2017(01)
[9]一种航空发动机燃油流量基线的建模方法[J]. 闫锋. 计算机测量与控制. 2015(05)
[10]结构自适应序贯正则极端学习机时间序列预测及其应用[J]. 何星,王宏力,陆敬辉,姜伟. 推进技术. 2015(03)
博士论文
[1]数据驱动的航空发动机剩余使用寿命预测方法研究[D]. 周俊.南京航空航天大学 2017
[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]民航发动机气路参数偏差值挖掘方法及其应用研究[D]. 崔智全.哈尔滨工业大学 2013
[4]面向单元体的航空发动机健康状态评估与预测方法研究[D]. 孙见忠.南京航空航天大学 2012
[5]民用涡扇发动机健康智能监控技术的研究[D]. 瞿红春.天津大学 2010
[6]民航发动机性能可靠性评估与在翼寿命预测方法研究[D]. 任淑红.南京航空航天大学 2010
[7]基于气路参数样本的航空发动机状态监视方法与系统研究[D]. 栾圣罡.哈尔滨工业大学 2008
[8]民航发动机健康管理中的寿命预测与维修决策方法研究[D]. 戎翔.南京航空航天大学 2008
[9]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]基于数据驱动的航空发动机在翼寿命预测研究[D]. 梁佳旺.中国民航大学 2019
[3]数据驱动的航空发动机异常检测方法研究[D]. 王钟毓.南京航空航天大学 2019
[4]航空发动机排气温度预测研究[D]. 黄江博.中国民航大学 2018
[5]民航发动机VSV调节规律及喘振故障诊断研究[D]. 阚玉祥.中国民航大学 2018
[6]基于QAR数据的航空发动机报文解析及监控技术研究[D]. 张兴川.中国民航大学 2016
[7]基于多方法的CFM56-7B发动机基线挖掘研究[D]. 王聃.中国民用航空飞行学院 2016
[8]航空发动机气路参数偏差值模型研究与应用[D]. 陕振勇.哈尔滨工业大学 2012
[9]航空发动机状态参数处理技术及其应用研究[D]. 彭云飞.哈尔滨工业大学 2009
[10]民航发动机健康管理技术与方法研究[D]. 李强.南京航空航天大学 2008
本文编号：3033997
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3033997.html
