基于粒子群优化算法的航空发动机故障诊断与性能参数预测研究
发布时间：2021-03-08 03:38
航空发动机作为保障飞行安全运行的核心部件,由于其运行环境的不确定性、严苛性,本身系统构成的复杂性,使得对航空发动机的故障诊断与预测成为一项复杂而又关键的任务,不仅影响航空公司等运营团体的经济利益,更与人员生命财产安全直接相关。随着现代传感器技术、通信技术的快速发展,使得对航空发动机的状态监控和趋势分析成为现实,基于智能算法的诊断与预测技术被广泛采用,使航空发动机的维修保养思想得到根本改变。针对航发发动机故障诊断、预测、及数据处理等问题,本文提出基于粒子群优化（Particle Swarm optimization,PSO）算法的诊断与预测方法,拓展PSO算法应用范围,利用粒度计算进行相似性数据压缩,降低算法时间开销。将优化领域的PSO算法作为故障诊断与预测工具,对本文是一项挑战。本文主要工作与创新点如下:（1）PSO算法作为经典群体智能算法,在优化领域具有广泛的应用,但因容易陷入局部最优区域而导致早熟收敛。实质上,缺乏种群多样性和有效交互模式,以及搜索过程的不平衡、更新策略的单一化,都是导致早熟收敛的原因。受人类学习行为的启发,围绕导致早熟收敛的原因,对PSO算法进行有效改进,通过将粒...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
算法性能改进的主要研究方向
达到对特定问题的求解。法执行过程当中，种群当中所有 nt位的粒子被定义为导师，余将被随机赋予一个导师，并在导生，将在导师的帮助下进行私人学指导任务的同时，也承担着对师的研究行为都是为了求解实际，因此，此种改进型算法也被称的粒子将追随前 nt个极值，而不者接近全局最优区域的解的概率原理。1p2ptN nptN n 1pNp
学生粒子需重新随机选择导师粒子，如果 fisp ；同时，如果 1sfitk p 不弱于 gefit p ，则令gp 5：利用研究行为策略来更新导师粒子的知识。 e，则令t-ie tp p ；如果 1tfitk p 优于 gefit p ，则 6：重复上述步步骤 2 至步骤 5，直到迭代终止条。迭代终止条件有不同的形式，而在本研究中，大迭代数，即 k = kmax。ELPSO 算法性能改进分析 2-1 分析所示，对 PSO 算法而言，要想提高全局手对算法进行改进，而 MELPSO 算法通过对人类学习过程中的适应性、交互性、动态性、多样性能。因此，如图 2-4 所示，根据 MELPSO 算法采何从不同方面改进寻优性能的。
【参考文献】：
期刊论文
[1]选择Pareto非劣解最优方案的量化方法:性价比法[J]. 王诺,吴迪,黄祺,赵伟杰. 系统工程理论与实践. 2018(03)
[2]嵌入模拟退火机制的免疫逃避的粒子群算法[J]. 刘微,孙榕彬,王洪瑞. 吉林师范大学学报(自然科学版). 2018(01)
[3]航空发动机机械磨损的故障探析[J]. 戴沅均. 中国设备工程. 2017(24)
[4]航空发动机控制系统振动信号处理方法研究[J]. 殷彬彬,张星星. 测控技术. 2017(10)
[5]基于试飞数据的航空发动机滑油系统模型建立及应用[J]. 马明明. 润滑与密封. 2017(10)
[6]基于粒子群优化的深度神经网络分类算法[J]. 董晴,宋威. 传感器与微系统. 2017(09)
[7]基于融合EKF的航空发动机气路性能健康预测[J]. 陶金伟,黄一桓,鲁峰,黄金泉. 测控技术. 2017(07)
[8]融入免疫思想的改进型粒子群优化算法[J]. 张晓,范虹,张莉,党小虎. 陕西师范大学学报(自然科学版). 2017(03)
[9]航空发动机健康管理系统发展现状及其指标体系研究[J]. 蔡光耀,高晶,苗学问. 测控技术. 2016(04)
[10]Aeroengine Fault Diagnosis Method Based on Optimized Supervised Kohonen Network[J]. 郑波,李彦锋,黄洪钟. Journal of Donghua University（English Edition）. 2015(06)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[2]民用航空发动机电气系统故障诊断方法研究[D]. 张璐.天津大学 2016
[3]惯性/卫星组合导航自适应容错与精度性能增强关键技术研究[D]. 钟丽娜.南京航空航天大学 2016
[4]基于非线性模型的涡喷发动机气路故障诊断研究[D]. 陈煜.南京航空航天大学 2014
[5]基于智能学习模型的民航发动机健康状态预测研究[D]. 雷达.哈尔滨工业大学 2013
硕士论文
[1]飞机发动机故障诊断专家系统研究[D]. 刘平华.青岛科技大学 2017
[2]基于EMD与SVM的航空发动机转子系统故障诊断[D]. 栗祥.西安工业大学 2017
[3]基于状态的民航发动机维修管理研究[D]. 姚晨榕.南京航空航天大学 2006
本文编号：3070343
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：144 页
【学位级别】：博士
【部分图文】：
算法性能改进的主要研究方向
达到对特定问题的求解。法执行过程当中，种群当中所有 nt位的粒子被定义为导师，余将被随机赋予一个导师，并在导生，将在导师的帮助下进行私人学指导任务的同时，也承担着对师的研究行为都是为了求解实际，因此，此种改进型算法也被称的粒子将追随前 nt个极值，而不者接近全局最优区域的解的概率原理。1p2ptN nptN n 1pNp
学生粒子需重新随机选择导师粒子，如果 fisp ；同时，如果 1sfitk p 不弱于 gefit p ，则令gp 5：利用研究行为策略来更新导师粒子的知识。 e，则令t-ie tp p ；如果 1tfitk p 优于 gefit p ，则 6：重复上述步步骤 2 至步骤 5，直到迭代终止条。迭代终止条件有不同的形式，而在本研究中，大迭代数，即 k = kmax。ELPSO 算法性能改进分析 2-1 分析所示，对 PSO 算法而言，要想提高全局手对算法进行改进，而 MELPSO 算法通过对人类学习过程中的适应性、交互性、动态性、多样性能。因此，如图 2-4 所示，根据 MELPSO 算法采何从不同方面改进寻优性能的。
【参考文献】：
期刊论文
[1]选择Pareto非劣解最优方案的量化方法:性价比法[J]. 王诺,吴迪,黄祺,赵伟杰. 系统工程理论与实践. 2018(03)
[2]嵌入模拟退火机制的免疫逃避的粒子群算法[J]. 刘微,孙榕彬,王洪瑞. 吉林师范大学学报(自然科学版). 2018(01)
[3]航空发动机机械磨损的故障探析[J]. 戴沅均. 中国设备工程. 2017(24)
[4]航空发动机控制系统振动信号处理方法研究[J]. 殷彬彬,张星星. 测控技术. 2017(10)
[5]基于试飞数据的航空发动机滑油系统模型建立及应用[J]. 马明明. 润滑与密封. 2017(10)
[6]基于粒子群优化的深度神经网络分类算法[J]. 董晴,宋威. 传感器与微系统. 2017(09)
[7]基于融合EKF的航空发动机气路性能健康预测[J]. 陶金伟,黄一桓,鲁峰,黄金泉. 测控技术. 2017(07)
[8]融入免疫思想的改进型粒子群优化算法[J]. 张晓,范虹,张莉,党小虎. 陕西师范大学学报(自然科学版). 2017(03)
[9]航空发动机健康管理系统发展现状及其指标体系研究[J]. 蔡光耀,高晶,苗学问. 测控技术. 2016(04)
[10]Aeroengine Fault Diagnosis Method Based on Optimized Supervised Kohonen Network[J]. 郑波,李彦锋,黄洪钟. Journal of Donghua University（English Edition）. 2015(06)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[2]民用航空发动机电气系统故障诊断方法研究[D]. 张璐.天津大学 2016
[3]惯性/卫星组合导航自适应容错与精度性能增强关键技术研究[D]. 钟丽娜.南京航空航天大学 2016
[4]基于非线性模型的涡喷发动机气路故障诊断研究[D]. 陈煜.南京航空航天大学 2014
[5]基于智能学习模型的民航发动机健康状态预测研究[D]. 雷达.哈尔滨工业大学 2013
硕士论文
[1]飞机发动机故障诊断专家系统研究[D]. 刘平华.青岛科技大学 2017
[2]基于EMD与SVM的航空发动机转子系统故障诊断[D]. 栗祥.西安工业大学 2017
[3]基于状态的民航发动机维修管理研究[D]. 姚晨榕.南京航空航天大学 2006
本文编号：3070343
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3070343.html
