航空发动机排气温度预测研究
发布时间：2021-07-21 08:24
EGT（航空发动机排气温度）是航空发动机的主要性能参数之一,EGT的状态变化将直接影响飞机的安全性与可靠性。因此对EGT进行准确的预测,不仅有助于判别发动机的性能状态,同时也能为排除故障以及维修方案的制定提供充分的决策时间。然而由于航空发动机恶劣的工作环境和复杂的非线性系统导致获取的发动机性能参数具有随机的波动性、不平稳性以及非线性等特点,使得难以建立精确的物理预测模型,考虑到发动机EGT与其他性能参数之间的关系,所以建立基于人工智能方法的多个性能参数为输入、发动机EGT为输出的预测模型,并结合航空实例进行分析,验证了预测模型的可靠性。本文将从以下几个方面进行了深入研究:（1）首先对国内外航空发动机排气温度预测的方法进行介绍,全面的分析了PLS（偏最小二乘回归预测）、SVM（支持向量机）预测、ANN（人工神经网络）以及组合预测方法的优缺点,为进一步研究航空发动机排气温度的预测奠定了基础。（2）为了提高对航空发动机排气温度预测的准确性,首先分析获取的航空发动机相关数据的变化特征,采用统计分析法对数据中异常点进行识别,并利用指数平滑法对时间序列数据进行平滑处理;其次对数据进行归一化处理,消...
【文章来源】：中国民航大学天津市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 引言
1.2 国内外研究现状
1.2.1 偏最小二乘预测研究现状
1.2.2 神经网络预测研究现状
1.2.3 支持向量机预测研究现状
1.2.4 组合预测研究现状
1.3 本文主要研究内容及创新点
1.3.1 论文的主要研究内容
1.3.2 论文可能存在的创新点
第二章 航空发动机的相关参数筛选及前期处理
2.1 引言
2.2 性能参数时间序列的异常点识别与平滑
2.2.1 性能参数时间序列建立
2.2.2 识别异常点模型建立
2.2.3 性能参数的平滑处理
2.2.4 实例分析
2.3 航空发动机性能参数相关性分析
2.3.1 MIV
2.3.2 实例分析
2.4 本章小结
第三章 基于偏最小二乘法的航空发动机排气温度预测
3.1 引言
3.2 多元线性回归的预测模型
3.2.1 多元线性回归模型
3.2.2 参数的最小二乘估计
3.2.3 预测结果评估方法
3.3 偏最小二乘的预测模型
3.3.1 PLS的预测模型的建模步骤
3.3.2 偏最小二乘法的相关操作
3.4 实例分析
3.4.1 多元线性回归预测
3.4.2 偏最小二乘回归预测
3.4.3 PLS预测误差对比
3.5 本章小结
第四章 基于改进支持向量机的航空发动机排气温度预测
4.1 引言
4.2 支持向量机预测模型
4.3 自适应扰动量子粒子群算法
4.3.1 基本量子粒子群算法
4.3.2 自适应扰动量子粒子群
4.3.3 ADQPSO-SVR的预测流程图及算法实现
4.4 实例分析
4.4.1 参数设置
4.4.2 训练样本对比分析研究
4.4.3 抗噪能力对比分析研究
4.4.4 训练时间对比分析研究
4.5 本章小结
第五章 基于ADQPSO-Elman神经网络的航空发动机排气温度预测
5.1 引言
5.2 Elman神经网络的预测模型
5.2.1 Elman神经网络结构
5.2.2 Elman神经网络计算原理
5.3 基于ADQPSO优化Elman神经网络的预测模型
5.3.1 ADQPSO优化Elman神经网络模型
5.3.2 ADQPSO-Elman神经网络的附属相关操作
5.4 实例分析
5.4.1 训练样本对比分析研究
5.4.2 抗噪能力对比分析研究
5.4.3 神经网络训练过程对比分析研究
5.5 本章小结
第六章 基于组合模型的航空发动机排气温度预测
6.1 引言
6.2 基于ADQPSO的组合预测方法
6.2.1 组合预测模型
6.2.2 ADQPSO的组合预测方法
6.3 实例分析
6.3.1 模型筛选
6.3.2 训练样本对比分析研究
6.3.3 抗噪能力对比分析研究
6.3.4 优化过程以及训练时间对比分析研究
6.4 本章小结
第七章 总结与展望
7.1 全文工作总结
7.2 进一步研究的展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于IPSO-Elman神经网络的航空发动机故障诊断[J]. 皮骏,黄江博. 航空动力学报. 2017(12)
[2]基于人工神经网络的侵彻毁伤模式识别[J]. 王烁,石全. 兵器装备工程学报. 2017(10)
[3]应用单元体参数的航空发动机性能预警方法[J]. 黄燕晓,郝红勋,郭家琛. 华侨大学学报(自然科学版). 2016(05)
[4]模糊理论在系统故障诊断中的应用[J]. 杨国忠,吴碧容,辛少菲. 计算机与数字工程. 2015(05)
[5]基于改进最小二乘算法的船舶操纵性参数辨识[J]. 秦余钢,马勇,张亮,李腾飞. 吉林大学学报(工学版). 2016(03)
[6]航空发动机排气温度基线建模方法[J]. 付金华,闫锋. 航空计算技术. 2014(06)
[7]基于改进PSO-BP神经网络的变压器故障诊断[J]. 张国祥,袁丹,张浩,彭道刚. 上海电力学院学报. 2014(03)
[8]基于核函数的间接测量系统模型设计[J]. 潘光斌,徐锦,廖玲. 计量与测试技术. 2014(03)
[9]民航发动机性能实时监控系统架构研究[J]. 李书明,缪文彬,黄燕晓. 装备制造技术. 2013(12)
[10]多元退化信息的航空发动机可靠性预测[J]. 孙绍辉,王华伟,陈福立. 火力与指挥控制. 2013(11)
博士论文
[1]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
[2]民机产品可靠性评估技术研究[D]. 王烨.南京航空航天大学 2009
硕士论文
[1]CFM56型号飞机发动机维护项目的成本控制研究[D]. 陈嘉.东华大学 2016
[2]基于离散过程神经网络的航空发动机性能参数融合预测技术研究[D]. 张颉健.哈尔滨工业大学 2015
[3]基于灰色神经网络的VOD终点碳温预测模型研究[D]. 刘海波.西安电子科技大学 2014
[4]基于性能参数预测的航空发动机维修决策支持系统研究[D]. 王雄威.哈尔滨工业大学 2013
[5]基于竞争失效的航空发动机可靠性评估研究[D]. 李伟.南京航空航天大学 2013
[6]基于信息融合的复杂系统健康管理研究[D]. 陈福立.南京航空航天大学 2012
[7]基于粒子群优化支持向量机的变压器故障诊断和预测[D]. 张艳.西华大学 2011
[8]基于混沌时间序列理论的民航发动机性能参数预测模型研究[D]. 张科星.中国民航大学 2009
[9]细胞神经网络的稳定性分析[D]. 周永强.电子科技大学 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：3294672
【文章来源】：中国民航大学天津市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 引言
1.2 国内外研究现状
1.2.1 偏最小二乘预测研究现状
1.2.2 神经网络预测研究现状
1.2.3 支持向量机预测研究现状
1.2.4 组合预测研究现状
1.3 本文主要研究内容及创新点
1.3.1 论文的主要研究内容
1.3.2 论文可能存在的创新点
第二章 航空发动机的相关参数筛选及前期处理
2.1 引言
2.2 性能参数时间序列的异常点识别与平滑
2.2.1 性能参数时间序列建立
2.2.2 识别异常点模型建立
2.2.3 性能参数的平滑处理
2.2.4 实例分析
2.3 航空发动机性能参数相关性分析
2.3.1 MIV
2.3.2 实例分析
2.4 本章小结
第三章 基于偏最小二乘法的航空发动机排气温度预测
3.1 引言
3.2 多元线性回归的预测模型
3.2.1 多元线性回归模型
3.2.2 参数的最小二乘估计
3.2.3 预测结果评估方法
3.3 偏最小二乘的预测模型
3.3.1 PLS的预测模型的建模步骤
3.3.2 偏最小二乘法的相关操作
3.4 实例分析
3.4.1 多元线性回归预测
3.4.2 偏最小二乘回归预测
3.4.3 PLS预测误差对比
3.5 本章小结
第四章 基于改进支持向量机的航空发动机排气温度预测
4.1 引言
4.2 支持向量机预测模型
4.3 自适应扰动量子粒子群算法
4.3.1 基本量子粒子群算法
4.3.2 自适应扰动量子粒子群
4.3.3 ADQPSO-SVR的预测流程图及算法实现
4.4 实例分析
4.4.1 参数设置
4.4.2 训练样本对比分析研究
4.4.3 抗噪能力对比分析研究
4.4.4 训练时间对比分析研究
4.5 本章小结
第五章 基于ADQPSO-Elman神经网络的航空发动机排气温度预测
5.1 引言
5.2 Elman神经网络的预测模型
5.2.1 Elman神经网络结构
5.2.2 Elman神经网络计算原理
5.3 基于ADQPSO优化Elman神经网络的预测模型
5.3.1 ADQPSO优化Elman神经网络模型
5.3.2 ADQPSO-Elman神经网络的附属相关操作
5.4 实例分析
5.4.1 训练样本对比分析研究
5.4.2 抗噪能力对比分析研究
5.4.3 神经网络训练过程对比分析研究
5.5 本章小结
第六章 基于组合模型的航空发动机排气温度预测
6.1 引言
6.2 基于ADQPSO的组合预测方法
6.2.1 组合预测模型
6.2.2 ADQPSO的组合预测方法
6.3 实例分析
6.3.1 模型筛选
6.3.2 训练样本对比分析研究
6.3.3 抗噪能力对比分析研究
6.3.4 优化过程以及训练时间对比分析研究
6.4 本章小结
第七章 总结与展望
7.1 全文工作总结
7.2 进一步研究的展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于IPSO-Elman神经网络的航空发动机故障诊断[J]. 皮骏,黄江博. 航空动力学报. 2017(12)
[2]基于人工神经网络的侵彻毁伤模式识别[J]. 王烁,石全. 兵器装备工程学报. 2017(10)
[3]应用单元体参数的航空发动机性能预警方法[J]. 黄燕晓,郝红勋,郭家琛. 华侨大学学报(自然科学版). 2016(05)
[4]模糊理论在系统故障诊断中的应用[J]. 杨国忠,吴碧容,辛少菲. 计算机与数字工程. 2015(05)
[5]基于改进最小二乘算法的船舶操纵性参数辨识[J]. 秦余钢,马勇,张亮,李腾飞. 吉林大学学报(工学版). 2016(03)
[6]航空发动机排气温度基线建模方法[J]. 付金华,闫锋. 航空计算技术. 2014(06)
[7]基于改进PSO-BP神经网络的变压器故障诊断[J]. 张国祥,袁丹,张浩,彭道刚. 上海电力学院学报. 2014(03)
[8]基于核函数的间接测量系统模型设计[J]. 潘光斌,徐锦,廖玲. 计量与测试技术. 2014(03)
[9]民航发动机性能实时监控系统架构研究[J]. 李书明,缪文彬,黄燕晓. 装备制造技术. 2013(12)
[10]多元退化信息的航空发动机可靠性预测[J]. 孙绍辉,王华伟,陈福立. 火力与指挥控制. 2013(11)
博士论文
[1]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
[2]民机产品可靠性评估技术研究[D]. 王烨.南京航空航天大学 2009
硕士论文
[1]CFM56型号飞机发动机维护项目的成本控制研究[D]. 陈嘉.东华大学 2016
[2]基于离散过程神经网络的航空发动机性能参数融合预测技术研究[D]. 张颉健.哈尔滨工业大学 2015
[3]基于灰色神经网络的VOD终点碳温预测模型研究[D]. 刘海波.西安电子科技大学 2014
[4]基于性能参数预测的航空发动机维修决策支持系统研究[D]. 王雄威.哈尔滨工业大学 2013
[5]基于竞争失效的航空发动机可靠性评估研究[D]. 李伟.南京航空航天大学 2013
[6]基于信息融合的复杂系统健康管理研究[D]. 陈福立.南京航空航天大学 2012
[7]基于粒子群优化支持向量机的变压器故障诊断和预测[D]. 张艳.西华大学 2011
[8]基于混沌时间序列理论的民航发动机性能参数预测模型研究[D]. 张科星.中国民航大学 2009
[9]细胞神经网络的稳定性分析[D]. 周永强.电子科技大学 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：3294672
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3294672.html
