基于改进SVM的航空发动机气路故障诊断研究
发布时间：2021-09-30 13:59
近几年来,关于航空发动机气路系统故障诊断等方面的研究已成为一个热门话题。无论是从发动机运行还是飞机任务管理的角度来看,发动机的异常运行都是不可取的。而发动机气路系统中各个部件状态的好坏直接影响飞机的整体性能和运行情况,因此早期发现异常对于发动机健康管理至关重要。本文针对发动机气路数据少的缺点,使用机理建模来扩充故障数据库;针对支持向量机模型参数随机的缺点,提出使用GA对LSSVM参数进行寻优;开发了迎合当下需求的移动故障诊断平台。文章涉及到航空发动机机理建模、故障数据模拟、改进支持向量机故障诊断算法和移动故障诊断平台开发等内容。本文的主要工作如下:（1）分析了航空发动机气路的故障种类和故障原因,并建立了航空发动机气路系统的部件级机理模型。首先论文分析了气路部件性能参数和测量参数之间的关系;其次以某型双轴涡扇航空发动机为建模对象,利用MATLAB中的SIMULINK模块建立了发动机气路系统机理模型;最后利用建立好的机理模型进行气路故障进行模拟,从而得到气路故障数据。（2）针对航空发动机气路故障数据少且非线性的特点,采用LSSVM对发动机气路系统进行故障诊断,并用遗传算法分别对SVM和LS...
【文章来源】：中国民航大学天津市
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图2-1双轴涡扇发动机结构图
中国民航大学硕士学位论文162001200112112SSTTMaPPMa=+=+（2-4）（4）总压恢复系数（in）：()1.351,1.010.0751,1.0ininMaMaMa==（2-5）（5）进气道出口总温（1T）与总压（1P）：10101TTPP==（2-6）其中，R为标准气体常数，为气体绝热指数（纯空气=1.4；燃气=1.33）。图2-5为进气道的SIMULINK模型。图2-5进气道模型2、风扇气体流经风扇时的气体参数的计算公式如下：（1）低压相似转子转速（corNL）：()()11///corLLddNL=NTNT（2-7）（2）风扇进口换算流量（Wcor）、实际流量（11WA）风扇效率（f）：
中国民航大学硕士学位论文17()()12111111,,corcorfcorcorfdmffcordfffcorWfNLfNLPTWACWPTC====（2-8）式子中，12f,f表示风扇的特性插值函数；,mffCC为换算流量和效率的修正系数。（3）风扇出口总温（2T）和功（Nf）：()121112/1ffTTTTNWAHH=+=（2-9）式中11(1)/1/1kkTT=为流经风扇的气体温度的升高值，k1为风扇的绝热指数；H1、H2为风扇的进出口气体焓。（4）风扇出口总压（2P）、出口流量（2WA）：22111fWAWAPP==（2-10）图2-6为风扇的SIMULINK模型。图2-6风扇模型
【参考文献】：
期刊论文
[1]浅析微信小程序的“走红”[J]. 陈诗言. 新闻研究导刊. 2018(13)
[2]基于微信小程序的医疗设备管理系统设计与实现[J]. 查晓俊,成刚,杨玉志. 中国医疗设备. 2018(05)
[3]航空发动机气路故障诊断的SANNWA-PF算法[J]. 许梦阳,黄金泉,鲁峰. 航空动力学报. 2017(10)
[4]航空发动机气路系统故障机理分析[J]. 陈晶,李波,高智,尹晓静. 长春工业大学学报. 2017(04)
[5]基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断[J]. 胡宇,张世英,罗雷,朱杰堂,马鸿飞. 航空动力学报. 2016(05)
[6]一种有效的支持向量机参数优化算法[J]. 魏峻. 计算机技术与发展. 2015(12)
[7]基于混沌人工蜂群算法优化的SVM齿轮故障诊断[J]. 刘霞,张姗姗,胡铭鉴. 吉林大学学报(信息科学版). 2015(04)
[8]基于改进萤火虫算法的SVM核参数选取[J]. 杨海,丁毅,沈海斌. 计算机应用与软件. 2015(06)
[9]基于细菌觅食优化决策的齿轮箱故障诊断[J]. 杨大炼,刘义伦,李学军,周维. 中南大学学报(自然科学版). 2015(04)
[10]改进混合蛙跳算法在蔬菜总黄酮软测量中的应用[J]. 曾燕,成新文,陈欲云. 计算机与应用化学. 2015(03)
博士论文
[1]基于卡尔曼滤波的航空发动机故障诊断技术研究[D]. 张鹏.南京航空航天大学 2009
硕士论文
[1]基于微信小程序的移动学习平台环境构建与系统设计开发[D]. 王玉洋.南京大学 2018
[2]基于微信小程序的慢出行共享系统的设计与实现[D]. 李雪钊.首都经济贸易大学 2018
[3]基于卡尔曼滤波的商用涡扇发动机气路故障诊断[D]. 顾嘉辉.南京航空航天大学 2018
[4]极限学习机在航空发动机气路故障诊断中的应用[D]. 林敏.上海交通大学 2015
[5]基于神经网络和协同学的航空发动机气路故障诊断研究[D]. 李萃芳.中国民航大学 2014
[6]支持向量机在航空发动机气路故障诊断中的应用[D]. 陈扬文.上海交通大学 2014
[7]基于改进遗传算法的航空发动机故障诊断专家系统[D]. 李恺钦.南昌航空大学 2012
[8]航空发动机气路故障诊断技术研究[D]. 彭淑宏.上海交通大学 2012
[9]信息融合在航空发动机气路故障诊断中的应用研究[D]. 张宗杰.沈阳航空工业学院 2010
[10]航空发动机气路故障诊断技术研究[D]. 张光明.沈阳航空工业学院 2010
本文编号：3416012
【文章来源】：中国民航大学天津市
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图2-1双轴涡扇发动机结构图
中国民航大学硕士学位论文162001200112112SSTTMaPPMa=+=+（2-4）（4）总压恢复系数（in）：()1.351,1.010.0751,1.0ininMaMaMa==（2-5）（5）进气道出口总温（1T）与总压（1P）：10101TTPP==（2-6）其中，R为标准气体常数，为气体绝热指数（纯空气=1.4；燃气=1.33）。图2-5为进气道的SIMULINK模型。图2-5进气道模型2、风扇气体流经风扇时的气体参数的计算公式如下：（1）低压相似转子转速（corNL）：()()11///corLLddNL=NTNT（2-7）（2）风扇进口换算流量（Wcor）、实际流量（11WA）风扇效率（f）：
中国民航大学硕士学位论文17()()12111111,,corcorfcorcorfdmffcordfffcorWfNLfNLPTWACWPTC====（2-8）式子中，12f,f表示风扇的特性插值函数；,mffCC为换算流量和效率的修正系数。（3）风扇出口总温（2T）和功（Nf）：()121112/1ffTTTTNWAHH=+=（2-9）式中11(1)/1/1kkTT=为流经风扇的气体温度的升高值，k1为风扇的绝热指数；H1、H2为风扇的进出口气体焓。（4）风扇出口总压（2P）、出口流量（2WA）：22111fWAWAPP==（2-10）图2-6为风扇的SIMULINK模型。图2-6风扇模型
【参考文献】：
期刊论文
[1]浅析微信小程序的“走红”[J]. 陈诗言. 新闻研究导刊. 2018(13)
[2]基于微信小程序的医疗设备管理系统设计与实现[J]. 查晓俊,成刚,杨玉志. 中国医疗设备. 2018(05)
[3]航空发动机气路故障诊断的SANNWA-PF算法[J]. 许梦阳,黄金泉,鲁峰. 航空动力学报. 2017(10)
[4]航空发动机气路系统故障机理分析[J]. 陈晶,李波,高智,尹晓静. 长春工业大学学报. 2017(04)
[5]基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断[J]. 胡宇,张世英,罗雷,朱杰堂,马鸿飞. 航空动力学报. 2016(05)
[6]一种有效的支持向量机参数优化算法[J]. 魏峻. 计算机技术与发展. 2015(12)
[7]基于混沌人工蜂群算法优化的SVM齿轮故障诊断[J]. 刘霞,张姗姗,胡铭鉴. 吉林大学学报(信息科学版). 2015(04)
[8]基于改进萤火虫算法的SVM核参数选取[J]. 杨海,丁毅,沈海斌. 计算机应用与软件. 2015(06)
[9]基于细菌觅食优化决策的齿轮箱故障诊断[J]. 杨大炼,刘义伦,李学军,周维. 中南大学学报(自然科学版). 2015(04)
[10]改进混合蛙跳算法在蔬菜总黄酮软测量中的应用[J]. 曾燕,成新文,陈欲云. 计算机与应用化学. 2015(03)
博士论文
[1]基于卡尔曼滤波的航空发动机故障诊断技术研究[D]. 张鹏.南京航空航天大学 2009
硕士论文
[1]基于微信小程序的移动学习平台环境构建与系统设计开发[D]. 王玉洋.南京大学 2018
[2]基于微信小程序的慢出行共享系统的设计与实现[D]. 李雪钊.首都经济贸易大学 2018
[3]基于卡尔曼滤波的商用涡扇发动机气路故障诊断[D]. 顾嘉辉.南京航空航天大学 2018
[4]极限学习机在航空发动机气路故障诊断中的应用[D]. 林敏.上海交通大学 2015
[5]基于神经网络和协同学的航空发动机气路故障诊断研究[D]. 李萃芳.中国民航大学 2014
[6]支持向量机在航空发动机气路故障诊断中的应用[D]. 陈扬文.上海交通大学 2014
[7]基于改进遗传算法的航空发动机故障诊断专家系统[D]. 李恺钦.南昌航空大学 2012
[8]航空发动机气路故障诊断技术研究[D]. 彭淑宏.上海交通大学 2012
[9]信息融合在航空发动机气路故障诊断中的应用研究[D]. 张宗杰.沈阳航空工业学院 2010
[10]航空发动机气路故障诊断技术研究[D]. 张光明.沈阳航空工业学院 2010
本文编号：3416012
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3416012.html
