基于数据驱动的航空发动机故障诊断及性能参数预测

发布时间：2022-02-10 17:28

　　航空发动机健康管理是保障飞行安全,降低维护费用的重要手段。本文主要通过研究航空发动机气路故障诊断及性能参数预测,研究了基于极限学习机的故障诊断及性能预测技术,针对原有算法的不足,对稳定性及稀疏性方面进行了改进。主要工作内容如下:针对极限学习机（ELM）泛化性差的问题,采用了基于贝叶斯学习的模型训练方法,通过贝叶斯估计来迭代更新以替代原有的求逆方法。在此基础上,采用系数关联法和权值共享对贝叶斯极限学习机（BELM）进行稀疏化改进,该方法避免了原方法的直接求取广义逆,同时能够有效的剔除冗余的隐藏层节点。仿真结果表明,所提出的算法在保证精度的同时,有效的精简了模型,相对于传统的极限学习机来说,提升了泛化性。研究了基于多层核极限学习机（MLKELM）的发动机气路故障特征提取和隐马尔可夫（HMM）的动态过程故障诊断方法。多层KELM对航空发动机传感器测量参数进行故障特征提取和降维,其理论来源于神经网络中的自编码（AE,auto-encoder）技术,将数据矩阵通过多层网络进行了新的映射得到新的数据表示,其分类能力与传统的核主成分分析方法相比有了显著的提升。HMM则是基于时间序列的状态转移模型,考... 

【文章来源】：南京航空航天大学江苏省211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

发动机气

1 1k( , )1=k( , )= ( )NNC + x xI tx xk xMΚα是 K-ELM 的输出权值：11NC + α = I Κt为了提升其特征提取能力，采用多层网络结果进行强化。KELM 特征提学习数据，其 MLKELM 的特征学习过程如图 3.2 所示。(1)Ω(1)X(1)X(1)Γ(1)Γ(1)X(2)Ω(2)X(2)X(2)Γ( final)X( n)X(2)X( n)Γ(1) (1)2( , )ik x x(2) (2 )( , )i jk x x

南京航空航天大学硕士学位论文( i) 通过核函数( ) 2( , ) exp( / 2 )ik j k j iK x x = x x σ映射到核ELM-AE 中的转化矩阵，则最终的学习结果为( ) ( ) ( ) ( ) ( ) 1 ( )( / )i i i i i iX I C X Ω Γ = ， Γ = + Ω的最后一步中，数据( i1)X+可以通过如下的公式获得! ( ) ( )( ( ) )i i i TX g X+= Γ 意的激活函数。值得注意的是，如果第 i 层的维数与第性激活函数。在 MLKELM，所有的( )( 1)iΓ i> 都拥有同样障历史数据经过多层网络的处理过程如图 3.3 所示X1 Xt XT标准化

【参考文献】：
期刊论文
[1]航空发动机气路部件故障融合诊断方法研究[J]. 李业波,李秋红,黄向华,赵永平.  航空学报. 2014(06)
[2]航空发动机故障诊断系统性能评价与仿真验证[J]. 张书刚,郭迎清,陈小磊.  推进技术. 2013(08)
[3]基于灰色神经网络组合模型的航空发动机磨损趋势预测[J]. 张帅,李昂,石宏,李楠.  沈阳航空航天大学学报. 2012(03)
[4]卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用[J]. 钟诗胜,雷达,丁刚.  航空学报. 2012(03)
[5]现代航空发动机健康管理技术与应用[J]. 黄波,周剑波,刘铁庚.  机械研究与应用. 2011(05)
[6]航空发动机健康管理综述[J]. 王施,王荣桥,陈志英,樊江,申秀丽.  燃气涡轮试验与研究. 2009(01)
[7]用结构自适应神经网络预测航空发动机性能趋势[J]. 陈果.  航空学报. 2007(03)
[8]飞机维修企业工具管理系统的设计与实践[J]. 马景德.  民航经济与技术. 1997(12)

硕士论文
[1]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
[2]基于HMM的脱机手写体字符识别[D]. 李辉熠.长沙理工大学 2007



本文编号：3619237