多源信息融合的民航发动机性能预测方法研究

发布时间：2024-12-22 05:16

　　预测与健康管理技术(Prognostics and Health Management,PHM)以其对设备健康状态的预测能力和对多源信息的综合处理能力构成了对复杂装备视情维修的良好支撑。目前国内民航发动机PHM领域缺乏有效的发动机性能推理手段,对发动机部件与整机于在翼和修后时间段内的性能预测存在着诸多不足。本文以民航发动机为研究对象,重点研究部件性能建模和诊断、整机在翼性能趋势预测、单机队和跨机队的修后性能预测等问题。针对各类问题,分别提出数据与物理知识融合的发动机性能建模、多元参数融合的发动机性能趋势预测、多源信息融合的机队修后性能预测、基于迁移学习的跨机队修后性能预测等方法。研究内容按照部件、整机、机队、多机队的顺序依次递进,解决问题的过程中融合了发动机设计知识、在线监控数据、维修工作范围、使用时间等多源信息,为民航发动机的性能预测提供理论和技术支持。本文的主要研究内容如下:航空发动机属复杂多部件系统,对其性能进行建模需要融合观测数据及物理知识以克服可测参数数量过少所导致的部件特性不可辨识问题。为此,提出了一种数据和物理知识融合的,对多部件系统进行系统层和部件层协同建模的跨层级混合学...

【文章页数】：159 页

【学位级别】：博士

【部分图文】：

图1-1民航发动机双转子构型Fig,1一1TwinshaftStructureofcommercialaircraftengine

第1章绪论斯方法的信息融合技术、基于人工神经网络的数据融合技术等信息技术的快速发展以及信息系统的快速外延，多源数据融合过了传感器数据融合的简单含义，而是指包含了数据、图像、等多种广义信息单元的融合。相对于传统的多传感器数据融合过源信息融合具有实时性、密集型、全空间性、综合....

图1-2论文章节安排及对应研究内容Fig.1-2Thechaptersinthisdissertationandcorrespondingresearchcontents

哈尔滨工业大学博士学位论文分析两个相互耦合步骤的联合迁移，对于此类问题，目前尚未有效决方案。为了使迁移学习能够被应用于发动机的跨机队修后性能预统筹考虑模型特征提取机制和回归分析机制之间的关联特性，以实迁移。本文的主要研究内容为了提高国内航空公司的发动机管理水平，减轻对发动机制造....

图2-2局部模型的融合过程示意图

件II和条件IV还良好地避免了多重共线部模型的融合上证明了如果给定的物理知识足够多，可件模型的可观测性。在实际的系统建模收集到的物理知识不足而不满足定理2-1况下，所有连接到第二类节点上的部件下，应将可观测性不足的局部模型进行的局部模型。这种方法能够通过舍弃部从而使系统....

图2-3TLML算法的整体运行流程示意图

-26-如图所示，算法的总体输入为训练参数集合U，以及等式约束集合E。首先令将各个局部模型1h()至()Kh初始化为仿射函数，而后采用遍历1h()至的方式来决定新自由度在局部模型之间的归属。当评估()jh在获得新的自由能为模型精度带来的提升效果时....

本文编号：4019495