学位论文 > 优秀研究生学位论文题录展示

基于改进神经网络的民机发动机故障诊断与性能预测研究

作　者: 刘永建
导　师: 朱剑英
学　校: 南京航空航天大学
专　业: 载运工具运用工程
关键词: 航空发动机故障诊断性能监控模式识别神经网络
分类号: V263.6
类　型: 博士论文
年　份: 2012年
下　载: 87次
引　用: 0次
阅　读: 论文下载

内容摘要

航空发动机是民机核心动力系统，对之实施有效的诊断和监控，是保障民机安全性、可靠性和经济性的重要技术途径。在发动机故障诊断研究领域，目标主体经常被抽象为一个典型复杂机械系统，由于该系统结构的复杂性、模型的严重非线性、诊断方法的多样性、测量综合误差对故障诊断的干扰影响等原因，造成了发动机故障诊断建模的复杂与困难。目前该领域研究热点包括诊断方法的有效性和全局性研究、诊断系统的实时性研究。前者旨在解决发动机故障诊断模型的性能问题，并将单一诊断方法的模型拓展为多诊断方法模型的集成应用。后者旨在将发动机故障的防范关口前移到实时节点，在传统航线检测、排查、航后排故的基础上引入基于智能诊断决策的故障预防和预防性维修。本文在研究地空数据链（ACARS）和机载飞行数据记录设备（DFDR/QAR）中发动机状态数据译码的基础上，围绕航空发动机故障智能诊断与状态监控中若干关键的问题展开研究，本文的主要研究内容和创新点如下：（1）ACARS所提供的实时信息量无法支撑发动机故障模型的在线训练和实时诊断，而快速存取记录器（QAR）中的数据，有信息完备和记录频率高的特点，因此，在基于智能算法的建模过程中，用ACARS与QAR数据共同构建样本空间。分析了两种数据源中数据帧结构可归类的特点，针对机载总线中发动机参数底层数据编码特征，提出了基于译码函数的发动机参数译码算法，译码过程具有较好的实时性和通用性，译码输出为发动机故障诊断和性能监控建模提供了基础数据支撑。（2）发动机系统的复杂性决定了故障诊断方法的多样性，对于诊断决策而言，综合多种方法做出的决策输出比单一诊断决策具有更好的全局性。对发动机诊断过程中设计的多路信息源和多种诊断知识分别进行融合，针对多路信息源采用数据层融合策略，提出一种自适应加权融合估计算法，根据发动机参数特征迭代调整加权因子，实现参数的融合输出；针对多种诊断知识采用决策级融合策略，提出了一种基于HWA算子的诊断知识多属性决策融合方法，实现了分布式局部决策知识向全局决策知识的进化（3）利用人工智能方法建立发动机故障诊断模型，可以突破传统数学理论建模、物理过程建模在处理非线性、非平稳性、不确定性复杂系统中的性能瓶颈，具有更好的逼近性能和泛化性能。针对所研究的故障诊断问题，提出了一种改进人工神经网络，利用蚁群算法优化了算法的初始权值向量的优化问题，避免了主观随机选择权值导致的收敛慢和训练振荡问题；模型的训练则引入Levenberg-Marquardt算法，利用其非线性寻优训练规则替代BP算法的梯度下降规则，减小训练过程中代价函数陷入局部极小点的机会，通过控制训练算法复杂度提高收敛速度。（4）发动机故障预防的要点在于性能的预测，从大量运行数据中捕获用于表征发动机深层运行状态及趋势的信息。研究基于发动机EGT裕度控制的气路性能监控，在分析试车台和起飞过程EGTM的计算原理的基础上，明确其衰退原因，给出了提高EGTM的建议措施；用智能网络模型逼近发动机气路参数时序函数，给出了一种引入了附加参数的相空间重构方法，用粗糙集方法控制附加参数冗余属性，提出了基于区分矩阵的启发式最小约简算法。建模阶段采用动量法和学习率自适应调整相结合的策略，对发动机气路参数的发展趋势进行建模和预测，取得了具有较好的学习和泛化能力，对气路参数或其他类似的非线性动力系统的走势预测决策具有较好的效果。（5）探索上述理论、方法的工程实现问题，通过在集成开发环境下构建了发动机故障诊断模块、气路性能监控模块、性能趋势预测模块，实现发动机故障诊断与性能监控原型系统，进行了工程实例测试应用。

全文目录

摘要  4-6
ABSTRACT  6-8
目录  8-17
1 绪论  17-29
  1.1 概述  17-18
  1.2 实时智能故障诊断方法分类  18-20
    1.2.1 飞机故障专家系统诊断  19
    1.2.2 模糊逻辑在诊断中的应用  19
    1.2.3 故障树在诊断中的应用  19-20
    1.2.4 神经网络在诊断中的应用  20
    1.2.5 信息融合在诊断中的应用  20
  1.3 飞机故障诊断技术的发展和特点  20-24
    1.3.1 飞机故障诊断的特点  21-22
    1.3.2 研究背景及意义  22-23
    1.3.3 国内外研究动态  23-24
  1.4 本文的研究目的和要求  24-25
  1.5 论文研究的智能化方案  25-27
  1.6 研究内容和组织安排  27-29
2 机载监控系统通信原理及实时诊断结构  29-39
  2.1 概述  29-30
  2.2 基于飞行数据的飞机状态监控系统  30-36
    2.2.1 飞机状态监控系统结构  30-31
    2.2.2 机载数据采集原理及总线结构  31-32
    2.2.3 数据总线及通信协议研究  32-36
  2.3 发动机故障诊断及监控系统  36-38
    2.3.1 发动机诊断数据流程及基本方法  36-37
    2.3.2 实时数据据驱动的故故障诊断系统统框架  37-38
  2.4 本章小结  38-39
3 发动机气路参数的解析及多源信息融合  39-63
  3.1 概述  39-40
  3.2 基于数据帧结构的 QAR 与 ACARS 解译算法设计  40-51
    3.2.1 QAR 发动机参数帧结构解析及译码算法设计  40-43
    3.2.2 ACARS 报文数据结构解析及算法设计  43-44
    3.2.3 发动机气路参数的预处理  44-49
    3.2.4 发动机气路参数译码实例  49-51
  3.3 故障诊断研究中的多源信息融合问题  51-62
    3.3.1 发动机参数的数据层融合  52-56
    3.3.2 故障诊断知识的决策层融合  56-62
  3.4 本章小结  62-63
4 基于改进神经网络的发动机故障诊断建模  63-88
  4.1 概述  63
  4.2 改进神经网络诊断原理  63-70
    4.2.1 神经元模型  63-64
    4.2.2 BP 神经网络模型及其特点  64-68
    4.2.3 神经网络的优化与集成  68-70
  4.3 改进神经网络学习算法  70-73
    4.3.1 基于蚁群算法的神经网络参数优化方法  70-71
    4.3.2 基于 Levenberg-Marquardt 算法的神经网络训练方法  71-73
    4.3.3 优化与集成过程中的要点  73
  4.4 基于改进神经网络的发动机故障诊断  73-86
    4.4.1 改进神经网络诊断系统结构及诊断流程  74-75
    4.4.2 样本空间构成  75-76
    4.4.3 诊断模型训练及诊断应用  76-84
    4.4.4 模型的集成与应用评估  84-86
  4.5 本章小结  86-88
5 发动机性能监控及预测方法  88-120
  5.1 概述  88-89
  5.2 发动机性能监控  89-103
    5.2.1 发动机性能监控流程  89-90
    5.2.2 发动机气路性能监控方法  90-102
    5.2.3 发动机性能监控案例  102-103
  5.3 发动机性能参数预测  103-119
    5.3.1 性能参数预测流程  103-104
    5.3.2 发动机性能预测方法  104-116
    5.3.3 性能预测应用实例  116-119
  5.4 本章小结  119-120
6 系统实现及应用  120-136
  6.1 概述  120
  6.2 系统主要功能  120-121
  6.3 系统设计与实现  121-129
    6.3.1 系统结构设计  121-122
    6.3.2 数据库设计  122
    6.3.3 业务处理层设计  122-126
    6.3.4 系统 XML 数据文件设计  126-127
    6.3.5 数据库连接池设计  127-128
    6.3.6 表示层设计  128-129
  6.4 系统应用  129-135
  6.5 本章小结  135-136
7 全文总结与研究展望  136-139
  7.1 研究工作总结  136-137
  7.2 本文主要创新点  137
  7.3 研究展望  137-139
参考文献  139-151
致谢  151-152
在学期间的研究成果及发表的学术论文  152

基于改进神经网络的民机发动机故障诊断与性能预测研究

内容摘要

全文目录

相似论文