吳昊-智能診斷與專家系統研究室-南京航空航天大學

《吳昊-智能診斷與專家系統研究室-南京航空航天大學》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、毕业设计（论文）报告纸编号：南京航空航天大学毕业设计技术报告课题名称航空发动机磨损状态的非等间隔预测技术学生姓名吴昊学号30004126专业民用飞机运用工程班级300041指导教师陈果2004年6月共35页第35页毕业设计（论文）报告纸目录摘要3Abstract4第一章航空发动机磨损状态监测及故障诊断研究现状51.1航空发动机磨损故障规律51.2航空发动机磨损状态监测与故障诊断的意义5第二章状态监测技术中的常用预测模型72.1时间序列ARMA模型72.2灰色模型对非等间隔数据的预测102.2.1GM（1

2、，1）模型——对非等间隔数据的预测102.3人工神经网络132.3.1人工神经网络及其特征132.3.2神经网络研究的意义14第三章神经网络非等间隔预测模型163.1非等间隔预测问题的提出及现有模型解决此问题的难度与不足163.2经网络多变量预模型容易实现非等间隔预测163.2.1单变量预测模型163.2.2引入时间间隔信息后构造多变量预测模型17第四章神经网络非等间隔预测实例.184.1利用MATLAB神经网络工具箱建立神经网络非等间隔预测模型184.1.1神经网络工具箱简介184.1.2主函数及主要

3、语句的介绍194.2模型参数研究214.2.1隐层节点数对模型的影响214.2.2输入节点数对模型的影响224.2.3精度对模型的影响244.2.4训练样本比例对模型的影响254.3得出最佳预测效果的模型264.4对模拟数据和实测数据进行验证27第五章结论30第六章附录31参考文献34致谢35共35页第35页毕业设计（论文）报告纸摘要油样分析是航空发动机磨损状态监测的重要技术，对油样分析数据的趋势预测对于准确把握发动机的磨损状态，实现发动机的状态维修具有重要意义。但是油样分析数据的严重非等间隔性经常导致

4、常用方法的预测失效，使预测值与实际值相去甚远。本文针对油样数据的非等间隔预测问题，利用人工神经网络高度的并行分布式、联想记忆能力、自组织学习能力和极强的非线性映射能力，建立了BP神经网络的多变量预测模型，实现了非等间隔数据建模和预测，同时探讨了神经网络参数对预测精度的影响，最后，利用模拟数据和实际的发动机油样光谱分析数据对模型进行了验证。结果表明，本文所提出的BP神经网络的多变量预测模型能有效解决实际的非等间隔预测问题，具有很强的工程实用价值。关键词:发动机;磨损;预测;人工神经网络;非等间隔;ARMA

5、模型共35页第35页毕业设计（论文）报告纸AbstractOilanalysisisanimportantfaultdiagnosistechnique.Predictingtheoilanalysisdatumisverysignificationtoassessaero-enginewearfaultsandachieveengine’sconditionmaintenance.Buttheunequalintervalofoilsampleanalyzingdatumusuallyleadstot

6、heinvalidationofthecommonmethods,whichleadstothebigdifferentbetweenthePredictedvaluesandtruevalues.Thispaperaimsattheunequalintervaloftheoilanalysisdatum.AstheArtificialNeuralNetwork(ANN)hasthehighparalleldistributedprocessing,associativememoryabilities,

7、self-organization,self-learningandstrongnonlinearmappingabilities,thispaperestablishmulti-variablespredictingmodelbyusingBack-PropagationNeuralNetworks(BPNN),whichachievesmodelingandpredictingtounequalintervaldatum.ThispaperalsodiscussestheeffectofANN’sp

8、arametersonthepredictingaccuracy.Finally,thispaperusessimulationdatumandengineoilspectralanalysisdatumtoverifythismodel.Theresultshowsthatthismodelcansolvetherealpredictionproblemofunequalintervaldatesandhasimportantengine