航空发动机磨损趋势智能预测技术分析

《航空发动机磨损趋势智能预测技术分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、沈阳航空航天大学硕士学位论文摘要航空发动机作为飞行器的重要组成部分，目前在追求高性能低成本的同时导致发动机零部件长期工作在高速、高负荷的恶劣环境下，更容易因疲劳或磨损引起发动机故障，因此对发动机运转部件的磨损趋势进行预测，尽可能将隐患消除在萌芽状态，对于保证发动机安全有效运行具有重要意义。本文首先对反映发动机运行状态信息的滑油光谱分析数据进行处理，通过对常用的趋势预测模型进行比较分析，结合数据特征选用径向基函数(RBF)网络模型进行预测。然后引入混沌理论rflC-C方法同步确定嵌入维数和时问延迟，重构相空间，采用正交最小二乘算法建立RB

2、F网络模型。针对RBF网络核函数的宽度参数影响预测精度的问题，采用遗传算法优化RBF网络获得最优参数。实例仿真结果表明经遗传算法优化的RBF网络模型较传统模型泛化能力更高，预测误差更小，能够正确反映滑油光谱数据的变化趋势。滑油铁谱分析数据是反映航空发动机运转部件磨损状态的又一重要信息源。由于铁谱分析数据受许多复杂因素的影响，单一模型预测精度相对较低，针对这个问题提出了RBF网络变权重组合预i贝U(RBFNN．VWCF)模型，利用RBF网络将BP网络模型和SVM模型的预测结果进行变权重组合，并采用遗传算法优化RBF模型参数。仿真结果表明R

3、BFNN．VWCF模型充分利用了参与组合预测的两种子模型的有效信息，更客观地反映发动机零部件的磨损趋势，预测结果更为稳健，具有较强的工程实用价值，为发动机下一步的维修决策提供了有力支持。最后，本文在VC++6．0、SQLSever2005和Matlab7．0的环境下开发航空发动机磨损趋势预测系统，主要包括用户管理、记录管理、数据库管理和趋势预测等子模块，实现了发动机滑油分析数据变化趋势的智能预测，根据预测结果对发动机磨损零部件进行初步诊断。该系统界面友好，功能完善，具有一定的实用价值。关键词：航空发动机；滑油；磨损；趋势预测；RBF网络

4、AbstractAeroengineastheimportantcomponentofaircraft，inpursuitofhavinghighperformance，lowcost，lettheoperatingcomponentsworkinginhighspeed，highloadandhightemperature，leadtooperatingpartsareeasytocausefailureduetofatigueorabrasion．Itisnecessarytopredictweartrendofaeroengine

5、，eliminatehiddendangersinthebudasfaraspossible．ThismethodisofgreatimportancetoensuretheengineoperationreliablyandperformitsfunctionefficientlyFirstlyironspectrumdatawhichcanreflectrunningstateoftheengineisanalyzed．Accordingtocomparethecommonforecastmodels，combiningcharac

6、teristicsofoilanalysisdata，RBFnetworkmodelischoosedforweartendprediction．Fortheissuesthatthenodesofinputlayeraffectthepredictionaccuracyseverely,C-Cmethodthatoriginatesfromchaostheoryisintroducedtodeterminethedimensionsofinputsamplesandtimedelay．Thenorthogonalleastsquare

7、salgorithmisusedtoestablishtheRBFnetworkmodel．Asspreadparameteraffectsthepredictionaccuracy,ageneticalgorithmisintroducedtoimproveRBFnetworkmodelandgetthebestparameters．Thesimulationresultsshowthat，comparingwithtraditionalmodel，thepredictionerrorofGARBFnetworkmodelissmal

8、ler,generalizationabilityishigheranditisabletoreflecttheweartrendofspectraldataaccurately．Ferrographyan