民用飞机发动机使用性能建模与研究

民用飞机发动机使用性能建模与研究

ID:34940984

大小:3.57 MB

页数:70页

时间:2019-03-14

民用飞机发动机使用性能建模与研究_第1页
民用飞机发动机使用性能建模与研究_第2页
民用飞机发动机使用性能建模与研究_第3页
民用飞机发动机使用性能建模与研究_第4页
民用飞机发动机使用性能建模与研究_第5页
资源描述:

《民用飞机发动机使用性能建模与研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文民用飞机发动机使用性能建模与研究研究生姓名:岳敏骐导师姓名:徐建新教授2015年5月6日分类号:V235.13密级:公开UDC:629.7学号:1201068中国民航大学硕士学位论文民用飞机发动机使用性能建模与研究研究生姓名:岳敏骐导师姓名:徐建新教授申请学位类别:工学硕士学科专业名称:人机与环境工程所在院系:航空工程学院论文答辩日期:2015年5月6日2015年5月6日StudyforModelingMethodofCivilAircraftEngineUsingPerformanceADissertationSubmittedtoCivi

2、lAviationUniversityofChinaFortheAcademicDegreeofMasterofScienceBYYUEMinqiSupervisedbyProf.XuJianxinAeronauticalEngineeringCollegeCivilAviationUniversityofChina2015中国民航大学硕士学位论文中国民航大学硕士学位论文摘要发动机性能预测模型在发动机研制生产和使用维护中有很高的应用价值,精度良好、可信度高的性能模型也是视情维修理论的应用基础。在发动机性能预测与健康管理概念(PHM)以及机器学习理论不断发

3、展的背景下,基于运行数据的发动机建模技术得到了快速发展。本文研究了基于运行数据的航空发动机性能预测模型的建模方法。在概念方面,本文在介绍PHM概念及其技术细节的基础上,论述了发动机性能模型在PHM系统中的应用方向。研究了发动机性能模型的相关理论和应用,提出在线数据获取和离线模型生成相结合的预测方法。在数据处理方面,本文完成了从原始QAR文件到可用于建模的数据库的全过程,实践了数据筛选和处理过程。以B747飞机的QAR文件为原始数据源,得到发动机运行数据库以备建模工作使用。在建立预测模型过程中,选取了极限学习机(ELM)算法作为核心。选取了适应本文计算规模

4、的基于平均影响值(MIV)评价的序列后向搜索特征选择方法,利用交叉验证法确定了网络结构。上述优化策略在充分发挥ELM运算速度快、泛化性能好的优势的同时,尽量简化了模型结构并避免了过拟合出现。对模型的测试证明了其良好的预测能力。在应用方面,从三个角度对模型进行了拓展性测试以验证其实用性,针对了不同的实际应用状态。测试结果显示模型在多种应用状态下保证了预测性能。证明了文中所述建模方法具有一定的应用意义。关键词:航空发动机;性能预测模型;实时监视数据;特征选择;极限学习机;神经网络I中国民航大学硕士学位论文AbstractAeroengineperforman

5、cemodelhashighapplicationvalueinaeroengine’sdevelopment,andmaintenance.Performancemodelwithgoodprecisionandhighreliabilityisalsotheapplicationfoundationtoonconditionmaintenance.StructureandtechnicaldetailsofACMSandtheconceptofPHMhavebeenintroduced.Theapplicationoftheengineperform

6、ancemodelinPHMsystemhasbeendiscussed.Forpredictingexhaustgastemperatureofaeroengine,amodelingmethodisperformed.Originaldatabasewasderivedfromreal-timemonitoringdataofenginemonitoringsystemofPW4000engine.Wetookthemeanimpactvalue(MIV)astheevaluationcriteriaforfeatureselection,scree

7、ning8featuresasinputvariables.Extremelearningmachine(ELM)algorithmforsingle-hiddenlayerfeedforwardneuralnetworkwasappliedformodeling,andK-foldcrossvalidationwasusedforselectingthebestnumberofhiddenneural.Aftertheneuralnetworkhasbeentrained,threeextendtestshavebeentaken.Resultssho

8、wthattrainingtimeofELMismuchlessthanthat

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。