航空发动机气路改进神经网络故障诊断研究.pdf

《航空发动机气路改进神经网络故障诊断研究.pdf》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、航空发动机气路改进神经网络故障诊断研究卢俊文。等航空发动机气路改进神经网络故障诊断研究ResearchOntheFauItDiagnOsticBasedOnInlprOVedNeuralNetwOrkforGasPathofAeroengine卢傻支关端常虎山互威凤尚汗译(中国民用航空飞行学院，四川广汉618307)摘要：针对航空发动机气路故障，建立了基于改进BP神经网络的航空发动机气路故障诊断模型。采用该模型寻找发动机状态参数与不同故障模式之间的映射关系．并利用收集的J’19D发动机的气路故障样本数据对诊断模型进行训练与检验。试验结果表明，改

2、进的BP神经网络故障诊断模型对J，19D发动机气路部件故障模式的识别具有较高的准确率，能够为基于状态的维修决策提供有效的指导与建议，进而提高航空发动机的可靠性。关键词：航空发动机气路故障诊断BP神经网络BP算法kvenberg．Marquardt算法中图分类号：V263+．6文献标志码：ADOI：10．16086／j．cIlki．is蚰1000—0380．201501002Ahi咖ct：InaccordaIlcewitIlt}lefatllts“gaspatllof北men舀ne-山efhllltdiagnosticmodelbasedoniI

3、np阳vedneumlnetworkisbllihupf打g够pa出ofaeroen垂nelto6ndout幽emappingrelationbetweenc佣dit主onparamete硌0fen百ne卸dd瀣b砖ntf矗llltmodes．Then出ediagnostie肿delistrained锄dtestedbyado砸ngnle咖pleda诅0fg鹕patllcouected舶mJT9De畸ne．弛eexperimentalresuhsindic8tet}lattllehuhdiagn∞tic跏ldelbasedonimpmvedne

4、uralnetworkpos鸵s∞sllig}leraccur扯yfor陀coglli2曲gtIle钿山modeofpartsing髂patIl；“c蛐pmVidee如ctive伊idance卸dadviceformainten越cedecisi叽based帆山es咖s，tll璐tllereliabilityoftlleaeroen垂nec蛐beenh锄ced．Keywords：AemengineGaspa山faIlltdia印osisBPneuralnet帅rI【BPalgorithmIJeveI止虻rg-MarqIlardt如rithm0引

5、言大涵道比航空涡轮风扇发动机的气路零部件维修费用占总维修费用的一半以上，且此类零部件故障率高(通常占到发动机故障的90％左右[1之1)、故障程度严重、判断难度大。因此，研究航空涡轮发动机气路故障的智能诊断技术具有非常重要的工程价值和实际意义。航空发动机系统极为复杂。建立系统的非线性解析模型非常困难[3‘5]。目前，基于模糊理论的诊断方法、专家系统故障诊断方法以及一些常规故障诊断方法的应用存在很大的局限性[6】。然而，基于神经网络的诊断方法，其自学与数据处理能力强，适合处理征兆量丰富的航空发动机数据；同时，其良好的非线性特性也很适合对故障机理复杂

6、、故障类型繁多的非线性航空发动机系统进行故障诊断[7]。本文选用改进的BP神经网络对J四D航空发动机气路故障进行诊断与识别。中国民用航空飞行学院面上基金资助项目(编号：J2012．06)；中国民用航空飞行学院研究生创新基金资助项目(编号：x加12．10)。修改稿收到日期：2014一07一09。第一作者卢俊文(1985一)，男，2012年毕业于中国民用航空飞行学院载运工具运用工程专业。获硕士学位。助理工程师；主要从事航空器故障诊断与预测、航空器可靠性等方面的研究。《自动化仪表》第36卷第l期加15年1月1BP神经网络BP神经网络是一种使用较为广泛

7、的前馈网络，它含有输入层、隐含层与输出层，其中隐含层可以包含一层或多层[8]。航空发动机故障诊断属于模式识别与分类问题，其输出层节点的传递函数常采用Si舯0id或硬极限函数。目前，在实际应用中，三层BP网络就能够解决大多数问题。其结构如图1所示，'，、W为连接权矩阵。三一三耳譬历输入层隐含层输出层———]貊匿丽丽■—叶图l三层BP神经网络结构图Fig．1Stnlctureoftllethree·layerBPneuralne咖rk1．1BP算法学习规则描述由于BP算法具备很强的局部搜索能力，是一种有效的算法，所以经常采用BP算法训练BP神经网络

8、。BP算法通过正向传播和反向传播两个阶段训练BP神经网络。5航空发动机气路改进神经网络故障诊断研究卢俊文，等①正向传播：输入的样本从输入层经隐含层单元