基于氣路參數(shù)樣本的航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)視方法與系統(tǒng)研究.pdf

1、航空發(fā)動(dòng)機(jī)是飛機(jī)的動(dòng)力核心，其結(jié)構(gòu)復(fù)雜、工作環(huán)境惡劣，是飛機(jī)的主要故障來(lái)源，其健康狀態(tài)的好壞直接影響著飛行安全和航空公司的效益。本文在國(guó)家自然科學(xué)基金（項(xiàng)目號(hào)：60572174）及中國(guó)國(guó)際航空公司（國(guó)航）科研基金的資助下，研究了基于氣路參數(shù)的民用航空發(fā)動(dòng)機(jī)健康狀態(tài)監(jiān)視方法及其系統(tǒng)。
　　發(fā)動(dòng)機(jī)氣路參數(shù)樣本本質(zhì)上是一種混有較強(qiáng)隨機(jī)噪聲的時(shí)間序列，經(jīng)常出現(xiàn)孤立突變數(shù)據(jù)和趨勢(shì)突變數(shù)據(jù)等異常。小波變換是一種多尺度時(shí)-頻分析工具，對(duì)于數(shù)據(jù)點(diǎn)

2、突變和數(shù)據(jù)趨勢(shì)突變等局部特征都能很好地描述，十分適合處理非平穩(wěn)的發(fā)動(dòng)機(jī)氣路參數(shù)時(shí)間序列并識(shí)別其異常數(shù)據(jù)。為了提高發(fā)動(dòng)機(jī)性能數(shù)據(jù)的可用性，及時(shí)識(shí)別發(fā)動(dòng)機(jī)的異常狀態(tài)并準(zhǔn)確恢復(fù)原數(shù)據(jù)，論文提出了基于信號(hào)連續(xù)小波變換模極大曲線搜索的信號(hào)突變識(shí)別及重構(gòu)方法，該方法可以在識(shí)別數(shù)據(jù)突變的同時(shí)有效地抑制隨機(jī)噪聲，進(jìn)而有效地恢復(fù)真實(shí)信號(hào)。為了解決采用連續(xù)小波變換帶來(lái)的運(yùn)算速度問(wèn)題，給出了基于傅里葉變換的信號(hào)連續(xù)小波變換與反演的快速算法。通過(guò)仿真算例研究了

3、邊沿效應(yīng)及小波變換模極大曲線搜索過(guò)程中可能出現(xiàn)的偽模極大曲線等問(wèn)題的處理方法，籍此提高突變數(shù)據(jù)識(shí)別及信號(hào)重構(gòu)的準(zhǔn)確性。發(fā)動(dòng)機(jī)氣路參數(shù)數(shù)據(jù)預(yù)處理的實(shí)例表明，所提出的方法能有效地恢復(fù)發(fā)動(dòng)機(jī)性能參數(shù)數(shù)據(jù)，其信號(hào)重構(gòu)效果優(yōu)于一般的小波軟閾值降噪方法。
　　為解決復(fù)雜系統(tǒng)狀態(tài)預(yù)測(cè)模型難以建立且預(yù)測(cè)精度難以保證的問(wèn)題，提出了一種混合遞歸過(guò)程神經(jīng)網(wǎng)絡(luò)。設(shè)計(jì)了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，通過(guò)引入一組合適的正交基函數(shù)對(duì)網(wǎng)絡(luò)的輸入函數(shù)和連接權(quán)函數(shù)進(jìn)行展開(kāi)，實(shí)現(xiàn)了

4、網(wǎng)絡(luò)的簡(jiǎn)化。給出了一種基于彈性 BP算法的混合遞歸過(guò)程神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。將網(wǎng)絡(luò)與幾種傳統(tǒng)神經(jīng)網(wǎng)絡(luò)分別應(yīng)用到Mackey-Glass混沌時(shí)間序列預(yù)測(cè)中，驗(yàn)證了網(wǎng)絡(luò)的有效性。最后將上述網(wǎng)絡(luò)分別應(yīng)用到航空發(fā)動(dòng)機(jī)氣路參數(shù)預(yù)測(cè)的具體問(wèn)題中，對(duì)比結(jié)果表明，混合遞歸過(guò)程神經(jīng)網(wǎng)絡(luò)在這一問(wèn)題中有更好的工程可用性，是一種有效的發(fā)動(dòng)機(jī)健康狀態(tài)監(jiān)視工具。
　　針對(duì)基于最小二乘理論的傳統(tǒng)數(shù)據(jù)擬合方法在求解雙隨機(jī)變量間的函數(shù)關(guān)系時(shí)的不適應(yīng)性問(wèn)題，提出了一種可

5、同時(shí)考慮雙擬合變量的隨機(jī)噪聲影響的歐氏距離最小二乘支持向量回歸方法，給出了基于Matlab二次規(guī)劃工具箱的實(shí)現(xiàn)算法。通過(guò)實(shí)例驗(yàn)證了該方法在發(fā)動(dòng)機(jī)性能趨勢(shì)分析中的有效性。另外，由于擬合不同的發(fā)動(dòng)機(jī)性能參數(shù)的時(shí)間序列數(shù)據(jù)可能需要不同的擬合方法，簡(jiǎn)要地提出了基于多階次多項(xiàng)式回歸算法的發(fā)動(dòng)機(jī)性能參數(shù)時(shí)間序列數(shù)據(jù)擬合方法。
　　層次分析法是一種實(shí)用有效的多準(zhǔn)則決策方法，但其判斷矩陣的確定需進(jìn)行一致性檢驗(yàn)，同時(shí)，其對(duì)于評(píng)價(jià)指標(biāo)觀測(cè)值的評(píng)分準(zhǔn)則

6、一般由專家憑經(jīng)驗(yàn)給出，帶有很強(qiáng)的不確定性。為此，提出一種灰色層次分析法，該方法將判斷矩陣的擬優(yōu)一致化求解方法與灰色聚類評(píng)價(jià)理論相結(jié)合，有效地克服了層次分析法的上述缺點(diǎn)。針對(duì)發(fā)動(dòng)機(jī)狀態(tài)綜合評(píng)價(jià)問(wèn)題，建立了發(fā)動(dòng)機(jī)狀態(tài)綜合評(píng)價(jià)指標(biāo)體系；基于擬優(yōu)一致判斷矩陣求取了發(fā)動(dòng)機(jī)狀態(tài)的各評(píng)價(jià)指標(biāo)綜合權(quán)值；對(duì)發(fā)動(dòng)機(jī)狀態(tài)的各評(píng)價(jià)指標(biāo)進(jìn)行了灰類劃分，并基于三角權(quán)函數(shù)對(duì)評(píng)價(jià)指標(biāo)所表征的發(fā)動(dòng)機(jī)實(shí)際狀態(tài)觀測(cè)值進(jìn)行評(píng)分。最后給出了一個(gè)發(fā)動(dòng)機(jī)狀態(tài)綜合評(píng)價(jià)問(wèn)題的示例，結(jié)果

7、表明了方法的有效性。
　　從國(guó)航發(fā)動(dòng)機(jī)健康狀態(tài)監(jiān)視及工程管理這一應(yīng)用背景出發(fā)，進(jìn)行了軟件開(kāi)發(fā)需求分析，系統(tǒng)功能模型、數(shù)據(jù)模型和體系結(jié)構(gòu)的設(shè)計(jì)。綜合本文提出的幾種發(fā)動(dòng)機(jī)性能監(jiān)視和健康狀態(tài)綜合評(píng)價(jià)方法，開(kāi)發(fā)了面向航空發(fā)動(dòng)機(jī)全壽命管理的發(fā)動(dòng)機(jī)健康狀態(tài)監(jiān)視軟件系統(tǒng)。系統(tǒng)包括發(fā)動(dòng)機(jī)維護(hù)及狀態(tài)監(jiān)視信息管理、發(fā)動(dòng)機(jī)狀態(tài)趨勢(shì)分析、發(fā)動(dòng)機(jī)狀態(tài)參數(shù)超限自動(dòng)報(bào)警、發(fā)動(dòng)機(jī)狀態(tài)綜合評(píng)價(jià)及發(fā)動(dòng)機(jī)拆換期預(yù)報(bào)等功能模塊。該系統(tǒng)作為“發(fā)動(dòng)機(jī)全壽命管理系統(tǒng)”的重要組