航空發(fā)動機磨損趨勢智能預測技術研究.pdf

1、航空發(fā)動機作為飛行器的重要組成部分，目前在追求高性能低成本的同時導致發(fā)動機零部件長期工作在高速、高負荷的惡劣環(huán)境下，更容易因疲勞或磨損引起發(fā)動機故障，因此對發(fā)動機運轉(zhuǎn)部件的磨損趨勢進行預測，盡可能將隱患消除在萌芽狀態(tài)，對于保證發(fā)動機安全有效運行具有重要意義。
　　本文首先對反映發(fā)動機運行狀態(tài)信息的滑油光譜分析數(shù)據(jù)進行處理，通過對常用的趨勢預測模型進行比較分析，結合數(shù)據(jù)特征選用徑向基函數(shù)(RBF)網(wǎng)絡模型進行預測。然后引入混沌理論中

2、C-C方法同步確定嵌入維數(shù)和時間延遲，重構相空間，采用正交最小二乘算法建立RBF網(wǎng)絡模型。針對RBF網(wǎng)絡核函數(shù)的寬度參數(shù)影響預測精度的問題，采用遺傳算法優(yōu)化RBF網(wǎng)絡獲得最優(yōu)參數(shù)。實例仿真結果表明經(jīng)遺傳算法優(yōu)化的RBF網(wǎng)絡模型較傳統(tǒng)模型泛化能力更高，預測誤差更小，能夠正確反映滑油光譜數(shù)據(jù)的變化趨勢。
　　滑油鐵譜分析數(shù)據(jù)是反映航空發(fā)動機運轉(zhuǎn)部件磨損狀態(tài)的又一重要信息源。由于鐵譜分析數(shù)據(jù)受許多復雜因素的影響，單一模型預測精度相對較低

3、，針對這個問題提出了RBF網(wǎng)絡變權重組合預測(RBFNN-VWCF)模型，利用RBF網(wǎng)絡將BP網(wǎng)絡模型和SVM模型的預測結果進行變權重組合，并采用遺傳算法優(yōu)化RBF模型參數(shù)。仿真結果表明RBFNN-VWCF模型充分利用了參與組合預測的兩種子模型的有效信息，更客觀地反映發(fā)動機零部件的磨損趨勢，預測結果更為穩(wěn)健，具有較強的工程實用價值，為發(fā)動機下一步的維修決策提供了有力支持。
　　最后，本文在VC++6.0、SQLSever2005和