基于过程神经网络集成的航空发动机性能衰退预测

摘要

航空发动机一直被喻为飞机的心脏，其性能衰退情况直接影响着飞机的飞行安全和航空公司的经济效益。
　　航空发动机的性能衰退主要表现在其性能衰退参数呈品质下降趋势，而性能衰退参数属于时间序列参数，必须利用能够处理时间序列的方法来处理和预测航空发动机的性能衰退情况。DEGT（Delta Exhaust Gas Temperature, DEGT）是发动机重要性能衰退参数之一，本文以DEGT为例，对航空发动机性能衰退预测技术展开研究。
　　针对航空发动机性能衰退参数的时序特点，避开繁琐的、实际操作困难的数学建模和无法反映参数时间累积效应的传统人工神经网络预测方法，提出一种基于过程神经网络的性能衰退预测方法，并将前馈过程神经网络、双并联过程神经网络、小波过程神经网络分别应用于航空发动机性能衰退预测中，对各种模型的预测结果进行比较，分析影响过程神经网络泛化能力的多种因素。
　　在此基础上，为提高预测精度和克服单一过程神经网络的预测缺陷，提出基于过程神经网络集成的性能衰退预测方法，介绍过程神经网络集成的基本概念和基本理论，分析个体网络输出结果合成阶段的几种方法，并对各种方法的优缺点进行比较。
　　为提高过程神经网络集成的泛化能力即优化过程神经网络集成模型，对影响过程神经网络集成模型泛化能力的诸多因素进行分析研究。
　　在上述理论研究的基础上，开发“基于过程神经网络的航空发动机健康状态预测系统”，并集成到“基于Web的航空发动机健康状态监测和维修数据管理系统”中，为实现航空发动机性能衰退预测的实时化、自动化和智能化提供支持。

目录

基于过程神经网络集成的航空发动机性能衰退预测

AERO-ENGINE PERFORMANCE DECLINEFORECAST BASED ON PROCESS NEURALNETWORK ENSEMBLE

摘 要

1BAbstract

第1章 绪论

1.1 课题来源及研究的目的和意义

1.1.1 课题来源

1.1.2 研究的目的和意义

1.2 国内外研究发展现状

1.2.1 航空发动机性能衰退预测原理

1.2.2 航空发动机性能衰退参数预测技术的发展现状

1.2.3 过程神经网络原理及发展现状介绍

1.2.4 神经网络集成概念及国内外研究现状

1.3 本文的主要研究内容

第2章 基于单一过程神经网络的航空发动机性能预测

2.1 引言

2.2 单一过程神经网络的性能衰退预测

2.2.1 前馈过程神经网络预测

2.2.2 双并联过程神经网络预测

2.2.3 小波过程神经网络预测

2.3 基于预测结果的单一过程神经网络泛化能力分析

2.3.1 神经网络结构及网络各层传递函数

2.3.2 训练样本的数量和质量

2.3.3 学习时间和学习精度

2.3.4 样本归一化和学习率

2.4 单一过程神经网络的缺点

2.5 本章小结

第3章 过程神经网络集成及其应用

3.1 引言

3.2 过程神经网络集成的理论基础

3.2.1 神经网络集成的错误概率

3.2.2 神经网络集成泛化错误计算公式

3.3 过程神经网络集成实现方法及实验实例

3.3.1 个体网络生成方法

3.3.2 过程神经网络集成预测模型

3.3.3 结论合成方式

3.4 本章小结

第4章 过程神经网络集成的泛化能力分析

4.1 引言

4.2 过程神经网络集成的泛化能力分析

4.2.1 个体过程神经网络的泛化能力及差异度

4.2.2 个体过程神经网络结论合成方式

4.3 与单一过程神经网络模型泛化能力的比较分析

4.4 本章小结

第5章 系统开发与应用

5.1 引言

5.2 功能需求

5.3 体系结构设计

5.4 功能及工作流程设计

5.5 各功能简介

5.6 本章小结

结 论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致 谢