首页> 中文学位 >民用涡扇发动机在线健康诊断关键技术研究
【6h】

民用涡扇发动机在线健康诊断关键技术研究

代理获取

目录

封面

中文摘要

英文摘要

目录

注释表

第1章 绪论

1.1 航空发动机健康管理的提出与发展

1.2 航空发动机健康管理系统的功能与结构

1.3 航空发动机在线健康管理的关键技术

1.4 国产民用涡扇发动机在线健康诊断研究

1.5 本文主要研究内容

第2章 基于GasTurb/MATLAB的民用涡扇发动机模型开发

2.1 基于GasTurb/MATLAB的航空发动机部件级模型库

2.2 民用涡扇发动机模型配置文件的获取

2.3 MATLAB/Simulink下民用涡扇发动机部件级模型

2.4 MATLAB下线性建模功能程序开发

2.5 本章小结

第3章 民用涡扇发动机在线综合诊断结构研究

3.1民用涡扇发动机健康退化及故障

3.2 在线综合诊断结构的提出

3.3 在线综合诊断结构的设计方法

3.4 在线综合诊断结构仿真验证

3.5 本章小结

第4章 基于混合卡尔曼滤波器的在线故障诊断算法研究

4.1 BHKF在线故障诊断算法研究

4.2 BHKF算法仿真验证

4.3 HKF-BPNN在线故障诊断算法研究

4.4 HKF-BPNN算法仿真验证

4.5 两种算法的对比

4.6 本章小结

第5章 故障诊断算法性能评价与蒙特卡罗仿真验证

5.1 发动机故障诊断算法性能评价

5.2 蒙特卡罗仿真验证方法

5.3 故障诊断算法蒙特卡罗仿真验证

5.4本章小结

第6章 在线诊断系统快速原型仿真平台建立与试验验证

6.1快速原型方法

6.2在线诊断系统仿真平台的建立

6.3在线诊断系统试验验证

6.4 本章小结

第7章 总结与展望

7.1 主要工作与创新

7.2 后续工作展望

参考文献

致谢

攻读博士学位期间发表的学术论文和参加科研情况

声明

展开▼

摘要

发动机健康管理是实现航空发动机视情维修的前提,可以有效解决发动机安全性与经济可承受性之间的矛盾。随着机载电子设备的不断发展,发动机健康管理研究热点逐渐从地面发展至在线部分,在线健康诊断作为在线健康管理的关键技术,得到了国内外学者的广泛研究。本文结合国产民用涡扇发动机健康管理系统的研制需求和国防某计划“民用涡扇发动机在线健康诊断技术研究”课题研究需要,开展民用涡扇发动机在线健康诊断关键技术研究,具有重要的理论意义和应用价值。
  首先,针对民用涡扇发动机健康管理研究缺少模型的问题,提出一种基于GasTurb/MATLAB的部件级模型建立方法,在MATLAB/Simulink下开发了满足总体性能需求的民用涡扇发动机部件级非线性模型及相关的线性建模工具。在相同的输入条件下,分别对原程序和自行开发程序进行仿真,对比结果验证了模型的正确性。
  其次,指出随着机载电子设备的不断发展,使得传统地面系统承担的发动机诊断任务可以在线实现。采用一种在线综合诊断结构,将已有的机载自适应模型和在线故障诊断理论研究成果综合应用在民用涡扇发动机在线诊断中。通过仿真表明,采用实时的在线数据,机载自适应模型可以实时连续地监测发动机健康退化,并且在线估计发动机各种参数为在线控制和健康管理所用;在线故障诊断系统可以及时地检测和定位发生的故障,提高对间歇性故障的检测率。
  接下来,在混合卡尔曼滤波器(HKF)基础上,分别提出了混合卡尔曼滤波器组故障诊断算法(BHKF)和混合卡尔曼滤波器与 BP神经网络融合故障诊断算法(HKF-BPNN)。两种故障诊断算法均继承了混合卡尔曼滤波器可以在线更新健康参数来适应发动机健康退化的特性,又拓展了混合卡尔曼滤波器的应用范围,使其不仅能检测而且能定位故障。将两种算法应用于民用涡扇发动机四种常见故障诊断并进行仿真验证,结果表明两种算法均可以正确检测并定位四种故障,在发动机健康退化后,通过更新机载模型健康参数仍可以保持诊断有效性。
  随后,针对民用涡扇发动机缺乏统一的测试平台对不同故障诊断算法进行定量评价和比较的问题,提出一种基于蒙特卡罗仿真的故障诊断算法验证方法,经统计可以得出算法的故障检测率、定位率、虚警率等性能评价指标。将该验证方法应用于 BHKF和HKF-BPNN两种故障算法进行仿真验证,得出各自的性能评价指标并进行比较,结果表明HKF-BPNN算法优于BHKF算法。
  最后,基于快速原型方法并结合现有软硬件资源,建立了民用涡扇发动机在线诊断系统硬件实时仿真平台,给出了仿真平台的总体结构及各部分的功能与交互关系,阐述了软硬件的开发过程。将前述章节开发的在线综合诊断结构及相关算法在平台上进行了硬件实时仿真试验,试验结果验证了在线诊断算法的正确性,证实了整个结构可以在平台硬件水平下完成实时计算。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号