检索结果-南通市图书馆

结合3D打印的民航发动机增强现实移动端实验系统开发

在线全文

学校读者我要写书评

暂无评论

实验技术与管理 2018年第7期35卷 104-108,120页

作者：张青闫国华郭庆赵洪利吴建民中国民航大学航空工程学院天津300300

基于民航发动机航线维护任务,采用3D打印技术结合移动增强现实技术,开发智能化的民航发动机增强现实移动端实验系统,研究发动机建模、增强现实三维实物识别及基于Android移动端的Unity3D人机交互脚本编辑等技术。通过手机摄像头获取3D... 详细信息

基于民航发动机航线维护任务,采用3D打印技术结合移动增强现实技术,开发智能化的民航发动机增强现实移动端实验系统,研究发动机建模、增强现实三维实物识别及基于Android移动端的Unity3D人机交互脚本编辑等技术。通过手机摄像头获取3D打印的发动机模型实物景象,识别成功后在发动机实物模型上叠加显示各类文字信息、粒子效果、维修方法,提示注意事项及维护拆装动作,以虚实叠加的增强信息呈现在学生视野中,以辅助学生学习认知民航发动机原理和结构,为民航相关专业的实验教学提供便利。

关键词：民航发动机增强现实虚实交互

基于ARIMA的民航发动机下发预测（英文）

在线全文

学校读者我要写书评

暂无评论

机床与液压 2018年第18期46卷 38-44页

作者：彭鸿博李永广中国民航大学航空工程学院天津300300

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航... 详细信息

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。

关键词：民航发动机自回归滑动平均模型起飞排气温度分箱优化的拉依达准则下发预测

在线全文

学校读者我要写书评

暂无评论

一种民航发动机传感器非线性故障诊断方法

现代电子技术 2018年第20期41卷 137-140页

作者：王力孙贺中国民航大学通航学院天津300300 中国民航大学电子信息与自动化学院天津300300

针对民航发动机传感器非线性故障,研究基于小波变换与RBF神经网络结合的故障诊断方法。通过小波变换对数据样本加以特征提取,根据非线性故障模型,以训练后的RBF神经网络实施分类。通过实验于Matlab中进行系统测试,结论证实此方法可以实... 详细信息

针对民航发动机传感器非线性故障,研究基于小波变换与RBF神经网络结合的故障诊断方法。通过小波变换对数据样本加以特征提取,根据非线性故障模型,以训练后的RBF神经网络实施分类。通过实验于Matlab中进行系统测试,结论证实此方法可以实现故障诊断要求,取得了较好效果。

关键词：民航发动机传感器故障诊断小波变换 RBF神经网络特征提取

基于QAR的民航发动机燃油流量控制规律研究

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2013年第13期21卷 3814-3817,3827页

作者：曹惠玲贾超中国民航大学天津300300

以PW4077型发动机为研究对象,以发动机原理为基础,使用多元统计学算法,从飞机实时数据QAR(Quick AccessRecorder)入手,深入探索发动机各性能参数之间以及性能参数与环境参数之间的关系,并建立数学模型;借用MATLAB-SIM-ULINK仿真平台实... 详细信息

以PW4077型发动机为研究对象,以发动机原理为基础,使用多元统计学算法,从飞机实时数据QAR(Quick AccessRecorder)入手,深入探索发动机各性能参数之间以及性能参数与环境参数之间的关系,并建立数学模型;借用MATLAB-SIM-ULINK仿真平台实现系统仿真,总结出PW4077型发动机在飞机各个飞行阶段的燃油流量控制规律。从而更好地把握发动机性能,控制燃油流量,节约成本;此研究方法亦可应用于其他型号发动机。

关键词：飞机实时数据燃油控制规律民航发动机节油 MATLAB—SIMULINK

CBM策略下民航发动机在翼寿命预测与维修决策研究

在线全文

学校读者我要写书评

暂无评论

CBM策略下民航发动机在翼寿命预测与维修决策研究

作者：吴泽民中国民航大学

学位级别：硕士

对于航空公司而言,编制民航发动机维修拆换计划时需提前制定一个科学合理的发动机维修时机。最初民航发动机维修建模研究多基于失效寿命数据的统计分析,忽略了发动机必要状态信息对系统的影响,出现了“状态”很大程度上独立于“维修决... 详细信息

对于航空公司而言,编制民航发动机维修拆换计划时需提前制定一个科学合理的发动机维修时机。最初民航发动机维修建模研究多基于失效寿命数据的统计分析,忽略了发动机必要状态信息对系统的影响,出现了“状态”很大程度上独立于“维修决策”的问题。本文根据目前广泛应用的视情维修（CBM）策略,针对民航发动机维修决策的时机问题,进行了发动机在翼寿命预测和维修决策建模方法的研究。论文深入研究了民航发动机CBM决策建模的基础理论,围绕发动机维修决策控制限建模和发动机状态参数趋势预测技术开展研究,建立了基于比例危险-比例优势（PH-PO）模型的维修决策控制限模型和基于支持向量机（SVM）理论的状态参数趋势预测模型。针对因性能衰退而换发的发动机,分别从单性能参数和多状态参数两种条件下进行了发动机CBM决策的建模研究。对于只考虑单一性能参数如排气温度裕度（EGTM）而言,论文利用基于SVM理论的状态参数趋势预测模型对EGTM监测值进行了性能衰退的趋势分析,然后参照提前设定的监控阈值来判断是否需要维修。采用单参数评估方法具有简单易行的优点,但该方法忽略了其它影响因素所包含的有价值信息,难以综合全面地反映发动机的性能状况,其评估效果也就相对粗糙,因此有必要采用多状态参数的综合性能评估方法。对于考虑多状态参数而言,本文采用PH-PO模型,通过对发动机机队（群体）的维修历史数据进行分析研究,选择多个状态参数,将因性能衰退而下发的发动机的在翼运行时间看作为寿命数据样本,同时充分考虑发动机必要状态信息对系统运行的影响,将系统状态参数,系统可靠度及在翼时间之间建立起准确的数学函数关系,由此得到发动机的维修决策控制限模型,然后利用基于SVM理论的状态参数趋势预测模型对发动机状态参数进行趋势预测,进而得到发动机在翼寿命的预测结果。通过本文研究,能够综合可靠性、状态和故障数据来动态的预测民航发动机的寿命,从而为航空公司提供更加灵活的发动机寿命预测方法,并为发动机维修拆换计划的制定工作提供技术支持,实例分析表明了该研究良好的工程实用价值。

关键词：民航发动机视情维修维修决策控制限比例危险-比例优势模型在翼寿命预测

基于深度特征挖掘的民航发动机气路故障诊断技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度特征挖掘的民航发动机气路故障诊断技术研究

作者：付松哈尔滨工业大学

学位级别：硕士

民航发动机属于多发故障航空机械设备,对发动机进行故障诊断可以避免灾难性故障,保障飞行安全。然而民航发动机个体差异大、故障样本少、数据复杂等问题导致现有的故障诊断方法难以满足航空公司的需求。因此,开发出能适用于民航发动机... 详细信息

民航发动机属于多发故障航空机械设备,对发动机进行故障诊断可以避免灾难性故障,保障飞行安全。然而民航发动机个体差异大、故障样本少、数据复杂等问题导致现有的故障诊断方法难以满足航空公司的需求。因此,开发出能适用于民航发动机故障诊断的方法具有重大意义。本文针对基于深度特征挖掘的民航发动机气路故障诊断技术进行研究。首先,针对性能参数中存在的随机噪声和粗大误差,展开民航发动机气路参数预处理方法的研究。提出使用格拉布斯准则对分组后的参数进行粗大误差去除的方法。采用基于经验模态分解和奇异值分解的去噪方法对去除粗大误差后的参数序列进行去噪处理:利用经验模态分解方法提取参数序列中的趋势项,并提出基于相关性的趋势项提取方法;然后利用奇异值分解方法对去除趋势项的参数序列进行去噪。最后采用模拟信号和发动机实际排气温度裕度序列对上述方法进行验证,证明上述方法对民航发动机气路参数进行粗大误差处理和降噪处理的有效性。其次,研究基于SDAE特征挖掘的民航发动机气路故障诊断方法。根据对发动机客户通知报告的分析,在发生故障时性能参数会发现明显的变化。为了提取性能参数变化的特征,本文利用堆叠去噪自动编码器建立发动机状态特征提取模型,并提出一种基于单个去噪自动编码器特征提取能力的SDAE模型隐藏层节点数确定方法。而后利用建立的特征提取模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,实验证明该方法具有较高的诊断精度。然后,本文研究基于CNN特征挖掘的民航发动机气路故障诊断方法。通过对民航发动机实际气路故障数据进行分析,参数间的变化关系对故障诊断也有着重大影响。为了同时考虑参数间相关性和时间序列性,本文利用卷积神经网络建立发动机状态特征提取模型,而后利用该模型对故障样本进行特征挖掘,并将其作为支持向量机的输入,进行故障诊断。将该方法应用于民航发动机多种气路故障分类中,结果证明该方法具有较好的诊断能力。然后分析卷积神经网络结构参数对诊断能力的影响。最后,结合本文的研究内容,在“可定制的航空发动机健康管理与维修决策支持系统”基础平台上,设计并开发民航发动机气路故障诊断核心业务构件,为民航发动机气路参数预处理、故障诊断工作提供技术支持。

关键词：民航发动机堆叠去噪自动编码器卷积神经网络特征提取故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于孔探技术的民航发动机健康管理研究

基于孔探技术的民航发动机健康管理研究

作者：陈宏杰厦门大学

学位级别：硕士

发动机是民航飞机的心脏,其性能状态直接影响飞机的飞行安全,其高昂维修保障费用则构成航空公司运营成本的一个重要组成部分。健康管理作为减少维修保障费用的一种重要方法,现在正受到越来越多的关注。而孔探技术是现阶段监控发动机状... 详细信息

发动机是民航飞机的心脏,其性能状态直接影响飞机的飞行安全,其高昂维修保障费用则构成航空公司运营成本的一个重要组成部分。健康管理作为减少维修保障费用的一种重要方法,现在正受到越来越多的关注。而孔探技术是现阶段监控发动机状态的有效手段之一,在航空发动机的健康管理中占据了重要的地位。本文在对反映核心机损伤的孔探数据深入研究的基础上,利用健康管理的方法,对发动机在翼寿命进行预测,并对维修决策进行调整。主要研究内容如下：（1）对民航发动机健康管理方法进行调研,阐述了发动机健康管理系统的结构、组成、功能实现和关键技术,为进一步研究孔探检测对发动机健康管理的作用奠定基础。（2）在介绍、分析××航空发动机的组成及工作原理的基础上,通过广泛、深入的调研,总结、归纳、分析了发动机关键部件的主要故障模式、产生机理、表现特征、故障影响及判决方法和维护经验等,为发动机孔探数据的提取和分析做好准备。（3）在分析航空发动机核心机常见损伤类型和形成原因的基础上,利用退化过程理论建立了基于孔探数据的核心机损伤增长模型,并根据性能可靠性理论提出一种基于孔探数据的航空发动机在翼剩余寿命的预测方法。该方法可以利用孔探数据对发动机的剩余在翼寿命时间进行预测,为实现航空发动机的健康管理提供决策支持。（4）根据××航空发动机核心机损伤的孔探数据,制定了具体的维修决策优化措施,为类似损伤维修决策的修订提供了参考。

关键词：民航发动机健康管理孔探检测寿命预测维修决策

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工神经网络的民航发动机故障诊断技术

基于人工神经网络的民航发动机故障诊断技术

作者：龚钊宇电子科技大学

学位级别：硕士

航空发动机是民航飞机的心脏而且飞机的维修成本占航空公司整个成本的10%-20%,所以发动机故障的诊断和监控,是保障民机安全性和经济性的重心。在发动机故障诊断中,发动机都被抽象为一个典型复杂的机械系统,由于发动机的结构复杂、模型... 详细信息

航空发动机是民航飞机的心脏而且飞机的维修成本占航空公司整个成本的10%-20%,所以发动机故障的诊断和监控,是保障民机安全性和经济性的重心。在发动机故障诊断中,发动机都被抽象为一个典型复杂的机械系统,由于发动机的结构复杂、模型的非线化、诊断方法多样、加上飞行因素和噪声因素易对故障诊断产生不良影响,导致要建立高精度的故障诊断模型很难。因此本文主要研究发动机故障诊断技术,包括发动机监控状态数据的提取和建立精确的故障诊断模型根据监控状态参数预报故障的发生。本文从提高发动机故障诊断的鲁棒性目标出发,设计可靠的监控状态数据提取过程,然后利用人工神经网络训练发动机故障诊断模型预测未知样本数据的故障模式,主要进行了以下几方面的工作:(1)提取发动机监控状态数据构建样本空间。ACARS设备返回的数据不足以支持发动机故障的在线训练和实时诊断,而QAR记录信息完备且频率高,选择通过ACARS和QAR数据共同构建样本空间。对于QAR数据帧结构,飞行参数主要为离散量、数字量和模拟量三种类型,为这些不同气路参数设计相应译码算法,实现对存储设备二进制原始数据的工程转译。对于ACARS数据帧结构,根据ARINC-620协议,设计用于描述具体参数的类库,然后设计对应译码函数。(2)对样本数据进行预处理和多源融合。气路参数的预处理包括气路数据的平滑和时间配准。通过采用移动平均平滑法,提高数据和样本可用性。并且进行多源参数处理时,采用的采样频率不一,多条路径得到的观测数据与征兆数据不同步,采用三次样条插值方法进行帧数据重绘工作,得到拟合输入点分布的插值样条。(3)利用人工神经网络建立发动机故障诊断模型。为了提高系统故障诊断鲁棒性,对人工设计网络进行了优化,同时构建合理的样本空间。针对气路参数故障和机械故障,分别建立个体神经网络,通过样本空间中样本训练出最优的故障诊断模型,测试结果表明,两个个体神经网络都能取得很高的诊断正确率、实时性能好。为了进一步提升故障诊断效果,采用自适应加权方法集成多个神经网络,对所有神经网络的输出进行加权平均作为最终故障诊断输出,进一步提高故障环境下故障诊断能力。

关键词：民航发动机故障诊断多源融合神经网络

基于深度置信网络的民航发动机气路故障诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度置信网络的民航发动机气路故障诊断方法研究

作者：李旭哈尔滨工业大学

学位级别：硕士

目前,民航发动机故障诊断方法在处理复杂的发动机数据时,往往需要结合工程师的经验,导致模型的效率较低,且诊断正确率有待提高。深度置信网络(Deep Belief Networks,DBN)属于典型的深度学习模型之一,可以挖掘数据的深层次特征。因此,本... 详细信息

目前,民航发动机故障诊断方法在处理复杂的发动机数据时,往往需要结合工程师的经验,导致模型的效率较低,且诊断正确率有待提高。深度置信网络(Deep Belief Networks,DBN)属于典型的深度学习模型之一,可以挖掘数据的深层次特征。因此,本文结合发动机数据的特点,将DBN引入民航发动机故障诊断过程中,提出了3种基于DBN的民航发动机气路故障诊断方法。根据发动机数据特点,提出了基于DBN和支持向量机(Support Vector Machine,SVM)的故障分类模型。该模型先利用DBN对数据进行特征提取,然后利用SVM对数据进行分类。为进一步验证DBN-SVM模型的效果,应用发动机性能参数小偏差进行实验,结果表明DBN-SVM模型能够应用到民航发动机气路故障诊断中,且故障诊断结果较好。根据飞机通信寻址与报告系统(Aircraft Communications Addressing and Reporting System,ACARS)数据特点,构建了多维时序信息驱动的民航发动机气路故障诊断模型。根据发动机客户通知报告收集ACARS数据,考虑到ACARS数据存在粗大误差和随机噪声,本文采用格拉布斯准则与指数平滑方法进行数据预处理。而后考虑到ACARS数据属于多维时间序列,本文采用小波包变换与动态时间规整算法提取ACARS数据参数内的时序信息和参数间的相关信息。将两部分信息向量化后输入到DBN-SVM模型进行故障分类。实验结果表明,该模型能够对ACARS数据进行分类,且具有较高的分类准确率。在上述研究的基础上,考虑到正常样本与故障样本规模不均衡带来的影响,结合采样技术与集成学习技术,提出了不均衡样本驱动的民航发动机气路故障诊断框架。将前面章节的模型融合到该框架,可以得到点形式不均衡样本驱动的民航发动机气路故障诊断方法和序列形式不均衡样本驱动的民航发动机气路故障诊断方法。实验结果表明,上述模型与该框架结合后,样本的总体分类准确率以及故障样本的分类准确率均有所提高。基于本文研究的民航发动机气路故障诊断方法,结合航空公司对发动机气路故障诊断方法的需求,设计并开发了民航发动机气路故障诊断原型系统,为航空公司进行发动机气路故障诊断提供了技术和系统支持。

关键词：民航发动机故障诊断深度置信网络特征提取多维时间序列不均衡样本