基于信息融合的航空發(fā)動(dòng)機(jī)狀態(tài)預(yù)測(cè)技術(shù)研究.pdf

1、航空發(fā)動(dòng)機(jī)性能參數(shù)的監(jiān)視與預(yù)測(cè)是制定發(fā)動(dòng)機(jī)維修計(jì)劃的基礎(chǔ)。目前航空公司多采用單參數(shù)預(yù)測(cè)模型進(jìn)行發(fā)動(dòng)機(jī)性能參數(shù)的監(jiān)視與預(yù)測(cè)，忽略了不同性能參數(shù)間的關(guān)聯(lián)性，其預(yù)測(cè)精度已日漸難以滿足航空公司的要求。為提高性能參數(shù)預(yù)測(cè)的精度，本文融合多種相關(guān)性能參數(shù)，開展基于信息融合的航空發(fā)動(dòng)機(jī)狀態(tài)預(yù)測(cè)技術(shù)及其應(yīng)用研究。
　　本文首先運(yùn)用基于統(tǒng)計(jì)與密度的方法尋找航空發(fā)動(dòng)機(jī)性能參數(shù)的異常點(diǎn)。在此基礎(chǔ)上，針對(duì)傳統(tǒng)小波閾值去噪產(chǎn)生的不平滑問(wèn)題，提出一種經(jīng)驗(yàn)?zāi)B(tài)

2、分解與小波去噪相結(jié)合的降噪方法，將原始信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，通過(guò)比較各分量評(píng)價(jià)系數(shù)選擇保留的分量并分別對(duì)其進(jìn)行小波閾值去噪，最后將各分量去噪值進(jìn)行疊加。通過(guò)構(gòu)造模擬信號(hào)，驗(yàn)證此方法的有效性，并將其應(yīng)用于發(fā)動(dòng)機(jī)性能參數(shù)降噪。
　　針對(duì)航空發(fā)動(dòng)機(jī)性能參數(shù)時(shí)間序列非線性、不平穩(wěn)的特點(diǎn)，分別運(yùn)用互信息法與Cao方法求出參數(shù)的時(shí)間延遲與嵌入維數(shù)，在此基礎(chǔ)上，根據(jù)最大Lyapunov判別法證明發(fā)動(dòng)機(jī)性能參數(shù)時(shí)間序列具有混沌特性。運(yùn)用混沌理論對(duì)

3、時(shí)間序列進(jìn)行相空間重構(gòu)，通過(guò)兩性能參數(shù)相空間之間映射點(diǎn)距離的變化，提出一種發(fā)動(dòng)機(jī)各性能參數(shù)間相關(guān)關(guān)系的量化方法，為選擇融合預(yù)測(cè)所需的參數(shù)提供依據(jù)。
　　針對(duì)目前單參數(shù)預(yù)測(cè)存在的預(yù)測(cè)精度較低的問(wèn)題，建立基于相空間重構(gòu)的BP神經(jīng)網(wǎng)絡(luò)信息融合預(yù)測(cè)模型。運(yùn)用相空間重構(gòu)，增加預(yù)測(cè)所需的演變信息。選擇相關(guān)關(guān)系較大的參數(shù)作為融合預(yù)測(cè)的輸入，運(yùn)用混沌預(yù)測(cè)理論構(gòu)造輸入輸出樣本，通過(guò)主成分分析方法降低輸入維數(shù)并減少輸入變量間的冗余信息，提高神經(jīng)網(wǎng)絡(luò)擬

4、合的效率。針對(duì)隱含層神經(jīng)元個(gè)數(shù)確定的問(wèn)題，提出一種公式法與枚舉相結(jié)合的方法。此外，本文通過(guò)遺傳算法優(yōu)化融合預(yù)測(cè)模型的權(quán)值與閾值，提高神經(jīng)網(wǎng)絡(luò)擬合的精度與穩(wěn)定度。分別將長(zhǎng)期與短期預(yù)測(cè)結(jié)果與單參數(shù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行比較，驗(yàn)證融合預(yù)測(cè)模型的有效性。
　　基于上述理論研究成果，面向航空公司的需求，開發(fā)航空發(fā)動(dòng)機(jī)性能參數(shù)融合預(yù)測(cè)軟件系統(tǒng)，本系統(tǒng)可用于發(fā)動(dòng)機(jī)性能參數(shù)預(yù)處理、相關(guān)性分析以及融合預(yù)測(cè)分析，可為航空公司維修方案的確定提供決策支持