公共文化服务平台

基于改进D-S证据理论的发动机滑油故障诊断的研究: 航空发动机滑油中含有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析,运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从...; 瞿红春丁协宾; 关键词：航空发动机故障诊断; 文献传递

基于信息熵-模糊理论的航空发动机性能评估被引量：5: 2009年; 航空发动机性能评估可以分析发动机健康状况,预测潜在故障。传统评估方法主要通过计算发动机排气温度和燃油流量的变化进行评价,该方法反映的发动机特征信息不够全面。运用信息熵理论和模糊数学理论,通过对某型发动机典型故障进行故障树分析,计算故障征兆及原因的信息熵权值,建立了一个多参数的发动机性能评估模型,并对发动机各类故障原因对整体性能的影响进行定量分析,从而为发动机可靠性控制提供量化参考指标。; 瞿红春刘杰甘晓燕; 关键词：信息熵航空发动机

面向滚动轴承的自适应NA-MVMD融合GADF故障诊断方法: 2023年; 针对滚动轴承的故障特征易被湮没在噪声背景下,从而导致故障种类难以识别的问题,提出了一种基于自适应噪声辅助多元变分模态分解(NA-MVMD)降噪融合格拉姆角差场(GADF)特征提取的滚动轴承故障诊断方法。首先,使用鲸鱼优化算法(WOA)对NA-MVMD中的分解模态数K和惩罚因子α进行寻优;其次,利用NA-MVMD处理信号得到若干IMF分量,根据GADF将筛选重构后的一维数据转化为二维图片;随后,将故障特征图片输入LeNet-5卷积神经网络进行分类识别。采用某大学XJTU-ST轴承故障数据进行验证分析,分类准确率达到了97.5%,证明了该方法在较强噪声背景下具有较好的诊断性能。; 瞿红春贾柏谊郑剑青韩松钰马文博; 关键词：故障诊断卷积神经网络

基于邻域粗糙集和灰狼算法优化Elman的民航发动机滑油量预测被引量：3: 2021年; 实时预测民航发动机滑油量对保障飞行安全具有重要意义。针对滑油量受发动机多个工作状态的多个参数影响,具有影响参数多,提取方法不确定等问题,提出了一种基于邻域粗糙集(neighborhood rough set,NRS)和灰狼优化(grey wolf optimizer,GWO)-Elman相结合的方法预测滑油量。首先通过邻域粗糙集提取对滑油量重要度高的发动机工作阶段,将提取后的工作阶段有关参数作为特征向量输入到灰狼优化-Elman的网络模型中,灰狼算法通过计算和比较个体的适应度来优化Elman网络中的权值和阈值,保证Elman网络中的权值和阈值达到全局最优。预测结果表明,精度达到98.44%,满足工程应用的精度要求。研究结果为及时监测民航发动机滑油系统的健康状况提供理论依据。; 瞿红春高鹏宇朱伟华许旺山郭龙飞; 关键词：ELMAN神经网络

基于注意力循环胶囊网络的滚动轴承故障诊断被引量：4: 2022年; 针对滚动轴承工作工况复杂、载荷大及测得的振动信号信噪比(signal-to-noise ratio,简称SNR)低的特点,提出了一种利用注意力循环机制(attention recurrent,简称AR)构建数字胶囊并与胶囊网络(capsule network,简称Caps)相融合的微弱故障诊断模型。首先,在构建初级胶囊时引入双向长短时记忆网络(bidirectional long short time memory neural network,简称Bi-LSTM),对时频图中的时序特征进行提取,并建立胶囊间的非线性关联;其次,引入注意力循环机制构建数字胶囊,提高时频图中不同时间和频带的能量强度变化的影响力;然后,通过3D卷积与动态路由机制构建的数字胶囊进行自适应融合,实现特征的多样提取;最后,利用softmax分类器将融合特征映射到输出层,实现高噪声环境下的滚动轴承故障诊断。结果表明,该方法对小样本、低信噪比的微弱故障信号较其他诊断模型有更高的诊断精度,并能够有效减小过拟合问题。使用不同负载下的数据做测试集验证了该模型有较强的泛化能力。; 瞿红春朱伟华高鹏宇王超周大鹏丁凯; 关键词：智能故障诊断滚动轴承

民用发动机风扇叶片模态及共振分析被引量：6: 2015年; 基于模态分析理论,运用实验设备和ANSYS软件对某型发动机风扇叶片进行有限元模态分析,计算其在不同转速下的固有频率和振型,分析发现叶片最大变形量一般发生在叶尖或前缘处,其位置可以从模态振型图上找出;作出叶片的Campbell图以研究其振动特性,发现其在1阶、2阶范围内存在4个共振点,求取叶片在发动机不同工作状态下的转速裕度,结果表明该型风扇叶片满足10%的转速裕度要求。本方法可为发动机风扇叶片设计、性能评估和故障诊断等方面的研究提供理论依据。; 瞿红春黄远强王涛王巍然; 关键词：风扇叶片模态分析 ANSYS

航空发动机振动信号ICA分离方法的研究: 2016年; 研究了基于独立分量分析(independent component analysis,ICA)的发动机转子振动信号分离方法,目的是对转子振动的混叠信号进行分离。首先,研究独立分量分析方法中Infomax方法和Fast ICA方法对混叠信号的分离效果;然后利用LABVIEW信号采集系统采集转子的振动信号,实现从混叠信号中分离源信号,并分别对转子的不对中和碰摩两种工作状态的转子振动信号进行分离测试,验证了该方法的适用性和有效性。; 瞿红春王涛崔秀峰; 关键词：航空发动机转子振动独立分量分析

一种基于信息熵的航空发动机性能评估方法被引量：12: 2009年; 传统的发动机性能评估通过排气温度裕度衡量发动机性能的好坏,计算参数包括发动机排气温度和燃油流量,其预测精度不够理想。本文运用信息熵理论和模糊数学方法,通过对某发动机典型故障进行系统分析和定量计算,确定故障征兆和故障原因之间的信息熵权值,得出四参数发动机状态综合评估公式,并通过熵值排序定量研究各故障原因对发动机工作状态的影响程度,最后利用层次分析法验证信息熵排序的准确性及可行性。; 瞿红春刘杰王太勇刘明; 关键词：信息熵航空发动机

基于NRS-CNN的民航发动机滑油消耗量预测: 2021年; 针对民航发动机滑油消耗量受多个飞行阶段的多个参数影响而难以准确预测的问题,提出基于邻域粗糙集(NRS,neighborhood rough set)和卷积神经网络(CNN,convolutional neural network)的模型来预测滑油消耗量。首先,采用NRS方法提取对滑油消耗重要度较高的飞行阶段状态参数作为特征参数;然后,利用CNN对重要度高的飞行阶段状态参数进行深度特征学习,实现滑油消耗量的预测。预测结果表明:CNN能很好地完成对多滑油参数的特征提取,预测结果与实际值的平均绝对误差为0.129×10^(-3)m^(3),平均相对误差为3.8%,可满足实际工程应用的需要,为评估民航发动机滑油系统的健康状况提供参考。; 瞿红春高鹏宇朱伟华许旺山郭龙飞; 关键词：邻域粗糙集卷积神经网络

基于D-S证据理论的航空发动机故障诊断被引量：4: 2011年; 航空发动机滑油中含有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析,运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从而可对发动机的故障排除作参考。在融合过程中提出了先对每个元素的磨损量和磨损率进行融合,再总体融合的方法。针对Dempster-Shafer证据融合的局限,应用了两种改进的融合方法,并进行比较。实例表明,Dempster-Shafer证据融合是一种有效的航空发动机滑油磨损的故障诊断方法。; 瞿红春丁协宾; 关键词：航空发动机故障诊断

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

中国民航大学科研基金(05yk08m)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

中国民航大学科研基金(05yk08m)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈