论文摘要
航空发动机作为飞行器的重要组成部分,目前在追求高性能低成本的同时导致发动机零部件长期工作在高速、高负荷的恶劣环境下,更容易因疲劳或磨损引起发动机故障,因此对发动机运转部件的磨损趋势进行预测,尽可能将隐患消除在萌芽状态,对于保证发动机安全有效运行具有重要意义。本文首先对反映发动机运行状态信息的滑油光谱分析数据进行处理,通过对常用的趋势预测模型进行比较分析,结合数据特征选用径向基函数（RBF）网络模型进行预测。然后引入混沌理论中C-C方法同步确定嵌入维数和时间延迟,重构相空间,采用正交最小二乘算法建立RBF网络模型。针对RBF网络核函数的宽度参数影响预测精度的问题,采用遗传算法优化RBF网络获得最优参数。实例仿真结果表明经遗传算法优化的RBF网络模型较传统模型泛化能力更高,预测误差更小,能够正确反映滑油光谱数据的变化趋势。滑油铁谱分析数据是反映航空发动机运转部件磨损状态的又一重要信息源。由于铁谱分析数据受许多复杂因素的影响,单一模型预测精度相对较低,针对这个问题提出了RBF网络变权重组合预测（RBFNN-VWCF）模型,利用RBF网络将BP网络模型和SVM模型的预测结果进行变权重组合,并采用遗传算法优化RBF模型参数。仿真结果表明RBFNN-VWCF模型充分利用了参与组合预测的两种子模型的有效信息,更客观地反映发动机零部件的磨损趋势,预测结果更为稳健,具有较强的工程实用价值,为发动机下一步的维修决策提供了有力支持。最后,本文在VC++6.0、SQLSever 2005和Matlab 7.0的环境下开发航空发动机磨损趋势预测系统,主要包括用户管理、记录管理、数据库管理和趋势预测等子模块,实现了发动机滑油分析数据变化趋势的智能预测,根据预测结果对发动机磨损零部件进行初步诊断。该系统界面友好,功能完善,具有一定的实用价值。
论文目录
摘要Abstract第1章 绪论1.1 论文的研究背景及意义1.2 国内外磨损趋势预测方法研究现状1.2.1 国外磨损预测技术的研究现状1.2.2 国内磨损预测技术的研究现状1.3 主要研究内容及特色1.3.1 主要研究内容1.3.2 论文主要特色及创新点1.4 论文章节安排第2章 航空发动机磨损趋势智能预测方法选择2.1 航空发动机磨损及润滑理论2.1.1 磨损定义2.1.2 磨损过程机理分析2.1.3 发动机润滑系统2.2 滑油时间序列预测方法选择2.2.1 滑油分析法2.2.2 时间序列预测2.2.3 预测方法选择2.3 支持向量机回归模型及其应用验证2.3.1 支持向量机回归模型2.3.2 基于支持向量机的航空发动机磨损趋势预测2.4 神经网络模型及其应用验证2.4.1 BP 网络模型2.4.2 RBF 网络模型2.4.3 基于神经网络的航空发动机磨损趋势预测2.5 预测结果对比分析2.6 本章小结第3章 基于改进 RBF 网络的航空发动机磨损趋势预测3.1 RBF 网络学习算法3.1.1 聚类算法3.1.2 梯度训练法3.1.3 正交最小二乘法3.1.4 RBF 网络模型的不足3.2 遗传算法优化RBF 网络3.2.1 遗传算法的基本概念3.2.2 遗传算法的运算过程3.2.3 遗传算法优化的RBF 网络模型3.3 基于GARBF 网络的航空发动机光谱时间序列趋势预测3.3.1 仿真实例一3.3.2 仿真实例二3.4 本章小结第4章 基于变权重组合模型的航空发动机磨损趋势预测4.1 铁谱分析数据预测模型选择4.1.1 铁谱分析技术4.1.2 模型选择4.2 变权重组合预测模型4.2.1 组合预测的概念4.2.2 变权重组合预测的概念4.2.3 RBF 网络变权重组合预测模型4.3 航空发动机磨损趋势RBF 网络变权重组合预测4.3.1 子预测模型选取4.3.2 RBF 变权重组合预测模型仿真实例4.4 改进的RBF 变权重组合预测模型仿真4.4.1 仿真实例一4.4.2 仿真实例二4.5 本章小结第5章 航空发动机磨损趋势智能预测系统的设计及开发5.1 系统简介5.2 需求分析5.3 数据库设计5.4 系统总体设计5.4.1 用户管理模块5.4.2 数据管理模块5.4.3 趋势预测模块5.5 本章小结结论附录Ⅰ C-C 方法确定相空间重构参数程序清单附录Ⅱ遗传算法优化RBF 网络程序清单附录Ⅲ遗传算法优化RBF 网络变权重组合模型程序清单参考文献致谢攻读硕士期间发表（含录用）的学术论文
相关论文文献
标签：航空发动机论文; 滑油论文; 磨损论文; 趋势预测论文; 网络论文;
