【摘 要】
：
涡轮发动机作为飞机、车辆或船舶等动力关键设备,其运行状态和可靠性对设备安全和稳定运行起着决定性作用。然而,复杂多变的工作条件,高温高压工作环境等因素导致发动机易出现性能退化甚至失效的问题。在发动机退化早期开展剩余寿命（Remaining Useful Life,RUL）预测并安排合理的维护方案,可以有效避免计划外停机维修造成的损失,提高设备安全性,有效的预测方法对于及时RUL预测至关重要。本文面向
【基金项目】
：
国防科技创新特区项目JZGJBJ健康在线预测技术；
论文部分内容阅读
涡轮发动机作为飞机、车辆或船舶等动力关键设备,其运行状态和可靠性对设备安全和稳定运行起着决定性作用。然而,复杂多变的工作条件,高温高压工作环境等因素导致发动机易出现性能退化甚至失效的问题。在发动机退化早期开展剩余寿命（Remaining Useful Life,RUL）预测并安排合理的维护方案,可以有效避免计划外停机维修造成的损失,提高设备安全性,有效的预测方法对于及时RUL预测至关重要。本文面向涡轮发动机RUL准确预测需求,开展了多维感知数据筛选和预处理方法、基于深度学习的RUL预测模型构建等研究,形成了基于粒子群算法优化堆栈去噪自编码器（Stacked Denoised Auto-encoder,SDAE）和多层长短时记忆网络（Long Short-Term Memory,LSTM）的RUL融合预测方法,主要研究内容包括:（1）监测数据筛选与预处理方法研究。针对涡轮发动机多维感知数据,以各变量与退化状态相关性和单调性的线性组合为评价标准,筛选出能够表征发动机退化趋势的变量,降低数据维度,并进行数据标准化处理,通过滑动时间窗构建剩余寿命预测模型训练样本。（2）基于多层LSTM网络的RUL预测方法研究。针对长时间序列涡轮发动机数据,搭建了基于多层LSTM网络的RUL预测模型,充分挖掘传感器数据中退化特性和前后之间的时间关联性,通过实验方法确定并优化模型网络结构,采用NASA涡轮发动机数据集验证了模型的预测性能,使用评分函数、RMSE与MAE等评价指标和置信区间对预测结果进行了定量评价,并通过与其他预测方法的对比实验,验证了所构建的模型在RUL预测方面具有更高的精度和稳定性。（3）基于粒子群算法优化多层LSTM网络的RUL预测方法研究。针对多层LSTM网络模型的优化问题,研究了基于粒子群算法的预测模型超参数优化方法,对多层LSTM网络批处理大小和每层神经元数量进行优化,同时使用随机权重参数和异步变化的学习因子改进粒子群算法,提高算法收敛速度和收敛能力,通过多次迭代,提高了多层LSTM模型的预测精度。（4）基于SDAE和多层LSTM的RUL融合预测方法研究。针对多传感器类型的监测数据,通过SDAE自动学习退化状态变量之间的非线性关系,将特征数据经过平滑处理之后输入到粒子群算法优化的多层LSTM模型中进行RUL预测,充分发挥两种模型的优势,克服单一模型存在的局限性。研究结果表明,基于两种模型的RUL融合预测方法可以充分提取数据的深层特征,降低模型的深度,提高训练速度。本文以涡轮发动机多维监测数据为输入,开展了基于深度学习的RUL预测方法深入研究,构建了基于SDAE和多层LSTM的RUL融合预测模型,采用粒子群算法对模型进行优化,提高了模型性能,降低了发动机RUL预测误差,对航空航天、车辆船舶等领域发动机可靠性维护和视情维修具有重大工程应用价值。
其他文献
声发射检测技术具有对线性缺陷较为敏感对几何形状不敏感并且能够适用于其他检测方法难以应用的严苛环境中的特点,在石油化工、航天航空和交通运输等工业领域中获得广泛应用。声发射数据采集系统设计是声发射检测技术的基础和前提,在整个声发射检测技术中的地位举足轻重。本文设计了基于ZYNQ双通道声发射采集系统,完成了基于ZYNQ的声发射采集板卡的设计,基于Qt的上位机软件的设计,并设计了实验验证了采集系统的各项功
铝合金板结构是航空航天装备制造领域广泛应用的典型结构,具有材质轻、比强度高、耐腐蚀、加工和成型好的优点。然而,铝合金板结构在服役过程中,由于受到长期交变载荷和异物冲击的影响,结构容易发生变形甚至失效,严重影响了航空航天器的安全性和使用寿命,因此,实时监测板状结构的形状变化并及时做出应对具有重要意义。光纤光栅（FBG）传感器具有体积小、重量轻、耐腐蚀和可构建准分布式传感网络的优点,已成为结构健康监测
随着科技的发展和政策的推进,纯电动汽车（BEVs）、插电式混合动力汽车（PHEVs）等新能源汽车日益增多,其是否可以快速高性能地充电,成为摆在其替代传统燃油汽车道路上的一道难题。针对车载充电器目前主要存在的充电时间长、续航里程短、电池寿命短、车内所占体积大等问题,本文提出了一种电动汽车用交流调磁永磁同步电机（PMSM）的驱动/充电一体化拓扑结构,采用了具有径轴向定子结构的交流调磁PMSM以及蓄电池
新能源的大规模接入使电力系统的电力电子化程度日益加深,现代电力系统形态变化引发电力信号形态随之改变,对电力系统的实时监测能力提出了更高的要求。相量作为可以反映电力系统运行状态的电气量,是进行有效保护和控制的前提,但故障电流信号中往往含有衰减直流分量（Decaying DC Component,DDC）,其非周期性使得目前广泛应用的基于离散傅里叶变换（Discrete Fourier Transfo
可再生能源的随机性和用能需求的多样性给电力系统的安全经济运行带来挑战,而将多种能源协同运行可以提高系统应对不确定性问题的能力。因此,能有效提高能源利用效率和可再生能源消纳能力的综合能源系统必将成为未来主流能源供应方式之一。如何通过不同能源之间的相互作用提供更大的灵活性,并有效应对系统运行中存在的多种不确定因素,是综合能源系统面临的重要问题。因此,本文聚焦于通过多种灵活性元件耦合的电力系统、热力系统
油中溶解气体分析（Dissolved Gas Analysis,DGA）被证明是世界范围内诊断油浸式电力变压器内部故障的有效手段,可灵敏识别内部放电及过热异常。油中溶解气体在线分析装置的全面推广使得以统计理论为基础、以数据驱动为核心的变压器智能诊断方法逐渐成为研究热点。大量研究表明,在同一数据集下相较于传统基于领域经验知识的规则法,智能诊断方法能获得更高的诊断准确率。但纯数据驱动的智能诊断算法采用
清洁能源的大规模集中开发与分布式开发并举是助推“双碳”目标实现的重要举措,分布式电源就近接入配电网,使传统单电源径向配电网转变为多电源供电的有源配电网。以太阳能、风能为代表的分布式电源的出力具有波动性和间歇性,导致有源配电网的潮流方向与故障电流特征具有不确定性。此外,通过电力电子器件并网的逆变型分布式电源受到多种控制策略影响,故障特性更为特殊。随着配电网中分布式电源渗透率的进一步提高,传统配电网的
随着科技飞速发展,各种电力电子整流装置广泛应用,谐波所造成的危害越发严重。特别是近年来随着电动汽车相关产业的飞速发展,其保有量不断提高,充电装置应用愈发广泛。车载充电器体积较小易于携带,可缓解电动汽车充电设施不足带来的困难,为减少谐波所造成的危害,充电器中都带有功率因数校正装置。本文以一种基于非对称双有源桥的单级式变换器为研究对象,分析其工作原理和控制方法实现功率因数校正,可应用于车载充电器等整流
在第五代移动通信和物联网等技术的推动下,边缘计算飞速发展,传统基于云中心的人工智能网络架构出现了本地化的演进趋势。联邦学习作为网联人工智能的新范例,在协同训练和保护隐私等方面具备独特的优势。在联邦学习系统中,全局模型参数的更新依赖于云服务器与边缘节点间频繁的模型信息交互,这将给系统带来大量额外的通信开销和训练时延,已经成为了限制系统性能的关键问题。当前,通过压缩节点模型参数信息以减少节点间的通信开
车联网是智能交通系统（ITS）重要的使能技术之一。随着车联网技术的快速发展,大量计算密集和时延敏感的车载应用不断涌现,车辆对于计算和通信资源的需求急剧提升。一方面,计算资源受限的车辆终端难以满足车辆任务的低时延要求;另一方面,车辆的高移动性导致网络拓扑结构快速变化,频谱资源管理困难。针对上述问题,本文首先研究了车联网中车辆任务的卸载策略,引入移动边缘计算（MEC）技术为车辆提供卸载服务,有效减少了