论文部分内容阅读
近几年来,关于航空发动机气路系统故障诊断等方面的研究已成为一个热门话题。无论是从发动机运行还是飞机任务管理的角度来看,发动机的异常运行都是不可取的。而发动机气路系统中各个部件状态的好坏直接影响飞机的整体性能和运行情况,因此早期发现异常对于发动机健康管理至关重要。本文针对发动机气路数据少的缺点,使用机理建模来扩充故障数据库;针对支持向量机模型参数随机的缺点,提出使用GA对LSSVM参数进行寻优;开发了迎合当下需求的移动故障诊断平台。文章涉及到航空发动机机理建模、故障数据模拟、改进支持向量机故障诊断算法和移动故障诊断平台开发等内容。本文的主要工作如下:(1)分析了航空发动机气路的故障种类和故障原因,并建立了航空发动机气路系统的部件级机理模型。首先论文分析了气路部件性能参数和测量参数之间的关系;其次以某型双轴涡扇航空发动机为建模对象,利用MATLAB中的SIMULINK模块建立了发动机气路系统机理模型;最后利用建立好的机理模型进行气路故障进行模拟,从而得到气路故障数据。(2)针对航空发动机气路故障数据少且非线性的特点,采用LSSVM对发动机气路系统进行故障诊断,并用遗传算法分别对SVM和LSSVM进行参数优化。首先选取低压转子转速,高压转子转速,风扇出口压力,压气机出口压力,低压涡轮出口压力,高压涡轮出口压力,低压涡轮出口温度,高压涡轮出口温度8种可测参数作为故障特征;其次使用Python实现了改进算法的仿真分析;最后通过将GA-LSSVM与GA-SVM、LSSVM以及SVM进行比较,结果表明GA-LSSVM在诊断精度、抗噪强度以及训练耗时三方面都优于其他三种算法,取得了良好的仿真结果。(3)设计和实现了基于微信小程序的航空发动机气路故障诊断平台。首先对移动诊断平台进行了可行性分析、功能需求分析以及设计了系统的框架;其次设计和实现了平台所包含的账号管理模块、电子化工单管理模块、发动机气路故障诊断模块和发动机机队管理模块;最后对移动诊断平台各功能进行测试。