EGT（航空發(fā)動(dòng)機(jī)排氣溫度）是航空發(fā)動(dòng)機(jī)的主要性能參數(shù)之一,EGT的狀態(tài)變化將直接影響飛機(jī)的安全性與可靠性。因此對(duì)EGT進(jìn)行準(zhǔn)確的預(yù)測(cè),不僅有助于判別發(fā)動(dòng)機(jī)的性能狀態(tài),同時(shí)也能為排除故障以及維修方案的制定提供充分的決策時(shí)間。然而由于航空發(fā)動(dòng)機(jī)惡劣的工作環(huán)境和復(fù)雜的非線性系統(tǒng)導(dǎo)致獲取的發(fā)動(dòng)機(jī)性能參數(shù)具有隨機(jī)的波動(dòng)性、不平穩(wěn)性以及非線性等特點(diǎn),使得難以建立精確的物理預(yù)測(cè)模型,考慮到發(fā)動(dòng)機(jī)EGT與其他性能參數(shù)之間的關(guān)系,所以建立基于人工智能方法的多個(gè)性能參數(shù)為輸入、發(fā)動(dòng)機(jī)EGT為輸出的預(yù)測(cè)模型,并結(jié)合航空實(shí)例進(jìn)行分析,驗(yàn)證了預(yù)測(cè)模型的可靠性。本文將從以下幾個(gè)方面進(jìn)行了深入研究:（1）首先對(duì)國(guó)內(nèi)外航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)的方法進(jìn)行介紹,全面的分析了PLS（偏最小二乘回歸預(yù)測(cè)）、SVM（支持向量機(jī)）預(yù)測(cè)、ANN（人工神經(jīng)網(wǎng)絡(luò)）以及組合預(yù)測(cè)方法的優(yōu)缺點(diǎn),為進(jìn)一步研究航空發(fā)動(dòng)機(jī)排氣溫度的預(yù)測(cè)奠定了基礎(chǔ)。（2）為了提高對(duì)航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)的準(zhǔn)確性,首先分析獲取的航空發(fā)動(dòng)機(jī)相關(guān)數(shù)據(jù)的變化特征,采用統(tǒng)計(jì)分析法對(duì)數(shù)據(jù)中異常點(diǎn)進(jìn)行識(shí)別,并利用指數(shù)平滑法對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行平滑處理;其次對(duì)數(shù)據(jù)進(jìn)行歸一化處理,消... 

【文章來源】：中國(guó)民航大學(xué)天津市

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 偏最小二乘預(yù)測(cè)研究現(xiàn)狀
        1.2.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究現(xiàn)狀
        1.2.3 支持向量機(jī)預(yù)測(cè)研究現(xiàn)狀
        1.2.4 組合預(yù)測(cè)研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.1 論文的主要研究?jī)?nèi)容
        1.3.2 論文可能存在的創(chuàng)新點(diǎn)
第二章 航空發(fā)動(dòng)機(jī)的相關(guān)參數(shù)篩選及前期處理
    2.1 引言
    2.2 性能參數(shù)時(shí)間序列的異常點(diǎn)識(shí)別與平滑
        2.2.1 性能參數(shù)時(shí)間序列建立
        2.2.2 識(shí)別異常點(diǎn)模型建立
        2.2.3 性能參數(shù)的平滑處理
        2.2.4 實(shí)例分析
    2.3 航空發(fā)動(dòng)機(jī)性能參數(shù)相關(guān)性分析
        2.3.1 MIV
        2.3.2 實(shí)例分析
    2.4 本章小結(jié)
第三章 基于偏最小二乘法的航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)
    3.1 引言
    3.2 多元線性回歸的預(yù)測(cè)模型
        3.2.1 多元線性回歸模型
        3.2.2 參數(shù)的最小二乘估計(jì)
        3.2.3 預(yù)測(cè)結(jié)果評(píng)估方法
    3.3 偏最小二乘的預(yù)測(cè)模型
        3.3.1 PLS的預(yù)測(cè)模型的建模步驟
        3.3.2 偏最小二乘法的相關(guān)操作
    3.4 實(shí)例分析
        3.4.1 多元線性回歸預(yù)測(cè)
        3.4.2 偏最小二乘回歸預(yù)測(cè)
        3.4.3 PLS預(yù)測(cè)誤差對(duì)比
    3.5 本章小結(jié)
第四章 基于改進(jìn)支持向量機(jī)的航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)
    4.1 引言
    4.2 支持向量機(jī)預(yù)測(cè)模型
    4.3 自適應(yīng)擾動(dòng)量子粒子群算法
        4.3.1 基本量子粒子群算法
        4.3.2 自適應(yīng)擾動(dòng)量子粒子群
        4.3.3 ADQPSO-SVR的預(yù)測(cè)流程圖及算法實(shí)現(xiàn)
    4.4 實(shí)例分析
        4.4.1 參數(shù)設(shè)置
        4.4.2 訓(xùn)練樣本對(duì)比分析研究
        4.4.3 抗噪能力對(duì)比分析研究
        4.4.4 訓(xùn)練時(shí)間對(duì)比分析研究
    4.5 本章小結(jié)
第五章 基于ADQPSO-Elman神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)
    5.1 引言
    5.2 Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型
        5.2.1 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 Elman神經(jīng)網(wǎng)絡(luò)計(jì)算原理
    5.3 基于ADQPSO優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型
        5.3.1 ADQPSO優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)模型
        5.3.2 ADQPSO-Elman神經(jīng)網(wǎng)絡(luò)的附屬相關(guān)操作
    5.4 實(shí)例分析
        5.4.1 訓(xùn)練樣本對(duì)比分析研究
        5.4.2 抗噪能力對(duì)比分析研究
        5.4.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程對(duì)比分析研究
    5.5 本章小結(jié)
第六章 基于組合模型的航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測(cè)
    6.1 引言
    6.2 基于ADQPSO的組合預(yù)測(cè)方法
        6.2.1 組合預(yù)測(cè)模型
        6.2.2 ADQPSO的組合預(yù)測(cè)方法
    6.3 實(shí)例分析
        6.3.1 模型篩選
        6.3.2 訓(xùn)練樣本對(duì)比分析研究
        6.3.3 抗噪能力對(duì)比分析研究
        6.3.4 優(yōu)化過程以及訓(xùn)練時(shí)間對(duì)比分析研究
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文工作總結(jié)
    7.2 進(jìn)一步研究的展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于IPSO-Elman神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷[J]. 皮駿,黃江博.  航空動(dòng)力學(xué)報(bào). 2017(12)
[2]基于人工神經(jīng)網(wǎng)絡(luò)的侵徹毀傷模式識(shí)別[J]. 王爍,石全.  兵器裝備工程學(xué)報(bào). 2017(10)
[3]應(yīng)用單元體參數(shù)的航空發(fā)動(dòng)機(jī)性能預(yù)警方法[J]. 黃燕曉,郝紅勛,郭家琛.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[4]模糊理論在系統(tǒng)故障診斷中的應(yīng)用[J]. 楊國(guó)忠,吳碧容,辛少菲.  計(jì)算機(jī)與數(shù)字工程. 2015(05)
[5]基于改進(jìn)最小二乘算法的船舶操縱性參數(shù)辨識(shí)[J]. 秦余鋼,馬勇,張亮,李騰飛.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2016(03)
[6]航空發(fā)動(dòng)機(jī)排氣溫度基線建模方法[J]. 付金華,閆鋒.  航空計(jì)算技術(shù). 2014(06)
[7]基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]. 張國(guó)祥,袁丹,張浩,彭道剛.  上海電力學(xué)院學(xué)報(bào). 2014(03)
[8]基于核函數(shù)的間接測(cè)量系統(tǒng)模型設(shè)計(jì)[J]. 潘光斌,徐錦,廖玲.  計(jì)量與測(cè)試技術(shù). 2014(03)
[9]民航發(fā)動(dòng)機(jī)性能實(shí)時(shí)監(jiān)控系統(tǒng)架構(gòu)研究[J]. 李書明,繆文彬,黃燕曉.  裝備制造技術(shù). 2013(12)
[10]多元退化信息的航空發(fā)動(dòng)機(jī)可靠性預(yù)測(cè)[J]. 孫紹輝,王華偉,陳福立.  火力與指揮控制. 2013(11)

博士論文
[1]民航發(fā)動(dòng)機(jī)氣路參數(shù)偏差值挖掘方法及其應(yīng)用研究[D]. 崔智全.哈爾濱工業(yè)大學(xué) 2013
[2]民機(jī)產(chǎn)品可靠性評(píng)估技術(shù)研究[D]. 王燁.南京航空航天大學(xué) 2009

碩士論文
[1]CFM56型號(hào)飛機(jī)發(fā)動(dòng)機(jī)維護(hù)項(xiàng)目的成本控制研究[D]. 陳嘉.東華大學(xué) 2016
[2]基于離散過程神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)性能參數(shù)融合預(yù)測(cè)技術(shù)研究[D]. 張頡健.哈爾濱工業(yè)大學(xué) 2015
[3]基于灰色神經(jīng)網(wǎng)絡(luò)的VOD終點(diǎn)碳溫預(yù)測(cè)模型研究[D]. 劉海波.西安電子科技大學(xué) 2014
[4]基于性能參數(shù)預(yù)測(cè)的航空發(fā)動(dòng)機(jī)維修決策支持系統(tǒng)研究[D]. 王雄威.哈爾濱工業(yè)大學(xué) 2013
[5]基于競(jìng)爭(zhēng)失效的航空發(fā)動(dòng)機(jī)可靠性評(píng)估研究[D]. 李偉.南京航空航天大學(xué) 2013
[6]基于信息融合的復(fù)雜系統(tǒng)健康管理研究[D]. 陳福立.南京航空航天大學(xué) 2012
[7]基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷和預(yù)測(cè)[D]. 張艷.西華大學(xué) 2011
[8]基于混沌時(shí)間序列理論的民航發(fā)動(dòng)機(jī)性能參數(shù)預(yù)測(cè)模型研究[D]. 張科星.中國(guó)民航大學(xué) 2009
[9]細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D]. 周永強(qiáng).電子科技大學(xué) 2009
[10]民航發(fā)動(dòng)機(jī)健康管理技術(shù)與方法研究[D]. 李強(qiáng).南京航空航天大學(xué) 2008



本文編號(hào)：3294672