隨著機(jī)器學(xué)習(xí)與人工智能的發(fā)展,基于數(shù)據(jù)驅(qū)動(dòng)的建模方法在沒(méi)有系統(tǒng)過(guò)程先驗(yàn)知識(shí)的情況下也可以獲得復(fù)雜系統(tǒng)的精確輸出,基于系統(tǒng)辨識(shí)理論開(kāi)展了發(fā)動(dòng)機(jī)傳感器故障診斷方法的研究,主要研究?jī)?nèi)容為:首先,對(duì)DGEN380渦扇發(fā)動(dòng)機(jī)開(kāi)展了系統(tǒng)辨識(shí)建模研究,完成了發(fā)動(dòng)機(jī)在3種典型工況下的系統(tǒng)辨識(shí)實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集工作。在發(fā)動(dòng)機(jī)3種典型工況下的小鄰域內(nèi)將DGEN380發(fā)動(dòng)機(jī)視為線性系統(tǒng),采用預(yù)測(cè)誤差FPE準(zhǔn)則選擇合適的線性系統(tǒng)模型結(jié)構(gòu),并基于最小二乘原理RLS（Recursive Least Square Algorithm）完成了對(duì)發(fā)動(dòng)機(jī)線性系統(tǒng)的辨識(shí)。隨后采用了一種能夠?qū)�性系統(tǒng)模型結(jié)構(gòu)和參數(shù)同步辨識(shí)的UD分解算法,并將UD分解算法其推廣到MIMO線性系統(tǒng)的模型辨識(shí)。然后,將DGEN380發(fā)動(dòng)機(jī)視為非線性系統(tǒng),并采用非線性自回歸滑動(dòng)平均NARMAX模型建立發(fā)動(dòng)機(jī)非線性模型。提出一種基于AIC（Akaike Information Criterion）顯著性準(zhǔn)則的前向選擇法對(duì)NARMAX模型結(jié)構(gòu)進(jìn)行選擇。鑒于LOLIMOT（Local Linear Model Tree）網(wǎng)絡(luò)模型較強(qiáng)的非線性映射能力且能夠... 

【文章頁(yè)數(shù)】：114 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 航空發(fā)動(dòng)機(jī)建模技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 航空發(fā)動(dòng)機(jī)傳感器故障診斷技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第二章 發(fā)動(dòng)機(jī)辨識(shí)實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)處理
    2.1 系統(tǒng)辨識(shí)理論概述
        2.1.1 系統(tǒng)辨識(shí)內(nèi)容和步驟
        2.1.2 系統(tǒng)辨識(shí)模型
        2.1.3 常見(jiàn)系統(tǒng)辨識(shí)方法
    2.2 渦扇發(fā)動(dòng)機(jī)系統(tǒng)辨識(shí)實(shí)驗(yàn)設(shè)計(jì)
        2.2.1 系統(tǒng)辨識(shí)對(duì)象
        2.2.2 偽隨機(jī)輸入信號(hào)設(shè)計(jì)
        2.2.3 多倍正弦和輸入信號(hào)設(shè)計(jì)
    2.3 實(shí)驗(yàn)數(shù)據(jù)處理與數(shù)據(jù)檢驗(yàn)
        2.3.1 實(shí)驗(yàn)數(shù)據(jù)零均值化與低通濾波處理
        2.3.2 實(shí)驗(yàn)數(shù)據(jù)同步性檢驗(yàn)
        2.3.3 實(shí)驗(yàn)數(shù)據(jù)非線性和漂移性檢驗(yàn)
    2.4 本章小結(jié)
第三章 渦扇發(fā)動(dòng)機(jī)線性系統(tǒng)辨識(shí)方法研究
    3.1 線性系統(tǒng)數(shù)學(xué)模型概述
        3.1.1 連續(xù)型單輸入單輸出數(shù)學(xué)模型
        3.1.2 離散型單輸入單輸出數(shù)學(xué)模型
    3.2 基于最小二乘理論的發(fā)動(dòng)機(jī)線性系統(tǒng)辨識(shí)
        3.2.1 最小二乘基本原理
        3.2.2 遞推形式下的系統(tǒng)參數(shù)和噪聲方差估計(jì)
        3.2.3 基于最終預(yù)測(cè)誤差準(zhǔn)則的線性系統(tǒng)階次辨識(shí)
        3.2.4 發(fā)動(dòng)機(jī)系統(tǒng)仿真
    3.3 基于增廣UD分解算法的發(fā)動(dòng)機(jī)線性系統(tǒng)辨識(shí)
        3.3.1 信息壓縮矩陣和矩陣UD分解算法
        3.3.2 矩陣UD分解與RLS算法結(jié)合用于發(fā)動(dòng)機(jī)結(jié)構(gòu)和參數(shù)辨識(shí)
        3.3.3 適用于MIMO線性系統(tǒng)辨識(shí)的UD分解算法
        3.3.4 基于殘差自相關(guān)系數(shù)法的辨識(shí)模型檢驗(yàn)
    3.4 本章小結(jié)
第四章 渦扇發(fā)動(dòng)機(jī)非線性系統(tǒng)辨識(shí)方法研究
    4.1 非線性系統(tǒng)模型概述
        4.1.1 Volterra級(jí)數(shù)模型
        4.1.2 Hammerstein模型
        4.1.3 Wiener模型
    4.2 基于NARMAX模型的航空發(fā)動(dòng)機(jī)非線性建模
        4.2.1 NARMAX非線性模型的數(shù)學(xué)描述
        4.2.2 NARMAX非線性模型參數(shù)求解方法
        4.2.3 基于AIC信息準(zhǔn)則的NARMAX模型結(jié)構(gòu)選擇
        4.2.4 DGEN380發(fā)動(dòng)機(jī)非線性建模
    4.3 基于LOLIMOT網(wǎng)絡(luò)模型的航空發(fā)動(dòng)機(jī)非線性建模
        4.3.1 局部線性模型樹(shù)LOLIMOT網(wǎng)絡(luò)
        4.3.2 LOLIMOT神經(jīng)網(wǎng)絡(luò)的局部參數(shù)估計(jì)
        4.3.3 LOLIMOT網(wǎng)絡(luò)建立發(fā)動(dòng)機(jī)非線性模型
        4.3.4 發(fā)動(dòng)機(jī)線性模型與非線性模型精度對(duì)比
    4.4 本章小結(jié)
第五章 基于系統(tǒng)辨識(shí)技術(shù)的傳感器故障診斷方法研究
    5.1 發(fā)動(dòng)機(jī)傳感器常見(jiàn)故障模式
    5.2 基于辨識(shí)理論的線性系統(tǒng)傳感器在線故障診斷方法研究
        5.2.1 用于傳感器故障診斷的改進(jìn)RLS辨識(shí)算法
        5.2.2 選擇遺忘機(jī)制與RLS算法結(jié)合用于時(shí)變系統(tǒng)傳感器故障診斷
        5.2.3 線性系統(tǒng)傳感器故障診斷仿真
    5.3 基于辨識(shí)理論的非線性系統(tǒng)傳感器故障診斷方法研究
        5.3.1 故障情況下非線性系統(tǒng)的數(shù)學(xué)描述
        5.3.2 用于非線性系統(tǒng)故障診斷的改進(jìn)NARMAX結(jié)構(gòu)
        5.3.3 基于LOLIMOT網(wǎng)絡(luò)的非線性系統(tǒng)傳感器故障診斷方法研究
        5.3.4 非線性系統(tǒng)傳感器故障診斷仿真
    5.4 基于小波理論的發(fā)動(dòng)機(jī)傳感器故障種類(lèi)辨識(shí)研究
        5.4.1 小波變換理論
        5.4.2 傳感器故障信號(hào)的特征提取研究
        5.4.3 傳感器故障種類(lèi)識(shí)別
        5.4.4 基于動(dòng)態(tài)系統(tǒng)辨識(shí)的發(fā)動(dòng)機(jī)傳感器故障識(shí)別結(jié)構(gòu)
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 全文結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
碩士學(xué)位攻讀期間發(fā)表的論文成果


【參考文獻(xiàn)】：
期刊論文
[1]UD分解與偏差補(bǔ)償結(jié)合用于變量帶誤差模型辨識(shí)[J]. 蕭德云,楊帆,張益農(nóng),耿立輝.  控制理論與應(yīng)用. 2018(07)
[2]基于Hammerstein模型的非線性分離法預(yù)測(cè)控制[J]. 李元明,潘紅光,鄒濤,錢(qián)新華.  信息與控制. 2017(02)
[3]基于神經(jīng)網(wǎng)絡(luò)的熱工系統(tǒng)辨識(shí)方法研究[J]. 要亞斌,李淑琴,黃宇.  計(jì)算機(jī)仿真. 2016(08)
[4]堆疊隱空間模糊C均值聚類(lèi)算法[J]. 王駿,劉歡,蔣亦樟,鄧趙紅,王士同.  控制與決策. 2016(09)
[5]航空發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷仿真研究[J]. 王濤,薛薇,呂淮北.  計(jì)算機(jī)仿真. 2016(02)
[6]線性參數(shù)系統(tǒng)的多新息辨識(shí)方法[J]. 丁鋒,郭蘭杰.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[7]基于似然剖面的元件模型暫態(tài)參數(shù)可辨識(shí)性分析[J]. 陳潤(rùn)澤,孫宏斌,吳文傳,張伯明.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(06)
[8]基于擴(kuò)展濾波器的非線性系統(tǒng)迭代學(xué)習(xí)故障診斷算法[J]. 陶洪峰,陳大朋,楊慧中.  控制與決策. 2015(06)
[9]基于ARMAX模型的子空間辨識(shí)算法[J]. 李天一,鄭建榮.  計(jì)算機(jī)仿真. 2015(01)
[10]多目標(biāo)免疫GEP算法及其在多項(xiàng)式NARMAX模型辨識(shí)中的應(yīng)用[J]. 周霞,沈炯.  控制與決策. 2014(06)

博士論文
[1]基于熵的傳感器故障診斷方法研究[D]. 楊巧寧.北京化工大學(xué) 2016
[2]基于結(jié)構(gòu)優(yōu)化PCA的傳感器故障診斷方法及其應(yīng)用研究[D]. 付克昌.浙江大學(xué) 2007

碩士論文
[1]基于系統(tǒng)辨識(shí)的航空發(fā)動(dòng)機(jī)建模研究[D]. 鄭斐華.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院工程熱物理研究所) 2018
[2]混合卡方分布序列極值的漸近性質(zhì)[D]. 易曉婷.湖南大學(xué) 2017
[3]基于信息熵的傳感器故障診斷方法研究[D]. 王炳炬.華北電力大學(xué)(北京) 2016
[4]航空發(fā)動(dòng)機(jī)傳感器故障診斷及信號(hào)重構(gòu)[D]. 趙文博.南京航空航天大學(xué) 2011
[5]航空發(fā)動(dòng)機(jī)動(dòng)態(tài)過(guò)程系統(tǒng)辨識(shí)[D]. 于同利.西北工業(yè)大學(xué) 2006



本文編號(hào)：3704000