隨著航空事業(yè)的不斷發(fā)展,人們對(duì)航空安全問題日益關(guān)注。作為航空器的主要?jiǎng)恿碓?航空發(fā)動(dòng)機(jī)對(duì)于保證航空安全至關(guān)重要。航空發(fā)動(dòng)機(jī)長(zhǎng)期處在高溫、高壓等惡劣的環(huán)境之下,隨著在翼時(shí)間的增加,其工作狀態(tài)不斷變化,各零部件的性能狀態(tài)也隨之衰退。評(píng)估航空發(fā)動(dòng)機(jī)衰退狀態(tài),有助于增強(qiáng)航空發(fā)動(dòng)機(jī)的安全性、經(jīng)濟(jì)性和可靠性。本文基于航空發(fā)動(dòng)機(jī)的歷史數(shù)據(jù),利用模糊C均值等方法,分析并挖掘航空發(fā)動(dòng)機(jī)各零部件和整體的運(yùn)行規(guī)律,評(píng)估航空發(fā)動(dòng)機(jī)的衰退狀態(tài)。本文的研究可為航空發(fā)動(dòng)機(jī)故障檢測(cè)和失效維修提供良好的理論參考。本文主要內(nèi)容如下:首先是數(shù)據(jù)預(yù)處理。航空發(fā)動(dòng)機(jī)運(yùn)行環(huán)境多變,其參數(shù)數(shù)據(jù)容易受到噪聲等環(huán)境因素的影響。本文通過對(duì)原始數(shù)據(jù)進(jìn)行異常值提取、缺失值處理、平滑處理和相關(guān)性分析四個(gè)方面的預(yù)處理,提高了數(shù)據(jù)質(zhì)量。其次是衰退狀態(tài)評(píng)價(jià)。針對(duì)航空發(fā)動(dòng)機(jī)多參數(shù)問題,本文首先利用主成分分析法對(duì)航空發(fā)動(dòng)機(jī)性能參數(shù)進(jìn)行屬性約簡(jiǎn),根據(jù)不同參數(shù)的貢獻(xiàn)率確定影響發(fā)動(dòng)機(jī)性能的主成分。然后利用模糊C均值算法提取評(píng)價(jià)標(biāo)準(zhǔn),分析各數(shù)據(jù)點(diǎn)與評(píng)價(jià)標(biāo)準(zhǔn)的距離來確定衰退程度。此外,考慮到航空發(fā)動(dòng)機(jī)的多工況且不同工況的評(píng)價(jià)標(biāo)準(zhǔn)有所差異的情形,本文首先利用K均...

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 航空發(fā)動(dòng)機(jī)衰退狀態(tài)評(píng)估概述
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 研究?jī)?nèi)容及文章結(jié)構(gòu)
2 數(shù)據(jù)預(yù)處理
    2.1 引言
    2.2 異常值提取
    2.3 缺失值處理
    2.4 平滑處理
        2.4.1 平滑方法評(píng)價(jià)指標(biāo)
        2.4.2 移動(dòng)平均法
        2.4.3 五點(diǎn)三次平滑法
        2.4.4 薩維茨基-戈雷平滑法
        2.4.5 平滑方法比較
    2.5 相關(guān)性分析
        2.5.1 距離分析方法
        2.5.2 余弦法
        2.5.3 融合算法
    2.6 本章小結(jié)
3 航空發(fā)動(dòng)機(jī)衰退狀態(tài)評(píng)價(jià)
    3.1 引言
    3.2 相關(guān)算法介紹
        3.2.1 K均值算法
        3.2.2 模糊C均值算法
        3.2.3 主成分分析算法
    3.3 實(shí)現(xiàn)方案
    3.4 實(shí)驗(yàn)驗(yàn)證
    3.5 本章小結(jié)
4 航空發(fā)動(dòng)機(jī)性能參數(shù)安全邊界提取及預(yù)測(cè)
    4.1 引言
    4.2 相關(guān)算法介紹
        4.2.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)
        4.2.2 極限學(xué)習(xí)機(jī)算法
    4.3 基于FCM的安全邊界的提取與預(yù)測(cè)
        4.3.1 安全邊界評(píng)價(jià)標(biāo)準(zhǔn)
        4.3.2 安全邊界提取與預(yù)測(cè)的實(shí)現(xiàn)方案
    4.4 安全邊界提取方案改進(jìn)
        4.4.1 改進(jìn)方法一
        4.4.2 改進(jìn)方法二
    4.5 實(shí)驗(yàn)驗(yàn)證
    4.6 本章小結(jié)
5 航空發(fā)動(dòng)機(jī)衰退狀態(tài)預(yù)測(cè)
    5.1 引言
    5.2 相關(guān)算法介紹
        5.2.1 基于非線性擬合的啟發(fā)式分割算法
        5.2.2 遺傳算法優(yōu)化的支持向量回歸機(jī)
        5.2.3 預(yù)測(cè)方案改進(jìn)
    5.3 實(shí)現(xiàn)流程
    5.4 實(shí)驗(yàn)驗(yàn)證
        5.4.1 衰退數(shù)據(jù)分段處理
        5.4.2 衰退狀態(tài)預(yù)測(cè)實(shí)驗(yàn)驗(yàn)證
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3875111