基于随机过程的航空发动机剩余寿命预测及维修决策研究

论文摘要

本文利用发动机的健康监测数据,对发动机的运行状态进行监控与评估,建立基于随机Lévy从属过程的性能退化模型,实现对发动机故障诊断、剩余寿命预测与维修决策三方面的相关研究。首先,针对数据存在误差以及数值单位不相同等问题,研究了数据的预处理相关技术。针对传统神经网络方法对航空发动机进行故障诊断时,存在数据维度高且诊断结果不准确等多种问题,提出了组合改进KPCA和DBN算法的航空发动机故障检测方法。通过与传统的BP浅层神经网络的故障检测算法对比,本文提出的改进KPCA+DBN的组合方法的故障识别的准确性要好于传统的BP浅层神经网络。其次,针对基于随机过程的寿命预测方法都是假设退化过程是渐进连续退化的,并未考虑因外部冲击或突发因素导致的随机零星跳跃退化。为了更准确有效的预测,本文提出了一种基于Lévy随机过程的预测新方法,该过程是一种组合了伽玛过程和复合泊松过程的Lévy从属过程。基于特征函数与逆傅立叶变换,我们推导出可靠性函数和寿命概率密度函数,其特征在于综合考虑了渐进退化与跳跃退化过程。与传统的基于Wiener过程的寿命预测方法进行实验对比,验证了本文所建立模型进行预测的准确性高于传统的方法。最后,针对现有维修决策研究中很少关注维修与备件的关系,建立了时序与联合两种不同的决策模型,利用遗传算法进行优化求解。这两种模型都考虑了预防性维修费用与故障后维修费用对维修决策模型的影响。针对现有研究很少考虑固定备件费用对决策模型优化结果的影响,本文还研究了不同固定备件预定费用下两种决策模型的优化结果,并对结果进行了分析。通过对比两种模型的优化结果,发现联合决策模型具有更少的期望单位维修费用。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景及研究意义
•   1.2 国内外研究现状
•     1.2.1 故障诊断
•     1.2.2 剩余寿命预测
•     1.2.3 维修决策
•   1.3 当前研究存在的问题
•   1.4 主要研究内容
• 第二章 基于改进KPCA和深度信念网络的发动机故障检测研究
•   2.1 引言
•   2.2 数据预处理
•     2.2.1 统计平滑法
•     2.2.2 归一化处理
•   2.3 改进核主成分分析法
•     2.3.1 核主成分分析方法介绍
•     2.3.2 核函数介绍
•     2.3.3 改进核主成分分析
•     2.3.4 核主元计算
•   2.4 深度信念网络
•     2.4.1 受限波尔兹曼机
•     2.4.2 能量函数和概率分布
•     2.4.3 RBM的训练
•     2.4.4 深度信念网络的训练
•   2.5 组合故障诊断算法步骤
•   2.6 实例验证
•     2.6.1 监测参数和样本数据
•     2.6.2 深度信念网络的训练
•     2.6.3 结果测试与比对
•   2.7 结论
• 第三章 基于Lévy过程的航空发动机剩余寿命预测研究
•   3.1 引言
•   3.2 Lévy过程
•     3.2.1 Lévy过程的简介
•     3.2.2 Lévy-Kintchine公式
•     3.2.3 Lévy-Ito分解
•     3.2.4 从属过程
•   3.3 基于Lévy从属过程的寿命预测
•     3.3.1 可靠性函数与寿命分布函数的推导
•     3.3.2 不同跳跃分布下的可靠性函数与寿命分布
•   3.4 实例验证
•     3.4.1 基于Lévy从属过程的可靠性分析与寿命预测
•     3.4.2 基于Wiener过程的可靠性分析与寿命预测
•     3.4.3 实验结果对比
•   3.5 结论
• 第四章 基于寿命预测的航空发动机维修决策研究
•   4.1 引言
•   4.2 维修时间与备件预定的序贯决策模型
•     4.2.1 维修时间决策模型
•     4.2.2 备件预定决策模型
•   4.3 维修时间与备件预定的联合决策模型
•     4.3.1 维修时间与备件预定的关系
•     4.3.2 联合决策模型
•   4.4 实例计算
•     4.4.1 维修时间与备件预定的序贯决策实例
•     4.4.2 维修时间与备件预定的联合决策实例
•     4.4.3 结果对比
•   4.5 结论
• 第五章 总结与展望
•   5.1 论文主要研究成果
•   5.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文
• 附录一 部分发动机性能监测数据

文章来源

类型: 硕士论文

作者: 黄亮

导师: 刘君强

关键词: 从属过程,神经网络,特征函数,故障检测,剩余寿命,维修决策

来源: 南京航空航天大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 数学,航空航天科学与工程

单位: 南京航空航天大学

分类号: V263.6;O211.6

DOI: 10.27239/d.cnki.gnhhu.2019.000807

总页数: 82

文件大小: 4477K

下载量: 381