基于模糊神经网络的涡扇发动机状态监控模型研究

论文摘要

本文基于T-S模糊神经网络对涡扇发动机气路参数进行辨识,建立模型应用于发动机状态监控,帮助分析发动机是否发生故障。首先对试飞数据进行分析,剔除重复、相近的数据,缩减样本规模。针对输入维数较多、模糊系统规则数庞大的问题,采用减法聚类划分输入空间,提取模糊规则。利用未参与训练的试飞数据对辨识模型进行验证,结果表明模型输出与试飞数据相对误差不超过5%。在一段发生喘振的故障数据中推广,辨识模型能及时检测出发动机气路参数异常状况。

论文目录

• 1????基于减法聚类的T-S模糊神经网络
•   1.1????T-S模糊推理系统
•   1.2 减法聚类算法原理
•   1.3????T-S模糊神经网络
•     （1）误差计算：
•     （2）系统参数修正
•     （3）隶属度参数修正
• 2????涡扇发动机气路参数模型辨识
•   2.1????神经网络模型输入、输出参数
•   2.2????试飞数据中训练样本的选取
•   2.3????神经网络训练学习
• 3????结果分析与讨论
•   3.1????网络模型辨识结果
•   3.2????故障检测
• 4????结论

文章来源

类型: 期刊论文

作者: 卜旭东,魏智辉

关键词: 聚类算法,模糊辨识模型,飞行试验,航空发动机,状态监控

来源: 工程与试验 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 中国飞行试验研究院

分类号: V235.13

页码: 92-94+119

总页数: 4

文件大小: 2275K

下载量: 41