学位论文 > 优秀研究生学位论文题录展示
航空发动机智能建模与故障诊断研究
作 者: 卓刚
导 师: 孙健国
学 校: 南京航空航天大学
专 业: 航空宇航推进理论与工程
关键词: 航空发动机建模 故障诊断 BP神经网络 RBF神经网络 小波分析 小波神经网络
分类号: V263
类 型: 硕士论文
年 份: 2004年
下 载: 902次
引 用: 10次
阅 读: 论文下载
内容摘要
航空发动机建模以及基于模型的航空发动机气路故障诊断等是航空发动机领域的重要研究方向。本文从快速简单、准确实用的角度出发,研究了发动机动态模型的BP、RBF神经网络及小波神经网络的建模方法,同时应用小波分析、小波神经络来诊断发动机气路故障,最后对本文进行了总结以及展望小波变换的相关知识在航空发动机建模与故障诊断中的应用。主要内容如下: (1)首先探讨了发动机建模原理及其实现方法,介绍了解析法与实验测定法,从神经网络对模型的辨识引出了小波神经网络建立模型的观点。 (2)回顾了BP及RBF神经网络的原理,再应用它们对航空发动机进行辨识建模研究,并就两种网络的训练速度、精度及泛化能力等方面做了比较与探讨。 (3)研究了小波变换与小波神经网络的原理,编程实现了多输入单输出(MISO)小波神经网络,并把多输入单输出小波网络并联组合实现了多输入多输出(MIMO)的小波神经网络。 (4)用MIMO小波神经网络建立了航空发动机的动态模型。根据仿真数据验证模型,与前面BP及RBF神经网络得到的模型各方面做比较,结果表明模型泛化能力强、精度高,具有一定的实用价值。 (5)继续应用小波变换技术及前面建立的小波神经网络来诊断发动机的气路故障。对单故障与复合故障的诊断分别进行了研究,结果表明应用小波神经网络对故障的定性诊断具有较高的正确诊断率。 (6)总结全文,展望小波变换相关的知识在航空发动机建模方面的应用。
|
全文目录
摘要 4-5 ABSTRACT 5-6 目录 6-8 符号表 8-9 第一章 绪论 9-13 1.1 课题的研究背景 9-10 1.2 研究方法分析 10-12 1.3 本文的主要任务 12-13 第二章 航空发动机建模原理与方法及部件级建模 13-23 2.1 机理建模方法 13-14 2.2 辨识建模方法 14-15 2.3 航空发动机部件级模型原理 15-22 2.3.1 沿发动机流程的各部件气动热力计算 16-20 2.3.2 共同工作方程与迭代法求解参数 20-21 2.3.3 稳态模型 21-22 2.3.4 动态模型 22 2.4 本章小结 22-23 第三章 基于BP神经网络的发动机建模 23-38 3.1 用于辨识的人工神经网络研究发展回顾 23-24 3.2 BP神经网络原理 24-29 3.2.1 人工神经元模型及神经网络特性 24-26 3.2.2 BP神经网络的结构 26-27 3.2.3 BP神经网络的学习算法 27-29 3.3 BP神经网络辨识航空发动机模型 29-37 3.3.1 航空发动机模型函数描述与样本选取 30-34 3.3.2 航空发动机模型辨识神经网络结构图 34-35 3.3.3 模型效果比较 35-37 3.4 本章小结 37-38 第四章 基于RBF神经网络的发动机建模 38-46 4.1 RBF神经网络原理 38-42 4.1.1 RBF网络的结构 38-41 4.1.2 RBF网络的学习算法 41-42 4.2 RBF神经网络辨识航空发动机模型 42-43 4.3 模型效果比较 43-45 4.4 本章小结 45-46 第五章 小波分析小波神经网络原理及小波网络建模 46-64 5.1 小波分析与小波神经网络的发展与研究现状 46-48 5.2 小波分析与小波神经网络基础 48-55 5.2.1 从Fourier变换和Gabor变换谈起 48-51 5.2.2 小波变换的定义及基本性质 51-52 5.2.3 离散小波变换与正交小波基 52-55 5.3 根据训练样本来初始化及构造小波神经网络 55-60 5.3.1 小波神经网络的结构 55-57 5.3.2 小波神经网络的最佳初始化与权值求取 57-60 5.4 小波神经网络映射航空发动机动态模型 60-63 5.4.1 航空发动机模型的小波神经网络辨识结构图 60 5.4.2 小波神经网络模型效果分析 60-63 5.5 本章小结 63-64 第六章 应用小波神经网络诊断航空发动机故障 64-74 6.1 航空发动机气路故障机理分析与故障特征提取 64-69 6.1.1 气路故障机理分析 64-65 6.1.2 气路故障模拟 65-66 6.1.3 用小波分析对含噪信号进行处理 66-69 6.2 应用小波神经网络诊断气路故障 69-73 6.2.1 小波神经网络的选取 69-70 6.2.2 单故障的诊断 70-72 6.2.3 复合故障的诊断 72-73 6.3 网络抗噪性原理与验证 73 6.4 本章小结 73-74 第七章 总结与展望 74-76 7.1 总结 74-75 7.2 展望 75-76 致谢 76 硕士期间发表论文 76-77 参考文献 77-81
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 航天继电器时间参数测试分析技术的研究,TM58
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 基于汉语听觉认知的事件相关电位的研究,R318.0
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 水上交通安全保障系统的关键技术研究,U698
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 高速公路拆迁民众生存系统评价研究,D523
- 基于小波神经网络的矿山事故隐患安全评价系统的设计,TD79
- 煤矿风险信息集成与智能预警研究,X936
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
中图分类: > 航空、航天 > 航空 > 航空制造工艺 > 航空发动机制造
© 2012 www.xueweilunwen.com
|