学位论文 > 优秀研究生学位论文题录展示

基于GPU的轴流压气机旋转失速检测系统设计

作　者: 林文愉
导　师: 王聪
学　校: 华南理工大学
专　业: 控制理论与控制工程
关键词: 旋转失速确定学习动态模式识别 GPU并行计算检测系统
分类号: TP274
类　型: 硕士论文
年　份: 2013年
下　载: 7次
引　用: 0次
阅　读: 论文下载

内容摘要

涡扇发动机是目前世界上军/民用飞机中最常用的航空动力装置，被称为“飞机的心脏”。轴流压气机作为发动机中的核心部件，其效率对涡扇发动机整体性能有十分重要的影响，但由于其涉及技术面广、研制难度大，故一直是航空发动机研制的技术瓶颈。喘振和旋转失速是压气机运行过程中常见的两种故障，轻则可使发动机性能恶化，重则可导致发动机熄火停车，造成机毁人亡等严重后果。目前国内航空发动机自主研发的防喘机构尚处于空白状态，严重制约了国产飞机的性能提升。喘振和旋转失速是发动机内部气流的系统性失稳现象，喘振发生前总有一定的旋转失速发生，故旋转失速可被认为是喘振的先兆。如何在喘振之前及时捕捉旋转失速信号视提升压气机性能的一个难题。确定学习理论近年提出关于动态环境下的机器学习新理论，通过利用RBF神经网络的学习能力，实现对未知动态环境下的知识获取、表达、存储和利用。动态模式识别方法以确定学习理论为基础，涉及动态模式的表达、相似性定义和对未知动态模式的快速识别。利用确定学习和动态模式识别方法对压气机运行系统动态进行故障建模和快速识别，是解决压气机旋转失速检测问题的一个新的尝试。在工程实现中，利用确定学习和动态模式识别算法进行旋转失速检测需要解决算法中包含的海量计算问题，表现在神经网络内部计算和多模式识别中的残差计算。针对算法加速问题，本文采用基于GPU大规模并行计算方案实现对算法的细粒度并行化分解。算法并行化移植基于MATLAB与Jacket Engine结合的软件环境，针对算法中包含主要的计算量部分，对应并行化分解过程包括RBF神经网络计算的并行化，状态估计值的并行化计算和多模式识别残差计算的并行化三方面。通过实例验证，并行化后的算法加速效果明显，且性能稳定，能很好地应对神经网络规模增大和参与识别模式数目增加情况，算法并行化过程主要利用矩阵计算和基于GPU的大规模线程计算，可以方便地进行跨平台移植，因而具有良好的工程应用价值。在实现算法并行化的基础上，本文利用MATLAB GUI搭建轴流压气机旋转失速检测系统，该检测系统主要针对离线情况，包括离线学习子系统和识别子系统两部分，实现对压气机试验台数据进行离线建模和离线识别性能分析。轴流压气机旋转失速检测系统为进行试验台在线实时检测提供良好的辅助工具，从而推进课题项目研究。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-14
  1.1 本文背景、意义  10-11
  1.2 确定学习理论  11
  1.3 并行计算与 GPU  11-12
  1.4 本文研究内容与结构安排  12-14
第二章轴流压气机旋转失速与确定学习理论  14-26
  2.1 引言  14
  2.2 轴流压气机旋转失速  14-19
    2.2.1 航空涡扇发动机简介  14-15
    2.2.2 压气机旋转失速  15-18
    2.2.3 流动不稳定性建模与 Mansoux 模型介绍  18-19
  2.3 确定学习理论与动态模式识别  19-24
    2.3.1 RBF 神经网络  20-21
    2.3.2 RBF 神经网络的持续激励性质  21
    2.3.3 离散系统的确定学习  21-22
    2.3.4 动态模式识别  22-24
  2.4 确定学习在旋转失速检测的应用  24-25
  2.5 本章小结  25-26
第三章基于 GPU 的大规模并行计算  26-36
  3.1 引言  26
  3.2 GPU 体系结构介绍  26-31
    3.2.1 GPU 硬件特点与性能  26-28
    3.2.2 CPU-GPU 异构计算  28-29
    3.2.3 GPU 应用开发环境  29-31
  3.3 MATLAB 与 Jacekt Engine 并行平台介绍  31-34
    3.3.1 Jacket Engine 平台介绍  31-32
    3.3.2 gfor-gend 并行结构  32-33
    3.3.3 Jacket Engine 矩阵运算  33-34
  3.4 本章小结  34-36
第四章动态模式识别算法的 GPU 平台并行化  36-46
  4.1 确定学习与基于 CPU 的并行计算方案  36-37
  4.2 基于 GPU 的动态模式识别算法并行化移植  37-43
    4.2.1 算法并行化总体方案  38-39
    4.2.2 RBF 神经网络计算的并行化  39-40
    4.2.3 状态估计值计算的并行化  40-42
    4.2.4 多模式识别的并行化  42-43
  4.3 并行化结果与性能分析  43-45
  4.4 本章小结  45-46
第五章基于 GPU 平台的压气机旋转失速检测系统设计  46-58
  5.1 压气机旋转失速检测系统整体框架  46-47
  5.2 基于 LabVIEW 的压气机数据采集  47-48
  5.3 压气机旋转失速检测离线系统的设计与实现  48-57
    5.3.1 MATLAB GUI 介绍  49-50
    5.3.2 离线学习子系统  50-53
    5.3.3 离线识别子系统  53-55
    5.3.4 系统运行  55-57
  5.4 本章小结  57-58
结论与展望  58-60
参考文献  60-64
攻读硕士学位期间取得的研究成果  64-65
致谢  65-66
附件  66

基于GPU的轴流压气机旋转失速检测系统设计

内容摘要

全文目录

相似论文