收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

现代航空燃气涡轮发动机故障分析与智能诊断关键技术研究

杨虞微  
【摘要】: 以军用飞机和导弹为代表的现代武器装备的动力装置——航空燃气涡轮发动机是一个典型的复杂机械系统,其结构复杂,工作状况恶劣,容易发生各种机械故障。发动机的气路部件的失效、旋转部件的振动和摩擦副的磨损等各类故障均严重影响其运行的安全性、可靠性和高效性。因此,提高和完善发动机的状态监测和故障诊断技术,为涡轮喷气武器装备的研制提供有力的技术支撑,具有十分重要的意义。 对燃气涡轮发动机的故障研究与分析可以分为两方面问题:其一是对故障发动机进行分解拆卸,对故障进行断口及裂纹分析及寿命评估,发现其故障原因和机理,从而发现设计的薄弱环节并改进之。其中故障模式影响分析是实施发动机故障分析的重要方法和手段;其二,在不进行发动机分解的情况下,仅仅通过检测故障发动机的有限检测参数来实现故障定位、定性及定因。燃气涡轮发动机由于存在强烈非线性、非平稳性、不确定性等复杂系统特征,导致了基于传统经典数学理论建模求解的困难性,因此基于多源、异构、不完备、不确定信息的复杂系统的状态诊断问题变得极富挑战性。而神经网络、遗传算法、模糊逻辑、专家系统及粗糙集理论等非经典数学方法为解决此类问题提供了有效途径。 本文围绕现代燃气涡轮发动机的故障分析与智能诊断若干关键问题展开了研究,现将文中的主要工作内容及创新点总结如下: (1)军用发动机故障模式影响分析(Fault Mode Effect Analysis:FMEA)是发动机研制过程中可靠性工程的重要部分,通过开展FMEA工作,对发动机所有可能潜在的故障模式作出分析并研究故障产生的原因,能够发现设计上的可靠性薄弱环节,相应提出预防和解决的对策,最终能够提高军用发动机的可靠性,并确保发动机在飞行试验中可靠工作。本章针对某军用发动机试样研制阶段的地面、飞行试验各阶段中可能发生的各种故障模式、发生故障的原因及其对发动机工作过程和飞行试验的影响进行了分析,列出了该型发动机试样研制阶段的FMEA表。 (2)利用军用发动机故障模式影响分析(FMEA)方法,对发动机高压涡轮叶片可能潜在的断裂故障模式做出FMEA分析。在发动机残骸分解检查、高压涡轮转子叶片断口分析、发动机性能计算、控制系统工作分析、发动机工作寿命分析等工作的基础上,对故障发生的原因和机理进行了研究,形成飞行试验中某发动机高压涡轮叶片断裂故障发生的原因及结论。 (3)在燃汽涡轮故障诊断中,应该充分利用各种信息,而不应仅局限于一种信息。因为从诊断学角度来看,任何一种诊断信息都是模糊的不精确的。任何一种诊断对象,单用一方面信息来反映其状态行为都是不完整的,只有从多方面获得关于同一对象的多维信息,并加以融合利用,才能对发动机进行更可靠、更准确的监测与诊断。本文提出一种集成神经网络的融合诊断方法,并针对燃气涡轮发动机磨损故障诊断问题,实现发动机磨损故障的融合诊断。 (4)基于规则的专家系统是人工智能应用最为成功的领域。本文将基于知识规则的诊断方法应用于燃气涡轮发动机的磨损故障诊断,构建了知识库、设计了正反向推理机、研究了基于粗糙集理论的知识自动获取方法,有效地克服了基于规则的专家系统知识获取困难的问题、同时针对实际情况中故障征兆的变化,提出了一种基于可扩展知识库的动态柔性诊断方法。 (5)由于案例的获取比规则容易,因此,基于案例推理(Case-Based Reasoning:CBR)方法是目前构建专家系统最有效的工具。本文研究了一种基于案例推理CBR的燃气涡轮发动机排故专家系统,首先构建了案例库;然后结合字符型字段匹配技术和KNN方法(最近相邻法)提出了针对发动机排故案例的案例检索模型;最后研究了基于差异驱动的案例修改方法。 (6)由于实际燃气涡轮发动机复杂系统的输入和传递特性往往无法获取,往往难于预测出发动机未来时刻的输出。此时,只能采用与系统分析相结合的时间序列分析法,将动态数据加以“系统”的处理而获得系统的数学模型。利用该模型来实现系统的辨识和对未来发展趋势的预测。本文运用神经网络预测方法,提出了基于结构自适应神经网络趋势预测方法,并运用于发动机性能趋势和磨损趋势预测。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 芮延年,刘文杰,郭旭红,刘海兰;基于压电阻抗的设备结构健康智能诊断[J];中国制造业信息化;2003年08期
2 魏萍;;摩擦驱动系统的智能诊断与敏捷维修控制[J];机电工程技术;2008年02期
3 ;什么是智能诊断与智能维修[J];江苏电机工程;2013年05期
4 焦建新,李宗耀,赵振英,查建中;复杂机械设备智能诊断集成策略及其实现[J];机械工程学报;1995年06期
5 张健;芮延年;陈洁;;基于压电阻抗设备结构健康状态智能诊断方法的研究[J];机械设计与制造;2007年09期
6 李云松;任艳君;;智能诊断技术发展综述[J];四川兵工学报;2010年04期
7 王太勇;蒋永翔;刘路;蒋大勇;;复杂制造系统动态测控与智能诊断技术[J];航空制造技术;2010年13期
8 阎明印,史铁林,杨叔子;机械设备智能诊断的研究[J];沈阳工业学院学报;1994年02期
9 钱苏翔;机器状态智能诊断与管理系统[J];机械设计与制造;2000年02期
10 黄志坚,裘丽华;液压故障智能诊断技术探讨[J];机床与液压;2001年03期
11 陈珊,王太勇,王国锋,秦旭达;机械设备智能诊断与预测维修系统[J];西南交通大学学报;2003年05期
12 张吉谦;机械设备智能诊断探讨[J];河南科学;2005年06期
13 范跃华;谢致龙;;智能诊断在某武器系统中的应用[J];火炮发射与控制学报;2007年04期
14 单晟;刘黎明;陈建校;杜庆;王梅;;机车状态实时监测与智能诊断及维护支持系统[J];机车电传动;2009年05期
15 蒋东翔,黄文虎;多层抽象混合推理的智能诊断模型与应用[J];振动工程学报;1996年04期
16 阮跃,孙国滨,徐世昌;基于信息和知识集成的汽轮机智能诊断[J];热能动力工程;1998年04期
17 朱刚;周政新;耿兆丰;;移动Agent在发电机绝缘状态智能诊断网络系统中的应用[J];电气自动化;2003年05期
18 孙鑫圭;;人工智能诊断——大型电站运行监测的新技术[J];汽轮机技术;1986年03期
19 刘晓初;智能诊断与预知维修系统中经济大修的状态预测[J];机械开发;1999年01期
20 孙红岩;姜雪峰;;智能诊断中动态模糊征兆向量方法[J];核动力工程;2010年02期
中国重要会议论文全文数据库 前3条
1 王太勇;胥永刚;冷永刚;王国锋;秦旭达;;智能诊断与动态测控技术及其工程应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
2 王庆;巴德纯;刘坤;;大型真空冶金系统故障分析及智能诊断[A];2004’全国真空冶金与表面工程学术研讨会会议论文集[C];2004年
3 张周锁;周晓宁;成玮;;基于蚁群算法的机械故障智能诊断技术研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
中国博士学位论文全文数据库 前4条
1 李书明;制造设备智能诊断与状态预测技术的研究[D];天津大学;1998年
2 郑伟;基于混合推理的骨折智能诊断与治疗系统的研究[D];哈尔滨理工大学;2005年
3 孙红岩;大型旋转机械智能诊断多Agent系统的研究[D];重庆大学;2007年
4 杨虞微;现代航空燃气涡轮发动机故障分析与智能诊断关键技术研究[D];南京航空航天大学;2007年
中国硕士学位论文全文数据库 前10条
1 邱伟东;冲压机床的远程智能诊断、维护系统研究[D];南京理工大学;2007年
2 罗志高;基于参数化模型的非平稳特征提取及其智能诊断研究[D];天津大学;2008年
3 朱传聪;智能诊断报告系统[D];华中科技大学;2011年
4 潘玉娜;基于全信息的智能诊断方法及其应用研究[D];郑州大学;2006年
5 张利明;基于虚拟仪器的旋转水洗头智能诊断策略与试验研究[D];华东理工大学;2010年
6 朱珊娜;葡萄病害智能诊断模型与系统研究[D];西北农林科技大学;2007年
7 李平;基于信息融合与智能诊断的锅炉汽包水位保护系统[D];东华大学;2009年
8 李世锦;传导电磁干扰智能诊断分析系统关键问题研究[D];南京师范大学;2013年
9 曾嵘;机车状态监测、智能诊断与维护支持系统的研究与设计[D];中南大学;2008年
10 赵学风;基于支持向量的结构健康状态智能诊断方法[D];长安大学;2007年
中国重要报纸全文数据库 前3条
1 记者 陈黎明 通讯员 钱王平 杜亚董;沙钢高炉智能诊断决策系统获冶金科技奖[N];中国冶金报;2007年
2 张善斌 徐秀娇 李文;山东济宁能源运河煤矿 智能诊断钢丝绳缺陷[N];中国安全生产报;2010年
3 本报记者 陈丽容;中兴发布汽车智能诊断软件 差异化路线再次凸显[N];通信信息报;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978