科研之友
微信
新浪微博
Facebook
分享链接
摘要
航空发动机结构复杂，工作环境恶劣，属于故障多发系统。为了保证发动机安全可靠地工作，可通过建立精确的模型，用于发动机状态监控及故障检测。采用K-means聚类算法对海量试飞数据进行处理，剔除工作状态相近、重复的数据点，改善训练样本的容量；然后基于BP神经网络对涡扇发动机气路参数进行辨识，将训练好的模型在未参与训练的数据中推广应用，模型计算结果与试飞数据基本吻合。对故障检测算法进行研究，以模型输出与实测值的残差是否超过设定的阈值作为故障检测的依据，模型在一段故障数据上的应用表明，相较于发动机故障告警系统，该故障检测算法能提前检测出故障。
- 单位
