基于传感器数据融合的航空发动机电子控制器

提出了一种基于矩阵奇异分解法的传感器数据融合方法,并应用在某型航空发动机电子控制器的设计上.实验结果表明,该传感器数据融合算法简单有效,分别消除了发动机中进口空气温度T1传感器近7.8℃和涡轮后燃气温度T4传感器近19.2℃的测量误差,提高了发动机电子控制器工作的可靠性,并适应于未来航空发动机分布式控制的发展方向.     

基于无线传感器的航空发动机轴承温度实时监测系统设计

为有效校正航空发动机轴承温度误差曲线,得到准确的温度测量结果,使得发动机元件的寿命周期得到充分延长,设计基于无线传感器的航空发动机轴承温度实时监测系统。将JTAG串口电路中的输出电量,按照实际应用需求,分配至电量集中器与ARM无线传感器元件中。借助温度采集节点芯片整合未完全利用的电量信号,并将其寄存于温感信号协调器内部,完成实时温测系统的硬件开发。根据ZigBee协议栈、Z-Stack协议栈的约束标准,确定温度阈值的计算结果,完善温度实测数据的时序条件,采集航空发动机轴承温度数据。再根据温测节点布置情况,对发动机轴承温测数据实施建模处理,完成基于无线传感器的航空发动机轴承温度实时监测系统设计。实验结果表明,在无线传感器元件的作用下,航空发动机轴承的温度误差曲线得到较好校正,所得温测数据确实贴合实际情况,对于延长发动机元件的寿命周期能够起到一定的促进性影响作用。     

基于主元分析法的航空发动机传感器故障诊断研究

主要研究了主元分析方法在航空发动机传感器故障诊断中的应用,并提出了主元分析法故障诊断算法。假设只有传感器故障情况下,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,并通过传感器实际测量数据与正常数据矩阵在残差空间上的投影做比较,对传感器故障进行故障诊断;针对航空发动机的压力温度转速等传感器常见的故障,通过运行故障仿真平台绘制了其多元统计特征图;分析仿真结果表明,主元分析法对航空发动机传感器具有很好的故障检测和故障诊断能力。     

航空发动机智能温度传感器最优分布式决策研究

分布式控制是航空发动机控制系统发展的重要方向.对于实现同一功能的多余度智能传感器,提出了一种最优分布式决策的数据融合判决方法.以涡轮后燃气温度T4智能传感器为研究对象,进行了分布式统计判决仿真,并与最优中心决策以及最优似然比决策作了对比分析.实际仿真结果表明,中心式判决具有最好的判决性能,而在分站以及同一种压缩律下,最优分布式决策明显优于最优似然比决策.     

航空发动机模糊神经网络控制研究

航空发动机是一个结构复杂、非线性强的多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,控制变量也随着发动机性能要求的不断提高而越来越多,发动机智能控制技术的应用式必然的趋势。本文将智能控制引入到航空发动机多变量控制中,将模糊控制和神经网络相结合,设计出了航空发动机模糊神经网络控制器。并以某型涡扇发动机为被控对象,进行了数字仿真研究,检验了该方法的适应性。     

航空发动机模糊神经网络控制研究

航空发动机是一个结构复杂、非线性强的多变量控制对象.随着航空发动机全权限数字式电子控制器的研制和应用,控制变量也随着发动机性能要求的不断提高而越来越多,发动机智能控制技术的应用式必然的趋势.本文将智能控制引入到航空发动机多变量控制中,将模糊控制和神经网络相结合,设计出了航空发动机模糊神经网络控制器.并以某型涡扇发动机为被控对象,进行了数字仿真研究,检验了该方法的适应性.     

航空发动机控制系统

航空发动机是一个结构复杂、非线性强的多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,控制变量也随着发动机性能要求的不断提高而越来越多,本文介绍了发动机的多种控制系统及其实现方法。     

新型航空发动机测试传感器的发展趋势

新一代航空发动机对测试传感器提出了新的要求,特别是能够在高温环境下正常工作的能力。现有的航空发动机测试传感器已经不能满足该条件,因此迫切需要发展新的技术。概述了可应用于航空发动机测试的新原理及新技术,如MEMS技术、光谱技术等,并详细介绍了燃油品质、温度、叶尖间隙、排放物检测等新型航空发动机测试传感器的一些进展及其发展趋势。     

航空发动机加力火焰检测的试验验证

为了准确获取航空发动机加力燃烧室火焰燃烧情况进行推力控制，针对航空发动机控制系统中加力火焰检测的作用，分析了基于离子火焰传感器的加力火焰检测工作原理。根据离子火焰传感器在航空发动机中的实际安装情况，分析提出了影响加力火焰检测的因素，包括离子电流的汇流面形状、离子火焰传感器电极与汇流面的相对距离、燃烧温度以及离子火焰传感器电缆的寄生电容。通过搭建燃烧试验平台进行试验，验证了离子火焰传感器在航空发动机实际安装使用中各影响因素对离子火焰传感器采集值影响趋势，试验结果可用于航空发动机加力状态检测相关故障的排查。     

基于T-S模糊神经网络的涡扇发动机加速控制

航空发动机足一个结构复杂的非线性强多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,发动机加速性能要求的不断提高,对发动机加强智能控制技术的应用是必然的趋势。因此将智能控制引入到航空发动机控制系统中,根据模糊控制与神经网络结合的思想,针对涡扇发动机加速控制中的最优控制问题,提出了基于T—S（Tagaki—Sugeno）模型的模糊神经网络的发动机加速控制,并对控制系统的结构、网络结构进行仿真实现。仿真结果表明方法在满足发动机加速控制中各约束条件的前提下,不喘振、不超温、使发动机加速过程安全稳定,且加速时间短。     

基于人工神经网络的压力传感器三维数据融合

针对压力传感器对温度变化和电流波动的交叉灵敏度问题,采用径向基函数(RBF)人工神经网络法对其进行数据融合处理,详细讨论了网络的训练过程和数据融合过程,消除温度和电流对压力传感器的影响。仿真结果表明:当温度变化48.5℃,电流波动3%时,经RBF神经网络数据融合后,压力波动为0.544%,大大降低了交叉干扰,提高传感器的稳定性及其精度,满足在线融合的需要。     

某优势发动机的虚拟喘振传感器研究

某优势发动机喘振传感器是该发动机综合电子调节器的重要附件之一,如何虚拟喘振传感器,对发动机喘振试验仿真及综合电子调节器的数字化研究都具有重要意义。通过对某优势发动机喘振传感器的内部机理的研究,准确掌握其特性和功能。然后,依据虚拟仪器技术的原理,从硬件和软件两方面论述了虚拟喘振传感器的设计实现。研究结果表明:虚拟喘振传感器可代替真实传感器的工作,并且具有造价低、试验可靠性高、调整准确度高等优点。     

基于曲面拟合理论CO_2传感器数据融合研究

针对CO2气体传感器在实际应用中,由于环境因素干扰而导致检测精度下降这一问题,提出了采用曲面拟合理论的数据融合方法来消除环境温度对传感器输出的干扰。实验是在气体和温度的二维标定系统中进行,实验温度为0~50℃,CO2气体体积分数为(0~2000)×10-6,标定点取36个。通过数据融合,有效地降低了温度变化对CO2气体传感器输出的干扰,提高了气体传感器和温度传感器的测量准确度。     

基于相关性函数和最小二乘的多传感器数据融合

针对目前传感器数据融合过程中,各传感器的可靠度估计困难和测量数据融合结果精度较低的问题,利用模糊理论中的相关性函数,提出了多传感器的相互支持程度计算的新方法,并基于最小二乘原理,对支持程度高的传感器数据进行融合.该方法计算简单,能客观地反映各传感器的可靠程度,不需要知道数据的先验信息.仿真结果表明,相比同类融合方法,该方法获得的结果具有更高的精度.     

结构应变的无线监测及融合技术

针对结构应变监测,设计了一类无线应变传感装置,并对该装置采集的数据进行了数据融合处理.,介绍了无线应变传感器的硬件集成;描述了基于算术平均值的无线应变传感器信息融合方法;结合应变的无线测试实验,应用数据融合技术对测量数据加以分析处理.研究表明:所集成的无线应变传感器,安装简单、携带方便;采用了数据融合处理的应变信号更加准确;基于数据融合的无线应变传感器适合在现场测试中应用.     

多传感器自适应加权融合算法及其应用研究

多传感器数据融合可以获得比单一传感器更多、更准确的信息,本文提出了一种多传感器自适应加权融合算法,该算法无需传感器测量数据的任何先验知识,利用传感器所提供的测量数据,即可融合出总方差最小的数据融合值,仿真和应用实例均表明该算法的有效性。     

异源、同源传感器影像融合的比较研究

遥感影像的融合是遥感界的一个研究热点。根据数据源的不同,影像融合可分为异源传感器影像融合和同源传感器影像融合。以TM与SPOT作为异源影像融合的例子,以IKONOS的MS与Pan作为同源影像融合的例子,用5种算法对两种融合类型进行实验与比较。结果表明,同源传感器影像的融合效果好于异源传感器影像的融合效果;不同的融合算法在异源和同源传感器影像融合中的表现不尽相同。SVR变换可同时应用于异源及同源传感器影像的融合,且在提高影像空间分辨率、信息量和清晰度的同时能很好地保持原始多光谱影像的光谱特征。SFIM虽然也可以在两种数据源的融合实验中获得较好的融合效果,但其高频信息融入度最差。MB虽然提高了融合影像的高频信息融入程度,但光谱保真度、信息量和清晰度却不理想。Ehlers适用于异源传感器影像间的融合,而WT则适用于同源传感器影像的融合。     

基于D-S理论的震动信号目标识别研究

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,同时考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明了基于D-S证据理论的目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

战场目标识别中的D-S证据理论应用

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,并考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明:基于D-S证据理论的战场目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

应变数据融合测力传感器的仿真与实验研究

采用仿真与实验方法,探讨了不同高度柱式应变测力传感器在各种偏心和斜载条件下,电桥直接输出值的百分比误差和利用神经网络进行应变数据融合后输出的百分比误差。仿真与实验结果均表明:在柱式应变传感器高度直径(h/D)比为1/4的情况下,神经网络应变数据融合输出仍然可以保持较高的测量精度,且基本不受传感器高度变化的影响,这为大力值小空间测力传感器制造提供了一种有效途径。