基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

航空发动机推力衰退缓解的神经网络控制

针对航空发动机气路部件性能退化导致的推力下降问题,提出一种基于变增量线性规划(LP)优化 神经网络控制方法用于航空发动机推力衰退缓解控制。该方法通过内环控制转速和发动机压比,外环修正发动机指令信号以缓解发动机推力衰退。其中内环非线性自回归滑动平均(NARMA-L2)转速控制器由神经网络训练得到;外环指令修正回路利用变增量LP优化方法调整发动机指令信号。以某型小涵道比涡扇发动机为对象进行仿真验证,结果表明,在4组仿真条件下,设计的控制方法在保证性能退化的发动机不超限的条件下使推力衰退至少缓解了46.5%,验证了该方法的有效性。