摘要
航空发动机建模以及基于模型的航空发动机气路故障诊断等是航空发动机领域的重要研究方向。本文从快速简单、准确实用的角度出发,研究了发动机动态模型的BP、RBF神经网络及小波神经网络的建模方法,同时应用小波分析、小波神经络来诊断发动机气路故障,最后对本文进行了总结以及展望小波变换的相关知识在航空发动机建模与故障诊断中的应用。主要内容如下:
(1)首先探讨了发动机建模原理及其实现方法,介绍了解析法与实验测定法,从神经网络对模型的辨识引出了小波神经网络建立模型的观点。
(2)回顾了BP及RBF神经网络的原理,再应用它们对航空发动机进行辨识建模研究,并就两种网络的训练速度、精度及泛化能力等方面做了比较与探讨。
(3)研究了小波变换与小波神经网络的原理,编程实现了多输入单输出(MISO)小波神经网络,并把多输入单输出小波网络并联组合实现了多输入多输出(MIMO)的小波神经网络。
(4)用MIMO小波神经网络建立了航空发动机的动态模型。根据仿真数据验证模型,与前面BP及RBF神经网络得到的模型各方面做比较,结果表明模型泛化能力强、精度高,具有一定的实用价值。
(5)继续应用小波变换技术及前面建立的小波神经网络来诊断发动机的气路故障。对单故障与复合故障的诊断分别进行了研究,结果表明应用小波神经网络对故障的定性诊断具有较高的正确诊断率。
(6)总结全文,展望小波变换相关的知识在航空发动机建模方面的应用。
Modeling and gas path fault diagnosis based on model are important research areas in aeroengine. In this thesis, from the point of quick, simple, exact and practical views, we have studied the dynamic modeling methods of aeroengine. The models are constructed by BP, RBF neural network and wavelet network, respectively. By use of wavelet analysis and wavelet neural network the diagnosis of the gas path fault is studied also. At last a summary and discuss of the future use of wavelet transform in the aeroengine modeling and fault diagnosis in general are given. The main contents are as follows:
(1) First we discuss the modeling principle of aeroengine component level model and its realization methods, introduce the methods of analysis and experiment, and get the idea of using wavelet neural network to construct aroengine model.
(2) The BP, RBF neural network's theory are introduced. Then apply them to identification of aeroengine, and contrast both methods in the train speed, precision, generalization ability etc.
(3) After study of the wavelet transform and the wavelet neural network theory, we realize the multi-input single-output (MISO) wavelet neural network's program, and parallely connect some MISO wavelet neural networks to get the multi-input multi-output (MIMO) wavelet neural network.
(4) Combine the MIMO wavelet neural network we get the aeroengine dynamic model. The simulation results show that MIMO wavelet neural network has the best generalization ability and precision, the model has a worth of practical use.
(5) Wavelet transform and MIMO wavelet neural network technique are both used to diagnosis the aeroengine gas path components fault. After study of the diagnosis of single and compound fault, it turns out that wavelet neural network has improved the diagnosis accuracy.
(6) Summarize the whole paper and discuss the application of wavelet transform to the aeroengine modeling in the future.
引文
1.尚义编著,航空燃气涡轮发动机原理,北京:航空工业出版社,1995.8
2.杨蔚华,孙健国,发动机实时建模技术的新发展,航空动力学报,1995.10(4)
3.郁阳琳,发动机状态方程模型研究,南京航空航天大学学士学位论文,1994.6
4.李松林,孙健国,李健民,涡扇发动机状态变量模型(SVM)和稳态基点模型(SSM)研究报告,中国燃气涡轮研究所技术档案,No.24.1.1.14,1997.2
5.李松林,孙健国,李健民,涡扇发动机增广状态变量模型(ASVM)和卡尔曼滤波器(KF)研究报告,中国燃气涡轮研究所技术档案,No.24.1.1.14,1997.2
6.李松林,孙健国,李健民,涡扇发动机自适应模型(ADEM)研究报告,中国燃气涡轮研究所技术档案,No.24.1.1.14,1997.2
7.李松林,孙健国等,涡扇发动机机载自适应建模技术研究,航空动力学报No.3,V.13,1998
8.段守付,蒲秋洪等,某型发动机数学模型建模方法,航空与航天,2001年,第2期,P6-9
9.段守付等,航空发动机自适应建模技术研究,航空动力学报,1999年10月,第14卷,第4期,
10.严寒松,航空发动机故障诊断[M],南京航空航天大学,1996.3
11.黄向华,孙健国,依里亚索夫,华西里也夫,基于白联想网络的发动机传感器解析余度技术[J],航空动力学报,1994,14(4):433-436
12.黄向华,动机数控系统智能解析余度技术[D],南京:南京航空航天大学,1998
13.杨蔚华,航空发动机建模及故障诊断[D],南京:南京航空航天大学,2000
14.钱建阳,航空发动机气路智能故障诊断[M],南京:南京航空航天大学,1999
15.叶志锋,孙健国,基于概率神经网络的发动机故障诊断,航空学报,2002年3月,第23卷,第2期
16.叶志锋,航空发动机气路故障诊断研究,南京:南京航空航天大学[D],2003年
17.陈恬等,自组织神经网络航空发动机气路故障诊断,航空学报,2003年1月第24卷,第1期,
18.凯巴,航空燃气涡轮发动机技术诊断,北京:航空工业出版社,1990.6
19.胡寿松,周川等,基于小波神经网络的组合故障模式识别,自动化学报,2002年7月,第28卷,第4期
20.张平安,王慧琴等,一种新的模糊神经元网络建模方法,西安建筑科技大学学报,2000年6月,第32卷第2期
21.吴今培,肖健华,智能故障诊断与专家系统,北京:科学出版社,1997
22.张育林,李宗旭,动态系统故障诊断理论与应用,长沙:国防科技大学出版社,1997
23.闻新,张洪钺,周露,控制系统的故障诊断和容错控制,北京:机械工业出版社,1998.2
24.钟义信,潘新安,杨义先,智能理论与技术——人工智能与神经网络,北京:人民邮电出版社,1992.12
25.焦李成,神经网络系统理论,西安:西安电子科技大学出版社,1995.3
26.焦李成,神经网络的应用与实现,西安:西安电子科技大学出版社,1993
27.焦李成,神经网络计算,西安:西安电子科技大学出版社,1995
28.陈明,神经网络模型,大连:大连理工大学出版社,1995.12
29.李士勇编著,模糊控制·神经控制与智能控制论,哈尔滨:哈尔滨工业大学出版社,1996.1
30.王耀南,智能控制系统——模糊逻辑·专家系统·神经网络控制,长沙:湖南大学出版社,1996.10
31.王永骥,涂健编著,神经元网络控制,北京:机械工业出版社,1998.2
32.张乃尧,阎平凡编著,神经网络与模糊控制,北京:清华大学出版社,1998
33.张洪钺主编,胡干耀编,现代控制理论(第三册)——系统辨识,北京:北京航空学院出版社,1987.12
34.楼顺天,施阳编著,基于MATLAB的系统分析与设计——神经网络,西安:西安电子科技大学出版社,1999
35.张津等,民用航空发动机状态监视和故障诊断系统研究,航空动力学报,1994年10月,第9卷第4期,第339-343页
36.陈志英,李其汉,监视参数预测和故障识别法,航空动力学报,1994年10月,第9卷第4期,第419-421页
37.陈大光,刘福生,燃气涡轮发动机故障诊断的人工神经网络法,航空动力学报,1994年10月,第9卷第4期,第344-348页
38.杨飒,航空发动机故障监测与诊断,科技信息,1994年,第4期,第5-7页
39.陈大光等,多状态气路分析法诊断发动机故障的分析,航空动力学报,第9卷,第4期,1994年10月
40.谢寿生,樊思齐,自适应变结构神经网络在航空发动机故障诊断上的应用,航空动力学报,1997年10月,第12卷第4期,第367-370页
41.陈迪荣,小波分析及其应用讲义[M],北京:北京航空航天大学,2002
42.崔锦泰[美],小波分析导论,1995年1月,第1版
43.李世雄,小波变换及其应用,1997年7月,第1版
44.孙斌,张津,张绍基,涡扇发动机气路故障定量诊断的BP网络研究[J],推进技术,1999,20(4):48~52
45.何勇,李增芳,智能化故障诊断技术的研究与应用,浙江大学学报(农业与生命科学版)2003,29(2):119—124
46.胡昌华,张军波等,基于MATLAB的系统分析与设计——神经网络,西安:西安电子科技大学出版社,2000
47.刘延年,冯纯伯,用神经网络进行非线性离散动态系统辨识的可行性,控制理论与应用,1994年8月,第11卷第4期
48.陈晓平,和卫星,基于神经网络的非线性系统辨识方法,江苏理工大学学报,1995年3月,第16卷,第2期
49.孙目清,王诚梅,用动态神经网络辨识电力系统负荷的动态特性,电力自动化设备,1997 年11月,第4期(总第64期),第22-25
50.魏巍贤,邵朝,基于人工神经网络的非线性经济系统辨识,预测,1995年第5期
51.梁峰,谭永红,用小波神经网络进行非线性系统辨识,桂林电子工业学院学报,2000年3月,第20卷,第1期
52.乔俊伟,詹永麒,施光林,基于结构的神经网络在系统建模中的应用,系统仿真学报2002年,第14卷,第5期
53.李丽荣,韩璞等,人工神经网络在系统辨识中的研究与应用,华北电力大学学报,2000年7月,第27卷,第3期
54.刘军,马莉,基于神经元网络的动态系统辨识,机械设计,1995年第12期,42-43
55.刘清,基于人工神经网络的非线性系统辨识,武汉交通科技大学学报,1999年4月,第23卷第2期
56.李向武,韦岗,基于小波网络的动态系统辨识方法及应用,控制理论与应用,1998年8月,第15卷,第4期
57.王常虹,徐立新等,一种局部递归神经网络模型及其在动态系统辨识中的应用,哈尔滨工业大学学报,1998年8月,第30卷,第4期,
58.郭创新,景雷等,一种鲁棒BP算法及其在非线性动态系统辨识中的应用,信息与控制,1996年12月,第25卷第6期
59.杨志龙,系统辨识理论与BP算法数学原理,兵工自动化,1998年第4期,1-3
60.肖永华,袁南儿,基于遗传BP算法的高斯基函数网络的非线性系统辨识,浙江工业大学学报,1999年12月,第27卷第4期
61.刘小勇,樊思齐,采用BP网络辨识航空发动机数学模型,航空动力学报,1996年4月,第11卷,第2期
62.徐亮,黄金泉,适用于全包线的航空发动机BP网络模型的动态辨识,南京航空航天大学学报,2001年8月,第33卷,第4期
63.张俊峰,RBF神经网络在非线性系统辨识中的应用研究,仪器仪表与分析监测,2003年第1期
64.谢寿生,樊思齐,采用内积原理建立航空发动机神经网络辨识模型,推进技术,1998年2月,第19卷,第1期
65.丁凯峰,樊思齐,基于RBF网络的航空发动机辨识模型,航空动力学报,2000年4月,第15卷,第2期,
66.赵永辉,邹经湘,基于RBF网络的非线性动力系统辨识方法的改进,哈尔滨工业大学学报,1999年12月,第31卷,第6期
67.李鑫滨,杨景明,基于递推K均值聚类算法的RBF神经网络及其在系统辨识中的应用,1999年10月,燕山大学学报,第23卷,第4期
68.张豫南等,BP和RBF神经网络在辨识内燃机燃烧过程中的应用,车用发动机,2003年4月,第2期(总第144期
69.兰雪梅等,BP网络的MATIJAB实现,微型电脑应用(研究与设计),2003年,第19卷,第1期
70.宋金光,人工神经网络在航空发动机中的应用,中国民航学院学报,2002年6月,第20卷,第3期
71.林莉,万德钧,基于人工神经网络的船舶运动数学模型的辨识,东南大学学报(自然科学版),2000年3月,第30卷,第2期,
72.雷雨龙,葛安林等,基于神经网络的发动机空载模型辨识,汽车技术,1998年,第3期,P5~7页
73.王锡淮,肖健梅,基于优化BP神经网络的柴油机动态模型辨识,计算机辅助工程,1998年第4期,26~30
74.姜涛,李应红,基于动态RBF网络的发动机起动过程模型辨识,航空动力学报,2002年7
月,第17卷,第3期
75.武俊峰,谭英,发动机效率因数模型的神经网络辩识方法,哈尔滨理工大学学报,1997年8月,第1卷第4期
76.胡昌华,张军波等编著,基于MATLAB的系统分析与设计——小波分析,西安:西安电子科技大学出版社,2000
77.张立明,人工神经网络的模型应用,上海:复旦大学出版社,1993
78.胡守仁,余少波,戴葵,神经网络导论,国防科技大学出版社,1993
79.胡守仁,沈清,神经网络应用技术,国防科技大学出版社,1993
80.闻新等著,控制系统的故障诊断和容错控制,北京:机械工业出版社,1998.
81.张乃绕,阎平凡编著,神经网络与模糊控制,北京:清华大学出版社,1998
82.胡昌华,张军波等,一种基于小波和人工神经网络的故障检测与诊断方法,航天控制,2000年,第2期,P64~71
83.吕柏权,李天铎,一种基于小波网络的故障检测方法,控制理论与应用,1998年10月,第15卷,第5期,P802~805
84.赵学智等,小波神经网络的参数初始化研究,华南理工大学学报(自然科学版),2003年2月,第31卷,第2期
85.王泰华,余发山,小波神经网络用于非线性函数逼近的研究,焦作工学院学报(自然科学版),2003年3月,第22眷,第2期
86.张治国等,小波神经网络建模研究,计算机测量与控制,2003.11(2),P147~150
87.高翔,高剑平,刘波,小波神经网络在高维非线性系统辨识中的应用,上海海运学院学报,Vol.23N04,Dec.2002
88.杨建国,孙扬,郑严,基于小波和模糊神经网络的涡喷发动机故障诊断,推进技术,2001年4月,第22卷,第2期,P114~117
89.李鸿儒,顾树生,邓长辉,递归神经网络的RPE算法及其在非线性动态系统建模中的应用,东北大学学报(自然科学版),2000年12月,第21卷,第6期
90. Huang, Yo-Ping; Chen, Hung-Jin, Designing methodology of extenics-based fuzzy reasoning model,Proceedings of the IEEE International Conference on Systems, Man and Cybernetics Vol(3) 1999. IEEE, USA. pⅢ-331-Ⅲ-336
91. Louis A. Urban, Gas Path Analysis Applied to Turbine Engine Condition Monitoring,AIAA-72-1082, P1-8
92. M.J. Barwell, Compass-Ground Based Engine Monitoring Program for General Application, SAE paper871734, October 1987, P1-12
93. G. torella, Trend Analysis and Diagnostic Codes for Training Purposes, AIAA-90-2394, July 1990, P1-10
94. G.Torella, Expert Systems for the trouble-Shooting and the Diagnostics of Engines,AIAA-92-3327, July 1992, P1-12
95. Marcello R. Napolitano,Charles Neppach, Van Casdorph, Steve Naylor, Mario Innocenti & Francessco Bini, Sensor Failure Detection, Identification and Accommodation Using On-Line Leraning Neural Architectures, AIAA-94-3598-CP, 1994, P489-498
96. D.L. Doel, Temper—A Gas-Path Analysis Tool for Commercial Jet Engines, Transactions of the ASME Journal of Engineering for Gas turbines and Power, January 1994, Vol. 116, P82-89
97. Y. Oussar, I. Rivals, L. Personnaz, G. Dreyfus. Trainling Wavelet Networks for Nonlinear Dynamic Input-Output Modeling[J], Neurocomputing, 20, 173-188 (1998).
98. Zhang QH, Using wavelet network in nonparametric estimation[J], IEEE Trans Neural Networks, 1997,.8(3):227-236
99. Qinghua Zhang, Wavelet Network: the Radial Structure and an Efficient Initialization Procedure., FTP:ftp.irisa.fr:/local/wavelet.1993.
100.Isermann R. Process Fault Detection Based on Modeling and Estimation Methods—A Survey Automatica, 1984,20(2)
101. Patton,R.J., and Chen,J., "Neural Networks Based Fault diagnosis for Non-linear Dynamic systems", AIAA Guidance,Navigation and Control Conference, 1995
102. Chen,S., "Non-linear systems Identification Using Radial Basis Functions",Int.J. Systems SCI, 1990,Vol,21,No. 12
103. Napolitano,M.R., and Neppach,C., "Sensor Failure Detection, Identification and Accommodation Using On-line Learning Neural Architectures", AIAA-94-3598-CP
104. Qinghua Zhang, and Albert Benveniste, Fellow, Wavelet Networks, IEEE Trans Neural Networks,1992, 3(6):889~898
105.张智星,孙春在,神经一模糊和软计算,西安交通大学出版社,2000年6月
106.刘福才,关新平,裴润,一种基于模糊规则的非线性系统快速模糊辨识方法,系统仿真学报2002年第14卷,第5期
107.朱文彪,孙增圻,多输入多输出复杂过程的模糊建模,清华大学学报,Vol.41,No.1,2001,89-91
108.张平安,王慧琴等,一种新的模糊神经元网络建模方法,西安建筑科技大学学报,2000年6月,第32卷第2期
109.程远楚,叶鲁卿,蔡维由,水轮机特性的神经网络建模,华中科技大学学报(自然科学版),2003年6月,第31卷,第6期
110.余晓文,飞行/推进系统综合性能寻优控制[M],南京:南京航空航天大学,1999
111.王信德,某型涡扇发动机自适应建模研究[M],南京:南京航空航天大学,2003
112.王科俊,王克成,神经网络建模、预报与控制,哈尔滨工程大学出版社,1996
113.柴杰,江青苗,曹志凯,RBF神经网络的函数逼近能力及其算法,模式识别与人工智能,2002年9月,第15卷,第3期
114. Chen T P, Chen H. Approximation Theory Capability to Functions of Several Variables, Nonlinear Functionals and Operators by Radial Basis Functional Neurd Networs. IEEE Trans on Neural Networks, 1995, 6(4):904—910
115. J.Park, I.W.Sandberg. Universal Approximation Using Radial Basis Function Network.s. Neural Computation, 1991,3(2):246-257
116. J.Park, W.Sandberg. Approximation and Radial Basis Function Networks. Neural Computation, 1993,5(2):305-316
117. Mpnica Bianchini, Paolo Franscom. Learning without Local Mininma in Radial Basis Function Networks. IEEE Trans. On Neural Networks, Vol.6,pp.740-756,1995.
118. Sunil Elanayar V.T. and Yung C.Shin. Radial Basis Function Neural Network for Approximation and Estimation of Nonlinear Stochastic Dynamic Systems. IEEE Trans. On Neural Networks,Vol.5,pp.594-603,1994