项目名称: 基于粒子滤波的航空发动机气路部件突变故障诊断方法研究

项目编号: No.51276087

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 能源与动力工程

项目作者: 黄金泉

作者单位: 南京航空航天大学

项目金额: 80万元

中文摘要: 针对航空发动机气路部件突变故障问题,首次提出一种基于粒子滤波的突变故障诊断方法。突变故障发生和发展迅速、故障模型未知,发动机非线性模型的精度和实时性是粒子滤波准确性和实时性的关键因素,因而蕴涵着一些新的建模和诊断新问题。本项目旨在探索的三个核心问题包括:(1)航空发动机非线性模型自适应修正;(2)基于粒子滤波的航空发动机气路突变故障估计和诊断方法;(3)航空发动机气路突变故障诊断仿真分析和可行性验证。试图通过本项目的研究,不仅探究发动机气路突变故障建模机理和粒子滤波改进方法,解决故障诊断的实时性问题,而且探索提高发动机非线性模型的精度和实时性的新方法,揭示模型精度、滤波精度和诊断精度之间的影响机理,以期为航空发动机气路部件突变故障的诊断提供相关理论依据和应用基础。

中文关键词: 航空发动机;气路分析;突变故障诊断;粒子滤波;自适应实时部件级模型

英文摘要: Aim at the abrupt fault problem of aero-engine gas-path components, the method of abrupt fault diagnostics based on particle filter is proposed. Abrupt faults occur and develop rapidly, and the fault model is unknown. The accuracy and real-time of nonlinear model are the key factors to these of particle filter. Therefore, these imply new problems of modeling and diagnostics. The project focuses on the following three key problems: (1) Adaptive compensation of aero-engine nonlinear model, (2) Abrupt fault estimation and diagnostics for gas-path components of aero-engine, (3) Simulation analysis and feasibility validation to abrupt fault diagnostics. Attempt to the researches on the project, modeling mechanism for abrupt fault diagnostics and improved particle filter are studied to deal with the problem of real-time fault diagnostics; the new way to improve the accuracy and real-time of nonlinear model is researched; the accuracy influent mechanism between the model, filter and diagnostics is explored, which will provide the theory and application foundations of abrupt fault diagnostics for gas-path components of aero-engine.

英文关键词: Aircraft engine;gas-path analysis;abrupt fault diagnostics;particle filters;adaptive real-time component-level model

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于样例查询机制的在线动作检测
专知会员服务
9+阅读 · 2022年3月23日
专知会员服务
27+阅读 · 2021年10月6日
边缘机器学习,21页ppt
专知会员服务
81+阅读 · 2021年6月21日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
30+阅读 · 2020年12月21日
工业人工智能的关键技术及其在预测性维护中的应用现状
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
还在修改博士论文?这份《博士论文写作技巧》为你指南
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
64+阅读 · 2020年3月16日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
3+阅读 · 2022年4月18日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
【CVPR2022】基于样例查询机制的在线动作检测
专知会员服务
9+阅读 · 2022年3月23日
专知会员服务
27+阅读 · 2021年10月6日
边缘机器学习,21页ppt
专知会员服务
81+阅读 · 2021年6月21日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
30+阅读 · 2020年12月21日
工业人工智能的关键技术及其在预测性维护中的应用现状
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
还在修改博士论文?这份《博士论文写作技巧》为你指南
相关资讯
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
64+阅读 · 2020年3月16日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员