典型文献
基于试飞数据的涡扇发动机模型辨识及故障检测研究
文献摘要：
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.
文献关键词：
飞行试验;航空发动机;聚类算法;神经网络;故障检测
中图分类号：
作者姓名：
卜旭东
作者机构：
中国飞行试验研究院,陕西 西安710089
文献出处：
引用格式：
[1]卜旭东-.基于试飞数据的涡扇发动机模型辨识及故障检测研究)[J].工程与试验,2022(02):10-12,130
A类：
B类：
试飞数据,涡扇发动机,发动机模型,模型辨识,故障检测,航空发动机,环境恶劣,机状态,状态监控,means,聚类算法,工作状态,据点,训练样本,对涡,气路,练好,检测算法,模型输出,实测值,故障数据,故障告警,告警系统,飞行试验
AB值：
0.312046
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
