留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

王佳 王博

王佳, 王博. 基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测[J]. 航空动力学报, 2022, 37(6): 1306-1313. doi: 10.13224/j.cnki.jasp.20210260
引用本文: 王佳, 王博. 基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测[J]. 航空动力学报, 2022, 37(6): 1306-1313. doi: 10.13224/j.cnki.jasp.20210260
WANG Jia, WANG Bo. Performance prediction of turboprop engine based on improved ant colony algorithm and Mann-Kendall method[J]. Journal of Aerospace Power, 2022, 37(6): 1306-1313. doi: 10.13224/j.cnki.jasp.20210260
Citation: WANG Jia, WANG Bo. Performance prediction of turboprop engine based on improved ant colony algorithm and Mann-Kendall method[J]. Journal of Aerospace Power, 2022, 37(6): 1306-1313. doi: 10.13224/j.cnki.jasp.20210260

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

doi: 10.13224/j.cnki.jasp.20210260
详细信息
    作者简介:

    王佳(1979-),男,高级工程师,主要从事涡桨发动机动力特性方面的研究。

    通讯作者:

    王博(1988-),男,工程师,硕士,主要从事涡桨发动机空气动力、性能分析和故障诊断方面的研究。E-mail:383152495@qq.com

  • 中图分类号: V235.12

Performance prediction of turboprop engine based on improved ant colony algorithm and Mann-Kendall method

  • 摘要: 针对涡桨发动机复杂、非线性的工作环境,利用层次分析(AHP)法提取发动机工作状态特征参数,考虑各特征参数对工作状态识别的影响,以特征参数加权的改进蚁群算法为基础,进行发动机同一工作状态识别、聚类,并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证,结果表明:该方法能准确识别发动机起飞、额定工作状态,巡航以下工作状态识别准确率达84%以上;此外,发动机性能预测效率提升了近50%,而预测错误率小于10%,可以满足航空兵部队维修保障工作的实际需要。

     

  • [1] 唐昌盛,曲建岭,高峰,等.基于飞参数据的航空发动机监控方法研究[J].燃气轮机技术,2008,21(2):18-21.
    [2] 刘乃彬.发动机故障状态下的性能参数规律研究[D].天津:中国民航大学,2018.
    [3] 曲建岭,唐昌盛,李万泉.基于飞参数据的监控算法研究[J].自动化仪表,2009,30(2):15-17.
    [4] 曲建岭,孙文柱,邸亚洲,等.基于飞参数据的某型航空发动机DEGT估算方法[J].测控技术,2013,32(10):48-51.
    [5] 王英俊,谢寿生.航空发动机性能趋势监控定量化的方法研究[J].航空动力学报,2003,18(4):549-553.
    [6] 周媛.基于数据驱动的航空发动机状态监测关键技术研究[D].南京:南京航空航天大学,2015.
    [7] TAKAHISA K,DONALD L S.Hybrid neural-network genetic-algorithm technique for aircraft engine performance diagnostics[J].Journal of Propulsion and Power,2005,21(4):751-758.
    [8] SINA S T B,ZAKIEH S,KHASHAYAR K.Dynamic neural network based fault diagnosis of gas turbine engines[J].Journal of Neurocomputing,2014,125(3):153-165.
    [9] TAMILSELVAN P,WANG P.Failure diagnosis using deep belief learning based health state classification[J].Journal of Reliability Engineering and System Safety,2013,115(7):124-135.
    [10] ELSAID A E,WILD B,JAMIY F E,et al.Optimizing LSTM RNNs using ACO to predict turbine engine vibration[C]∥Genetic and Evolutionary Computation Conference Companion.Singapore City:ACM (Association for Computing Machinery),2017:13-17.
    [11] 陈果.用结构自适应神经网络预测航空发动机性能趋势[J].航空学报,2007,28(8):535-539.
    [12] 王旭辉,黄圣国,施鼎豪,等.基于支持向量机的发动机气路故障预诊断[J].交通运输工程学报,2008,8(5):33-37.
    [13] 郑波.基于PSO-SVM 的民航发动机送修等级决策研究[J].推进技术,2013,34(5):68-69.
    [14] 郑波,高峰.基于IPSO-SVR的航空发动机磨损预测研究[J].润滑与密封,2014,39(11):81-87.
    [15] 张一震,钟诗胜,付旭云,等.基于动态集成算法的航空发动机气路参数预测[J].航空动力学报,2018,33(9):2285-2295.
    [16] 皮骏,马圣,张奇奇,等.基于动态集成算法的航空发动机气路参数预测[J].航空动力学报,2019,34(1):8-17.
    [17] 朱建军.层次分析法的若干问题研究及应用[D].沈阳:东北大学,2005.
    [18] 庄锁法.基于层次分析法的综合评价模型[J].合肥工业大学学报,2000,23(4):582-585.
    [19] 熊秋燕.软件需求规格说明书质量综合评价方法[D].江苏 镇江:江苏大学,2012.
    [20] 段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005.
    [21] 彭刚.聚类数目未知的ncRNA聚类分析[D].石家庄:河北科技大学,2014.
    [22] 杨淑莹,张桦.模式识别与智能计算—MATLAB技术实现[M].北京:电子工业出版社,2015.
    [23] 叶志伟,郑肇葆.蚁群算法中参数αβρ设置的研究—以TSP问题为例[J].武汉大学学报,2004,29(7):597-601.
    [24] 刘永建.基于改进神经网络的民航发动机故障诊断与性能预测研究[D].南京:南京航空航天大学,2012.
    [25] 龚钊宇.基于人工神经网络的民航发动机故障诊断技术[D].成都:电子科技大学,2017.
    [26] 周婷.基于飞机发动机故障诊断的智能算法研究[D].重庆:重庆大学,2009.
    [27] 魏凤英.现代气候统计诊断与预测技术[M].北京:气象出版社,2007.
    [28] 符淙斌,王强.气候突变的定义和检测方法[J].大气科学,1992,16(4):483-493.
  • 加载中
计量
  • 文章访问数:  90
  • HTML浏览量:  8
  • PDF量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-05-25
  • 刊出日期:  2022-06-28

目录

    /

    返回文章
    返回