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

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

王佳,
王博^,

中国人民解放军 95580部队，贵阳 550031

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
计量
- 文章访问数: 440
- HTML浏览量: 149
- PDF量: 72
- 被引次数: 0
出版历程
- 收稿日期: 2021-05-25
- 刊出日期: 2022-06-28

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

WANG Jia,
WANG Bo^,

Unit 95580，People's Liberation Army，Guiyang 550031，China

摘要

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。
- 涡桨发动机 /
- 工作状态 /
- 性能预测 /
- 改进蚁群算法 /
- Mann-Kendall法
Abstract: For the complex nonlinear environment of turboprop engine，the AHP（analytic hierarchy process） method was used to extract the operating condition characteristic parameters.To solve the same operating condition recognition and performance prediction problem，the influence of each characteristic parameter on the operating condition recognition was also considered，the improved ant colony algorithm for the weighted characteristic parameters was developed with the use of Mann-Kendall method.The verification results of performance parameter flight data of some turboprop engines showed that the method accurately identified the take-off and rated condition，with the identification accuracy for the operating condition below cruise amounting to more than 84%；the predicted performance efficiency boosted over some 50% as the predicted error rate was under 10%.In this sense，the method can be used as maintenance support for the air force.
- turboprop engine /
- operating condition /
- performance prediction /
- improved ant colony algorithm /
- Mann-Kendall method

HTML

参考文献(28)

[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 $α 、 β 、 ρ$ 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.