文档介绍：中图分类号: V261,TP391 论文编号:1028707 12-S052
学科分类号:082304
硕士学位论文
基于油液分析的航空发动机磨损状态
智能监测研究
研究生姓名吴晓
学科、专业载运工具运用工程
研究方向状态监测与故障诊断
指导教师李艳军教授
南京航空航天大学
研究生院民航学院
二О一二年一月
Nanjing University of Aeronautics and Astronautics
The Graduate School
College of Civil Aviation
Research on aero-engine Intelligent
monitoring based on the oil analysis
A Thesis in
Vehicle Operation Engineering
By
Wu xiao
Advised by
Professor Li Yanjun
Submitted in Partial Fulfillment
of the Requirements
for the Degree of
Master of Engineering
January, 2012
承诺书
本人声明所呈交的硕士学位论文是本人在导师指导下进
行的研究工作及取得的研究成果。除了文中特别加以标注和致
谢的地方外,论文中不包含其他人已经发表或撰写过的研究成
果也不包含为获得南京航空航天大学或其他教育机构的学位
或证书而使用过的材料。
本人授权南京航空航天大学可以将学位论文的全部或部
分内容编入有关数据库进行检索,可以采用影印、缩印或扫描
等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本承诺书)
作者签名:
日期:
南京航空航天大学硕士学位论文
摘要
航空发动机作为现代飞机的核心动力,其安全性与可靠性至关重要。关于航空发动机的运
行状态的监测技术研究一直是人们所关心的研究方面。据统计,在机械装备的故障中,80%以
上与磨损有关,因此基于摩擦学理论的油液监测技术所得到的信息最能直接反映出系统的运行
状态。本文以传统的油液理化技术、铁谱技术和光谱技术为基础,将传统的统计学方法与新兴
的人工智能方法相结合,开展关于航空发动机磨损状态智能监测系统的研究。
本文的所作的工作主要包括:(1)运用传统的数理统计方法对油液监测原始数据的预处理
工作。预处理主要是为了消除隐藏在数据中的不利因素,例如人为误差、环境因素、仪器精度
不足等的影响对于数据的干扰。(2)考虑到光谱分析数据的复杂性,采用模糊聚类的方法对光谱
数据做分组处理,根据分组情况对部分数据做舍弃的处置,达到简化数据的目的。(3)采用层次
分析法为油液分析数据的各项指标分配权值大小,以区分它们对于评价系统状态的重要程度。
(4)将相对劣化度加以改进之后用于评价航空发动机的磨损状况,并根据第三步的权值分配建立
航空发动机的综合劣化度模型,能够综合各种评价指标对发动机的运行状态作出评价。(5)将
人工智能方法的反面选择算法运用于航空发动机的故障诊断中,训练好的免疫系统能够判定出
故障的类型以及发生部位。(6)采用时序分析方法的 AR(n)模型,以系统的综合劣化度的时
间序列为参数,建立时间序列预测模型,根据历史数据计算得出的劣化度预测系统的磨损趋势
的大致预测。(7)初步设计开发了一套基于油液数据的航空发动机的智能监测系统,该系统能
依据采集的油液样本数据对发动机的磨损状态做出诊断和预测。
关键词:油液监测,相对劣化度,反面选择算法,AR(n)模型
I
基于油液分析的航空发动机磨损状态智能监测研究
ABSTRACT
As the core power of modern aircraft ,aero-engine’s safety and reliability is essential. The
aero-engine operation and the fault diagnosis technology are always the top concerns for researchers.
According to the statistics, more than 80% of the mechanical equipmen