航空發電機健康狀態預測技術研究

航空發電機作為飛機供電系統的一個重要組成部分,是飛機各系統正常工作的基石,研究并實現航空發電機健康狀態的早期預測,可以及時掌握發電機健康狀態的變化趨勢,從而可保障飛機的飛行安全,提高其作戰效能。 本文以某型真實軍用航空發電機為具體研究對象,對其健康狀態的有效預測進行了深入研究。通過采用真實航空發電機專用加速壽命試驗平臺對發電機進行長期使用壽命試驗,獲取了輸入轉速、負載、電壓、進出口油溫、進出口壓力和注油壓力等健康狀態表征參數,在對試驗數據預處理的基礎上,本文將最小二乘支持向量機預測和灰色預測理論引入到航空發電機健康狀態的預測研究中,深入分析其預測過程,設計預測算法,并通過軟件編程實現其預測效能,得到預測結果。試驗結果表明,最小二乘支持向量機預測平均誤差為7.02%,灰色預測平均誤差為19.22%。由于灰色模型預測誤差較大,不能滿足預測要求,因此,將引入神經網絡組建灰色神經網絡模型對航空發電機健康狀態進行預測,預測平均誤差為9.86%,證明預測效果明顯提高。 在航空發電機健康狀態預測過程中,由于單項預測模型利用信息的不充分性,不能準確反映發電機狀態的變化趨勢,同時,基于組建灰色神經網絡模型的思想,為使預測結果能夠更真實、準確、全面的反映航空發電機的健康狀態,本文引入變權組合預測模型,對航空發電機健康狀態進行了預測研究,并且在權重分配的計算上將D-S證據理論思想應用其中,與傳統的權重分配組合模型進行對比。試驗表明,基于D-S證據理論權重分配的組合預測平均誤差為6.35%。預測效果達到了期望的目標,從而驗證組合算法的合理性。