南京航空航天大学-智能诊断与专家系统研究室.DOCVIP

毕业设计（论文）报告纸 PAGE 共 NUMPAGES 36 页 第 PAGE 29 页 编号： 南京航空航天大学 ? 毕 业 设 计 技 术 报 告 ? 课题名称 发动机磨损状态的趋势预测技术 ? ? 学生姓名 王 璞 学 号 专 业 民用飞机运用工程 班 级 309941 指导教师 陈 果 ? ? 2003 年 6 月 目录 摘要 ………………………………………………………………………… 3 航空发动机磨损故障规律及趋势预测 …………………………… 5 1.1 航空发动机磨损故障规律 ……………………………………………………… 5 1.2 发动机磨损状态趋势预测的意义 ……………………………………………… 6 机械设备故障规律及运行趋势预测方法概述 …………………… 7 2.1 时序模型预测法 ………………………………………………………………… 7 2.2 灰色GM模型预测法 ………………………………………………………… 11 2.3 人工神经网络预测法 ………………………………………………………… 14 2.4人工神经网络预测法与其他方法的比较 ……………………………………… 17 人工神经网络预测算法的Matlab语言实现 …………………… 19 3.1 Matlab 简介 …………………………………………………………………… 19 3.2 Matlab 神经网络工具箱简介 ………………………………………………… 22 3.3 预测神经网络的结构 ………………………………………………………… 23 基于人工神经网络的趋势预测实例 ……………………………… 25 4.1 太阳黑子数的趋势预测 ………………………………………………………… 25 4.2 CB40齿轮泵的磨损趋势预测 …………………………………………………… 29 结论 ………………………………………………………………… 34 参考文献 …………………………………………………………………… 35 致谢 ………………………………………………………………………… 36 摘 要 在分析发动机故障规律的基础上，归纳总结了实际中常用的三种发动机运行状态趋势预测方法：时序模型预测方法；灰色GM模型预测法；人工神经网络预测法。本文首先对以上三种预测方法进行分析和比较，人工神经网络由于具有高度的并行分布式、联想记忆、自组织及学习能力和极强的非线性映射能力，因此在本文主要对人工神经网络预测法进行了重点研究。在对基于神经网络的单变量时间序列预测法进行分析之后，提出了发动机磨损状态趋势预测的神经网络模型。采用定量铁谱参数中的总磨损Q作为预测磨损趋势的特征参数，讨论了发动机磨损状态的神经网络预测法。最后，本文运用Matlab软件开发了基于神经网络的预测软件，运用历年的太阳黑子数样本作为实例进行了验证，在本文最后，利用本文方法和软件进行了CB40齿轮泵的磨损趋势预测分析。验证实例充分表明了本文方法的有效性。 关键词: 发动机，磨损，趋势预测，人工神经网络，时序模型，灰色理论 Abstract On the base of studying the laws of machine faults, this paper introduces common three practical engine operation conditions trend forecasting methods: Time Series Model Forecasting Method (ARMA); Grey Model Forecasting Method; Artificial Neural Network Forecasting Method. In this paper, firstly three methods are compared and analyzed, ANN method is acted as main method because it possesses the high parallel distributed processing, associative memory, self-organization, self-learning and strong nonlinear mapping abilities. Secondly, the forecasting model for engine wear condition is put forward, an