【技术实现步骤摘要】
本专利技术涉及一种航空发动机健康监测方法，属于航空发动机设计与控制。
技术介绍
1、航空发动机的健康状况直接关系到飞机的安全性，由气路部件退化所导致的发动机故障占发动机总故障的90％以上，其维护费用占其总体费用的60％以上。通过对发动机状态进行监控和分析，可以及时发现故障并对故障进行定位定量，使得对故障的诊断手段实现从定时诊断到定情诊断的跨越。对于保障飞行安全、降低维修成本和提高运行效率具有重要意义，因此健康监测是航空工业不可获取的一部分。
2、航空发动机健康监控是一项连续的任务，即从性能参数中进行测量、过滤、分析和异常检测，监测其性能状态和运行健康状况。这一过程旨在及时发现发动机运行中的异常情况、故障或性能下降，并提供相应的反馈和决策支持，以确保航空发动机的安全、可靠和高效运行。在航空发动机健康监控中，有两种常见的方法：基于无模型和基于模型的方法。在无模型的方法中，周寒等人[周寒,莫李平,刘渊,等.基于特征优化与改进knn的航空发动机故障诊断[j].航空计算技术,2023,53(02):45-49]建立了基于特征优化与改进...
【技术保护点】
1.一种航空发动机健康监测方法，使用稳态基线模型对航空发动机的可测参数进行预测，并根据所述可测参数的预测值与实测值之间的偏差对航空发动机的健康状况进行监测；其特征在于，所述稳态基线模型的相似换算系数为通过可解释性深度神经网络模型生成的修正相似换算系数；所述可解释性深度神经网络模型通过以下方法建立：
2.如权利要求1所述航空发动机健康监测方法，其特征在于，所述可测参数包括：压气机出口压力P3,低压涡轮出口温度T5,低压转子转速N1,高压转子转速N2。
3.如权利要求1所述航空发动机健康监测方法，其特征在于，使用积分梯度算法对所述初步的深度神经网络...
【技术特征摘要】
1.一种航空发动机健康监测方法，使用稳态基线模型对航空发动机的可测参数进行预测，并根据所述可测参数的预测值与实测值之间的偏差对航空发动机的健康状况进行监测；其特征在于，所述稳态基线模型的相似换算系数为通过可解释性深度神经网络模型生成的修正相似换算系数；所述可解释性深度神经网络模型通过以下方法建立：
2.如权利要求1所述航空发动机健康监测方法，其特征在于，所述可测参数包括：压气机出口压力p3,低压涡轮出口温度t5,低压转子转速n1,高压转子转速n2。
3.如权利要求1所述航空发动机健康监测方法，其特征在于，使用积分梯度算法对所述初步的深度神经网络模型进行解释性分析。
4.一...
【专利技术属性】
技术研发人员：郑前钢，陈铖，胡晨旭，胡思源，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。