公共文化服务平台

李业波: 作品数：13 被引量：103H指数：6; 供职机构：南京航空航天大学能源与动力学院更多>>; 发文基金：中央高校基本科研业务费专项资金中国航空科学基金国家自然科学基金更多>>; 相关领域：航空宇航科学技术自动化与计算机技术更多>>

合作作者

一种航空发动机的执行机构和传感器故障诊断的区分方法: 本发明涉及一种航空发动机的执行机构和传感器故障诊断的区分方法，其特征在于以执行机构的预测模型来判断执行机构和传感器是否发生故障，以航空发动机的逆映射预测模型来对执行机构和传感器所发生的故障进行区分定位，具体步骤包括：步骤...; 李秋红姜洁潘阳聂友伟李业波; 文献传递

航空发动机气路部件故障融合诊断方法研究被引量：27: 2014年; 针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。; 李业波李秋红黄向华赵永平; 关键词：航空发动机极端学习机微分进化 KALMAN滤波器信息融合

航空发动机直接推力控制被引量：7: 2010年; 为实现推力的多变量控制,首先研究了控制系统输出参数选择方法。输出参数选择采用相对增益矩阵(Relative gain array,RGA)和灵敏度分析方法。当RGA对角元趋近1而其他元素较小时,回路之间的耦合小,当输出对输入的灵敏度大时,输出易于控制。为此从常用被控参数中选择低压转子转速与推力构成控制系统输出。由于推力不可测量,采用神经网络对其进行在线估计,神经网络的输入采用遗传算法从航空发动机诸多可测参数中选取。最后设计了H控制器,通过闭环系统仿真,验证了本文方法的有效性。; 李秋红李业波王前宇; 关键词：航空发动机推力控制

基于NN-ELM的航空发动机燃油系统执行机构故障诊断被引量：15: 2016年; 提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.; 姜洁李秋红张高钱李业波; 关键词：航空发动机故障诊断极端学习机

基于IFA-ELM的航空发动机自适应PID控制新方法被引量：5: 2015年; 针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机（ELM）对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法（IFA）优化ELM网络参数,形成优化的ELM训练方法 IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4 s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.; 焦洋李秋红李业波; 关键词：航空发动机极端学习机萤火虫算法

航空发动机组件化建模及性能参数估计: 本文是为飞/推综合控制系统仿真平台提供航空发动机组件化模型。旨在利用软件组件化的思想,将COM组件技术应用到航空发动机建模中,建立一个可重用、通用性强以及精度高的组件化模型,并在此模型基础之上,研究航空发动机性能参数估计...; 李业波; 关键词：航空发动机组件化仿真平台参数估计支持向量回归机遗传算法; 文献传递

基于优化智能网络的发动机推力指令模型被引量：1: 2016年; 针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法。其中子模型I采用BP网络映射与推力密切相关的气路参数,其输出作为子模型II的输入;子模型II采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令。为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数。数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17%和单一极端学习机最大14.5%的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性。; 潘阳李秋红顾书文李业波; 关键词：极端学习机微分进化算法航空发动机

航空发动机性能退化缓解控制技术被引量：21: 2012年; 开展了航空发动机性能退化缓解控制技术的相关研究.性能退化缓解控制通过内环控制转速,外环控制推力,实现了对航空发动机的控制.该控制方式既有传统控制方式的优点,又能像直接推力控制那样实现对推力的直接控制,达到提高发动机控制自主性的目的.为了验证性能退化缓解控制的有效性,以某型双轴混排涡扇发动机为对象进行了控制系统设计及仿真验证.仿真结果表明了性能退化缓解控制技术的有效性和可行性.; 李业波李秋红黄向华赵永平; 关键词：航空发动机

智能航空发动机性能退化缓解控制技术研究: 智能发动机控制技术是未来航空发动机控制系统的发展方向之一，作为智能发动机控制技术分支的性能退化缓解控制技术受到了研究人员的广泛关注。本文从智能发动机的角度开展了发动机建模技术、鲁棒控制器设计、健康管理等发动机性能退化缓解...; 李业波; 关键词：航空发动机鲁棒控制器故障诊断仿真验证

航空发动机传感器故障与部件故障诊断技术被引量：19: 2013年; 结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.; 李业波李秋红黄向华赵永平; 关键词：航空发动机传感器故障支持向量机极端学习机

李业波

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李业波

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈