北京航空航天大学学报 ›› 2019, Vol. 45 ›› Issue (6): 1106-1113.doi: 10.13700/j.bh.1001-5965.2018.0557

• 论文 • 上一篇    下一篇

多源数据融合的民航发动机修后性能预测

谭治学, 钟诗胜, 林琳   

  1. 哈尔滨工业大学 机电工程学院, 哈尔滨 150001
  • 收稿日期:2018-09-19 出版日期:2019-06-20 发布日期:2019-06-18
  • 通讯作者: 钟诗胜 E-mail:zhongss@hit.edu.cn
  • 作者简介:谭治学 男,博士研究生。主要研究方向:航空发动机健康管理;钟诗胜 男,博士,教授,博士生导师。主要研究方向:复杂装备健康管理;林琳 女,博士,教授,博士生导师。主要研究方向:智能设计、装备健康管理。
  • 基金资助:
    国家自然科学基金(U1533202);民航科技项目重大专项(MHRD20150104);山东省自主创新及成果转化专项(2014CGZH1101)

Commercial aircraft engine post-repairing performance prediction based on fusion of multisource data

TAN Zhixue, ZHONG Shisheng, LIN Lin   

  1. School of Mechatronics Engineering, Harbin Institute of Technology, Harbin 150001, China
  • Received:2018-09-19 Online:2019-06-20 Published:2019-06-18

摘要: 针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。

关键词: 航空发动机, 发动机维修决策, 修后性能预测, 特征提取, 多源数据融合

Abstract: To solve the problem of multisource heterogeneous data fusion in commercial aircraft engine post-repairing exhaust gas temperature margin prediction, a combined method of convolutional auto-encoder and extreme gradient boost model was proposed. This method uses the proposed cross entropy increasing factor to regularize the parameter order in the multi-dimensional engine sensor parameter series observed before repairing, and then uses convolutional auto-encoder to extract features from the regularized parameter series and engine workscope data. With the combined feature composed of the extracted features and the features representing engine using time, extreme gradient boost model is trained in order to predict engine post-repairing performance and estimate the importance of influential factors. The experiment performed on the prediction of the post-repairing performance of an engine fleet proved that the proposed method achieves higher prediction precision than prediction methods supported by one-dimentional parameter series and can predict engine post-repairing exhaust gas temperature margin with an average relative error no higher than 8.3%.

Key words: aircraft engine, engine maintenance decision, post-repairing performance prediction, feature extraction, multisource data fusion

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发