基于距离代价函数和信息熵的发动机性能参数估计研究

推进技术 ›› 2013, Vol. 34 ›› Issue (11): 1557-1566.

基于距离代价函数和信息熵的发动机性能参数估计研究

李冬¹, 李本威², 孙涛², 曹明川¹, 王永华^1,2

海军航空工程学院研究生管理大队, 山东烟台 264001;海军航空工程学院飞行器工程系, 山东烟台 264001;海军航空工程学院飞行器工程系, 山东烟台 264001;海军航空工程学院研究生管理大队, 山东烟台 264001;海军航空工程学院研究生管理大队, 山东烟台 264001

发布日期:2021-08-15
作者简介:李冬(1984—),男,博士生,研究领域为航空发动机性能衰退、评估与预测。 E-mail:happyli.dong@163.com

Research of Engine Performance Parameter Estimation Based on Distance Cost Function and Information Entropy

Graduate Student Brigade, Naval Aeronautical and Astronautical University, Yantai 264001, China;Department of Aero-craft Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China;Department of Aero-craft Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China;Graduate Student Brigade, Naval Aeronautical and Astronautical University, Yantai 264001, China;Graduate Student Brigade, Naval Aeronautical and Astronautical University, Yantai 264001, China

Published:2021-08-15

摘要/Abstract

摘要： 研究发动机部件性能参数变化规律,对于减少维修次数和推动视情维修具有重要意义。针对测量参数个数少于待估性能参数的情况,给出了一种通过构建代价函数和优化算法的参数估计方法。原代价函数只考虑当前点参数,缺少与前面点参数的联系,因此结合自组织神经网络,构造了包含以前与当前点参数的距离代价函数。并提出了一种快速的参数估计方法。由于准确的部件性能参数很难获取,并且参数趋势估计不同于单纯的点估计问题,以对应的测量参数为基础,利用信息熵方法评定部件性能参数估计效果。进一步得到距离代价函数对应的参数信息熵为0.6805,优于原代价函数的估计结果。最后通过实例验证了参数估计方法的有效性。 

关键词: 代价函数;信息熵;性能衰退;自组织映射;参数优化 

Abstract: It has profound meaning for reducing maintenance times and promoting condition-based maintenance to study the change of component performance parameter. Aiming at the number of measured parameter less than that of pre-predicting performance parameter, a parameter estimation method by establishing cost function and optimization algorithm was showed. Current parameter being only considered in primary cost function, lacking of relationship of former parameter, therefore distance cost function of former and current parameter was established combined with self Organization Map(SOM). Fast parameter estimated method was presented. Exact component performance parameter is difficult to obtain, and estimation of parameter trend is different from that of pure point. Information entropy of measured parameter is adopted as evaluating parameter estimation. Furtherly, information entropy corresponding to distance cost function is 0.6805, superior to estimation of former cost function. Finally, it verified effectiveness of parameter estimation method presented.

Key words: Cost function; Information entropy; Performance deterioration; SOM(Self Organization Map) ; Parameter optimization

李冬,李本威,孙涛,曹明川,王永华. 基于距离代价函数和信息熵的发动机性能参数估计研究[J]. 推进技术, 2013, 34(11): 1557-1566.

LI Dong¹, LI Ben-wei², SUN Tao²,CAO Ming-chuan¹, WANG Yong-hua^1,2. Research of Engine Performance Parameter Estimation Based on Distance Cost Function and Information Entropy[J]. Journal of Propulsion Technology, 2013, 34(11): 1557-1566.

参考文献

[1] 李本威,李冬,沈伟,等.涡轮叶片粗糙度对其性能衰退的影响研究[J].航空计算技术, 2009,9(5):26-29.
[2] 李本威, 李冬, 李姜华,等.单级压气机性能衰退定量研究[J].航空动力学报, 2010,5(7):1588-1594.
[3] Basseville M, Nikiforov I.Detection of Abrupt Changes [J].Theory and Application, 1993,24(3):146-153.
[4] Mathioudakis K, Kamboukos Ph, Stamatis A.Turbofan Performance Deterioration Tracking Using Nonlinear Models and Optimization Techniques[J].ASME Laboratory of Thermal Turbomachines,2002,4(4):580-587.
[5] Zaita A V, Baley G, Karlsons G.Performance Deterioration Modeling in Aircraft Gas Turbine Engine[J].Gas Turbines Power, 1998,0(3):344-349.
[6] Urban L A, Volponi A J.Mathematical Methods of Relative Engine Performance Diagnostics[R].Aerospace Technical Paper ,922048-1992.
[7] 付尧明, 付强.非线性航空发动机性能参数估计方法研究[J].机械设计与制造, 2006,3(8):140-141.
[8] 翟高兰.航空发动机非线性参数估计方法研究[D].南京:南京航空航天大学,2008.
[9] 郭德龙, 夏慧明, 周永权.混合模拟退火-进化策略在非线性参数估计中的应用[J].数学的实践与认识, 2010,0(22):91-98.
[10] 孙晓云, 高鑫, 王鹏.新型并行遗传算法及其在参数估计中的应用[J].计算机工程与应用, 2005,9(2):50-52.
[11] 王占学,刘增文,叶新农.某型涡扇发动机部件老化对性能影响的分析与计算[J].航空动力学报, 2007,5(22):792-796.
[12] Haruyama S,Tsuru T.A Corrosion Monitor Based on Impedance Method- Electrochemical Corrosion Testing[M].USA:Florian Mansfeld and Bertocci, 1981:167-186.
[13] 骆广琦, 桑增产, 王如根,等.航空燃气涡轮发动机数值仿真[M].北京:国防工业出版社, 2007.
[14] 黄辉先,陈资滨.一种改进的粒子群优化算法[J].系统仿真学报, 2007,9(22):4922-4925.
[15] 常小军,易湘斌.改进粒子群算法在机械优化设计中的应用[J].轻工机械,2010,8(6):53-55.
[16] 王冠超, 杨春, 徐波, 等.基于改进PSO-SVM参数优化的发动机起动过程辨识[J].燃气涡轮试验与研究, 2011,4(1):35-41.
[17] 焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1990.
[18] 张雨,任国锋,王爱国.基于符号序列Shannon熵提取机器的运行特征[J].中国机械工程, 2006,7(15):1595-1599.
[19] 尹大伟.某型发动机模型修正研究[D].烟台:海军航空工程学院, 2007.