公开(公告)号：CN106503746B

公开(公告)日：2018-07-06

申请号：CN201610957730.X

申请日：2016-11-03

Applicant: 哈尔滨工业大学

Inventor： 钟诗胜 ,  付旭云 ,  林琳 ,  李臻

IPC: G06K9/62

Abstract: 一种基于性能偏移量的航空发动机故障诊断方法，本发明涉及基于性能偏移量的航空发动机故障诊断方法。本发明是为了解决现有技术忽略航空发动机个体之间的差异、航空发动机故障样本数据量较少以及现有方法大多采用仿真数据导致实用性较低的问题。本发明步骤为：步骤一：进行航空发动机气路性能数据获取及分组；步骤二：根据步骤一的分组结果，进行航空发动机性能偏移量模型建立及性能偏移量求解；步骤三：根据步骤二得到的性能偏移量求解结果，进行支持向量机多核函数的确定及故障分类。本发明方法在故障分类准确率和泛化性上均好于传统的基于时间序列拟合的故障诊断方法。本发明应用于航空发动机维修优化技术领域。

公开(公告)号：CN107977526A

公开(公告)日：2018-05-01

申请号：CN201711365259.6

申请日：2017-12-18

Applicant: 哈尔滨工业大学(威海)

Inventor： 钟诗胜 ,  林琳 ,  付旭云 ,  谭治学 ,  张永健

IPC: G06F17/50

CPC classification number: G06F17/5009

Abstract: 本发明涉及一种大涵道比民航发动机性能诊断方法及系统，其中方法包括：采用非线性方法对发动机各个气路单元体进行单独建模并组建为发动机整机稳态模型，并利用健康发动机的观测数据对模型参数进行训练；通过滑动窗口采样方法获得待诊断发动机的气路参数的观测值，基于所述发动机整机稳态模型，利用改进的无迹卡尔曼滤波的观测方程对待诊断发动机的气路参数的观测值进行滤波，得到用于评估单元体衰退程度的多个单元体衰退因子。本发明通过将发动机稳态建模和无迹卡尔曼滤波相结合对单元体衰退趋势进行跟踪，在民航发动机飞行数据上的实验显示，该方法所获得的性能诊断结果具有较高的准确性。

公开(公告)号：CN106529715A

公开(公告)日：2017-03-22

申请号：CN201610957362.9

申请日：2016-10-25

Applicant: 哈尔滨工业大学

Inventor： 钟诗胜 ,  林琳 ,  付旭云 ,  李臻

IPC: G06Q10/04 ,  G06Q10/00

CPC classification number: G06Q10/04 ,  G06Q10/20

Abstract: 基于马尔科夫决策过程的航空发动机维修策略优化方法，本发明涉及航空发动机维修策略优化方法。本发明是为了解决现有技术没有考虑随机因素的影响并且仅针对单因素进行维修策略优化的问题。本发明步骤为：步骤一：航空发动机状态空间确定；步骤二：根据步骤一进行航空发动机维修动作的确定；步骤三：根据步骤二确定的航空发动机维修动作确定各动作状态转移概率矩阵；步骤四：根据步骤二和步骤三进行成本矩阵的确定及维修策略优化。本发明考虑了实际运维过程中的随机因素，并且能够在较长的寿命期内对航空发动机进行多次维修策略的滚动优化。能够为航空发动机全寿命范围内的维修策略优化提供基础支持。本发明应用于航空发动机维修优化技术领域。

公开(公告)号：CN102682348B

公开(公告)日：2015-10-14

申请号：CN201210146648.0

申请日：2012-05-14

Applicant: 哈尔滨工业大学(威海)

Inventor： 付旭云 ,  钟诗胜 ,  李臻

IPC: G06Q10/04

Abstract: 本发明涉及一种设备维修方案，具体地说是一种特别适用于复杂装备部件维修级别优化的复杂装备部件维修级别优化系统及其建立方法，包括以下步骤：建立维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型，确定部件送修目标；获得部件最低维修级别；优化各部件维修级别，本发明与现有技术相比，能够提高复杂装备部件维修效率，具有准确、可靠等优点。

公开(公告)号：CN102288412A

公开(公告)日：2011-12-21

申请号：CN201110113344.X

申请日：2011-05-04

Applicant: 哈尔滨工业大学

Inventor： 钟诗胜 ,  林琳 ,  雷达 ,  付旭云

IPC: G01M15/00

Abstract: 本发明提供了一种基于损伤基线的航空发动机硬件损伤分析与寿命预测方法。根据发动机手册规定及发动机构型定义规范化的损伤描述规则，建立损伤数据库；建立基于线性退化轨道的损伤基线模型；对机队发动机的损伤数据进行线性拟合，利用极大似然估计求解损伤基线模型参数估计值；使用新获得的单台发动机的损伤数据更新损伤迹象模型，得到单台发动机的损伤增长模型；对于求得的单台发动机的硬件损伤增长模型，求得其概率密度分布函数，即发动机剩余在翼时间的概率密度分布函数，取其中值为发动机的剩余在翼寿命。本发明使得航空公司根据发动机硬件损伤对发动机的拆发时机进行预测成为了可能，进而能为发动机的维修计划制定提供重要的决策支持。