WO2019144386A1 - 一种航空发动机过渡态关键性能参数预测方法 - Google Patents

一种航空发动机过渡态关键性能参数预测方法 Download PDF

Info

Publication number
WO2019144386A1
WO2019144386A1 PCT/CN2018/074356 CN2018074356W WO2019144386A1 WO 2019144386 A1 WO2019144386 A1 WO 2019144386A1 CN 2018074356 W CN2018074356 W CN 2018074356W WO 2019144386 A1 WO2019144386 A1 WO 2019144386A1
Authority
WO
WIPO (PCT)
Prior art keywords
aviation engine
transition state
key performance
performance parameters
engine
Prior art date
Application number
PCT/CN2018/074356
Other languages
English (en)
French (fr)
Inventor
张硕
李济邦
孙希明
刘敏
Original Assignee
大连理工大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 大连理工大学 filed Critical 大连理工大学
Priority to US16/629,513 priority Critical patent/US11124317B2/en
Priority to PCT/CN2018/074356 priority patent/WO2019144386A1/zh
Publication of WO2019144386A1 publication Critical patent/WO2019144386A1/zh

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Definitions

  • the invention belongs to the technical field of aeroengine performance parameter prediction, and particularly relates to a method for predicting a key performance parameter of an aeroengine transition state.
  • the aero engine is the core component of the aircraft, and its operating state directly determines the stability and safety of the entire aircraft. While the performance of aero-engines has increased dramatically, the structure has become more complicated, and condition monitoring and maintenance have become increasingly difficult. Among them, the transition state performance of the engine is directly related to the performance of the aircraft taking off, accelerating flight, maneuvering flight, etc. Therefore, the requirements for the rapidity, stability, safety and reliability of the aviation engine transition state are extremely high.
  • the performance parameters of the engine can reflect the health of the engine. Therefore, the important performance parameters of the engine transition state are predicted, so that the engine working state can be grasped in real time, the current engine state monitoring and fault prediction capability can be effectively improved, and the reliability of the engine operation can be improved. The purpose of security.
  • model-based methods is computationally complex, and there may be problems such as iterative convergence in real-time calculations; the statistical method is mainly for statistical analysis of engine faults and maintenance records; the regression-based method sometimes does not necessarily have significant variables. Linear or other functional relationships, the model is difficult to choose.
  • the machine learning-based method has a very strong nonlinear mapping ability, which can self-renew and evolve, with short training time and fast learning speed.
  • the present invention is directed to the above-mentioned deficiencies of the prior art, and proposes a method for predicting a transient state performance parameter of an aeroengine based on a support vector machine.
  • a training data set is established by using aeroengine transition state bench test data provided by a research institute. Test data set; based on the idea of information fusion, using parameters to predict and analyze exhaust gas temperature; and using mobile window technology for rolling learning, from the perspective of engineering application, effective real-time prediction is realized.
  • a method for predicting key performance parameters of aeroengine transition state is as follows:
  • the first step is to preprocess the aeroengine performance parameter data.
  • Aeroengine performance parameter data includes throttle lever angle PLA, low pressure rotor speed n 1 , high pressure rotor speed n 2 , ambient pressure p 0 , high pressure compressor outlet pressure p 31 , oil pressure p f , compressor outlet temperature t 1 , exhaust temperature EGT, lead angle ⁇ 2 , a total of 9 sets of parameters;

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Manufacturing & Machinery (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一种航空发动机过渡态关键性能参数预测方法，属于航空发动机性能参数预测技术领域。首先使用某研究所提供的航空发动机过渡态台架试验数据建立训练数据集和测试数据集；基于信息融合的思想，采用参数联合对排气温度进行预测和分析；并利用移动窗口技术进行滚动学习，从而从工程实际应用角度出发，对发动机的低压转子转速、排气温度等参数进行预测。

Description

一种航空发动机过渡态关键性能参数预测方法 技术领域
本发明属于航空发动机性能参数预测技术领域，具体涉及一种航空发动机过渡态关键性能参数预测方法。
背景技术
航空发动机作为航空器最核心的组成部分，其运行状态直接决定着整个航空器的稳定性和安全性。而航空发动机性能在大幅提升的同时，结构越加复杂化，状态监测和维护也日趋困难。其中，发动机的过渡态性能直接关系到飞机的起飞、加速飞行、机动飞行等性能的好坏，因此，对航空发动机过渡态的快速性、稳定性、安全性和可靠性的要求极高。而发动机的性能参数可以反映发动机的健康状况，因此对发动机过渡态重要性能参数进行预测，以便实时掌握发动机工作状态，有效提高当前发动机状态监控和故障预测的能力，达到提高发动机运行的可靠性及安全性的目的。
目前已有很多国内外学者展开了航空发动性能参数预测方面的工作，主要包括基于模型的方法、基于统计的方法、基于回归的方法和基于机器学习的方法。其中，基于模型的方法计算复杂，实时计算时可能出现迭代不收敛等问题；基于统计的方法主要是对发动机的故障、维修记录等进行统计分析；基于回归的方法有时变量之间不一定有明显的线性或者其他函数关系，模型很难选择。而基于机器学习的方法具有非常强的非线性映射能力，能够自我更新进化，训练时间短，学习速度快。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于支持向量机的航空发动机过渡态性能参数预测方法，其中，首先使用某研究所提供的航空发动机过渡态台架试验数据建立训练数据集和测试数据集；基于信息融合的思想，采用参数联合对排气温度进行预测和分析；并利用移动窗口技术进行滚动学习，从工程应用角度出发，实现了有效的实时预测。
本发明的技术方案：
一种航空发动机过渡态关键性能参数预测方法，步骤如下：
第一步，航空发动机性能参数数据预处理
(1)航空发动机性能参数数据包括油门杆角度PLA、低压转子转速n 1、高压转子转速n 2、环境压强p 0、高压压气机出口压强p 31、油压p f、压气机出口温度t 1、排气温度EGT、导角角度α 2，共9组参数；

Claims (1)

  1. Figure PCTCN2018074356-appb-100001
PCT/CN2018/074356 2018-01-26 2018-01-26 一种航空发动机过渡态关键性能参数预测方法 WO2019144386A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/629,513 US11124317B2 (en) 2018-01-26 2018-01-26 Method for prediction of key performance parameters of aero-engine in transition condition
PCT/CN2018/074356 WO2019144386A1 (zh) 2018-01-26 2018-01-26 一种航空发动机过渡态关键性能参数预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/074356 WO2019144386A1 (zh) 2018-01-26 2018-01-26 一种航空发动机过渡态关键性能参数预测方法

Publications (1)

Publication Number Publication Date
WO2019144386A1 true WO2019144386A1 (zh) 2019-08-01

Family

ID=67395239

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/074356 WO2019144386A1 (zh) 2018-01-26 2018-01-26 一种航空发动机过渡态关键性能参数预测方法

Country Status (2)

Country Link
US (1) US11124317B2 (zh)
WO (1) WO2019144386A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530649A (zh) * 2019-08-28 2019-12-03 中国航发南方工业有限公司 一种航空发动机试车台滑油系统
CN110990940A (zh) * 2019-10-28 2020-04-10 西北工业大学 基于msvr的机翼装配定位布局设计方法
CN111798831A (zh) * 2020-06-16 2020-10-20 武汉理工大学 一种声音粒子合成方法及装置
CN112668104A (zh) * 2021-01-04 2021-04-16 中国人民解放军96901部队22分队 一种高超声速飞行器气动参数在线辨识方法
CN113297680A (zh) * 2021-06-21 2021-08-24 中国航发沈阳发动机研究所 一种小涵道比航空燃气发动机性能趋势分析方法
CN113657648A (zh) * 2021-07-22 2021-11-16 广州中国科学院沈阳自动化研究所分所 一种多维数据融合的设备健康评估方法、装置及运维系统
CN113762607A (zh) * 2021-08-26 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种电网企业碳排放量的预测方法
CN114004139A (zh) * 2021-09-24 2022-02-01 沈阳工程学院 一种光伏发电功率预测方法
CN114896860A (zh) * 2022-03-29 2022-08-12 武汉纺织大学 基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法
CN115659642A (zh) * 2022-10-26 2023-01-31 兰州空间技术物理研究所 一种离子电推进寿命试验加速因子确定方法
CN116167313A (zh) * 2023-02-22 2023-05-26 深圳市摩尔芯创科技有限公司 一种用于集成电路设计的训练数据生成方法和系统
CN116779056A (zh) * 2023-08-24 2023-09-19 石家庄兆荣科技有限公司 一种多态融合评估环境质量方法
CN117110977A (zh) * 2023-10-25 2023-11-24 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN118051743A (zh) * 2024-04-15 2024-05-17 北京航空航天大学 一种航空发动机气路故障诊断方法和装置

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107884706B (zh) * 2017-11-09 2020-04-07 合肥工业大学 基于向量值正则核函数逼近的模拟电路故障诊断方法
WO2020000248A1 (zh) * 2018-06-27 2020-01-02 大连理工大学 一种基于空间重构的航空发动机过渡态加速过程关键性能参数预测方法
CN110610245A (zh) * 2019-07-31 2019-12-24 东北石油大学 一种基于AFPSO-K-means的长输油管道泄漏检测方法及系统
US20210287556A1 (en) * 2020-03-13 2021-09-16 Electronics And Telecommunications Research Institute Method and apparatus for generating optimal path for an unmanned aerial vehicle
CN113669165B (zh) * 2020-05-15 2022-09-20 中航西飞民用飞机有限责任公司 一种涡桨飞机自动油门指令配平方法
CN111859730B (zh) * 2020-06-05 2023-10-13 合肥通用机械研究院有限公司 一种燃料电池离心压缩机转子构形优化设计方法
CN113283533B (zh) * 2020-06-12 2022-08-12 北京航空航天大学 面向性能衰退时间序列数据的可借用样本筛选方法和系统
CN112319846B (zh) * 2020-09-25 2022-07-19 中国航空工业集团公司上海航空测控技术研究所 一种用于飞机发动机参数采集设备的参数标定方法
CN112541162A (zh) * 2020-12-03 2021-03-23 北京航空航天大学 一种面向多遥测参数联合分析的时间轴自规整方法
CN112861255B (zh) * 2021-01-06 2023-10-10 西北工业大学 一种基于火箭级间段代理优化的自适应取样方法
CN112926254B (zh) * 2021-01-21 2023-03-17 西北工业大学 基于改进遗传算法的变循环发动机最大推力控制优化方法
CN112765899B (zh) * 2021-02-02 2022-11-25 西北工业大学 基于贝叶斯分类器链的涡轴发动机多目标性能预测方法
CN112949094B (zh) * 2021-04-13 2022-05-10 北京航空航天大学 航空电子产品电磁性能裕量分析与确信可靠性评估方法
CN113269365B (zh) * 2021-06-02 2023-06-16 西安建筑科技大学 一种基于麻雀优化算法的短期空调负荷预测方法及系统
CN113406525B (zh) * 2021-06-15 2023-06-02 金陵科技学院 一种基于优化变分模态分解的锂电池组剩余寿命预测方法
CN113408672B (zh) * 2021-08-19 2021-11-09 中国科学院力学研究所 一种用于飞行器模态试验的关键参数识别方法
CN113971320B (zh) * 2021-10-15 2024-04-26 常熟理工学院 一种冲压发动机推力性能的实时优化方法
CN114013665B (zh) * 2021-11-19 2024-02-27 中国航发沈阳发动机研究所 一种航空燃气涡轮发动机状态过渡控制方法及装置
CN114266401B (zh) * 2021-12-23 2022-08-05 北京石油化工学院 一种底盘发动机故障预测方法及系统
CN114548845B (zh) * 2022-04-27 2022-07-12 北京智芯微电子科技有限公司 一种配网管理方法、装置及系统
CN115618222B (zh) * 2022-06-21 2023-05-05 北京交通大学 一种隧道掘进响应参数的预测方法
CN115593654B (zh) * 2022-12-09 2023-02-28 中国航发沈阳发动机研究所 一种航空发动机核心机结构特征验证方法
CN115907565B (zh) * 2023-02-14 2023-06-23 清华四川能源互联网研究院 引水隧洞结构安全评价方法、装置、电子设备和存储介质
CN116384256B (zh) * 2023-05-11 2023-09-01 西安现代控制技术研究所 一种基于参考方案局部搜索多约束弹道优化方法
CN116384257B (zh) * 2023-05-29 2023-09-29 浙江大学 一种空分整装冷箱装配误差预测与公差优化方法
CN116341397B (zh) * 2023-05-30 2023-09-05 湖南光华防务科技集团有限公司 一种基于深度神经网络的灭火弹温度场模拟方法
CN117333201B (zh) * 2023-11-28 2024-02-23 山东恒信科技发展有限公司 一种原料油原料溯源管理方法及系统
CN117436353B (zh) * 2023-12-21 2024-03-22 泰安维创游乐设备有限公司 基于大数据的游乐设备故障智能预测方法
CN117609704B (zh) * 2024-01-23 2024-04-19 青岛高科通信股份有限公司 一种基于神经网络模型的智能电表的电计量误差分析装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040006398A1 (en) * 2000-06-09 2004-01-08 Bickford Randall L. Surveillance system and method having parameter estimation and operating mode partitioning
CN104392039A (zh) * 2014-11-19 2015-03-04 中国航空工业集团公司沈阳飞机设计研究所 一种过渡态发动机仿真建模方法
CN107239634A (zh) * 2017-06-26 2017-10-10 大连理工大学 一种航空发动机过渡过程建模方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019237320A1 (zh) * 2018-06-15 2019-12-19 大连理工大学 一种基于模型预测的航空发动机在线优化及多变量控制设计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040006398A1 (en) * 2000-06-09 2004-01-08 Bickford Randall L. Surveillance system and method having parameter estimation and operating mode partitioning
CN104392039A (zh) * 2014-11-19 2015-03-04 中国航空工业集团公司沈阳飞机设计研究所 一种过渡态发动机仿真建模方法
CN107239634A (zh) * 2017-06-26 2017-10-10 大连理工大学 一种航空发动机过渡过程建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LI YANJUN ET AL.: "Forecasting of aero-engine performance tread based on Fuzzy information granulation and optimized SVM", JOURNAL OF AEROSPACE POWER, vol. 32, no. 12, 31 December 2017 (2017-12-31), pages 3023 - 3028, ISSN: 3022-3030 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530649B (zh) * 2019-08-28 2021-06-18 中国航发南方工业有限公司 一种航空发动机试车台滑油系统
CN110530649A (zh) * 2019-08-28 2019-12-03 中国航发南方工业有限公司 一种航空发动机试车台滑油系统
CN110990940A (zh) * 2019-10-28 2020-04-10 西北工业大学 基于msvr的机翼装配定位布局设计方法
CN110990940B (zh) * 2019-10-28 2023-03-24 西北工业大学 基于msvr的机翼装配定位布局设计方法
CN111798831A (zh) * 2020-06-16 2020-10-20 武汉理工大学 一种声音粒子合成方法及装置
CN111798831B (zh) * 2020-06-16 2023-11-28 武汉理工大学 一种声音粒子合成方法及装置
CN112668104B (zh) * 2021-01-04 2022-11-29 中国人民解放军96901部队22分队 一种高超声速飞行器气动参数在线辨识方法
CN112668104A (zh) * 2021-01-04 2021-04-16 中国人民解放军96901部队22分队 一种高超声速飞行器气动参数在线辨识方法
CN113297680A (zh) * 2021-06-21 2021-08-24 中国航发沈阳发动机研究所 一种小涵道比航空燃气发动机性能趋势分析方法
CN113297680B (zh) * 2021-06-21 2023-08-08 中国航发沈阳发动机研究所 一种小涵道比航空燃气发动机性能趋势分析方法
CN113657648A (zh) * 2021-07-22 2021-11-16 广州中国科学院沈阳自动化研究所分所 一种多维数据融合的设备健康评估方法、装置及运维系统
CN113657648B (zh) * 2021-07-22 2024-03-19 广州中国科学院沈阳自动化研究所分所 一种多维数据融合的设备健康评估方法、装置及运维系统
CN113762607A (zh) * 2021-08-26 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种电网企业碳排放量的预测方法
CN113762607B (zh) * 2021-08-26 2023-05-30 甘肃同兴智能科技发展有限责任公司 一种电网企业碳排放量的预测方法
CN114004139A (zh) * 2021-09-24 2022-02-01 沈阳工程学院 一种光伏发电功率预测方法
CN114896860A (zh) * 2022-03-29 2022-08-12 武汉纺织大学 基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法
CN114896860B (zh) * 2022-03-29 2024-05-14 武汉纺织大学 基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法
CN115659642B (zh) * 2022-10-26 2023-07-18 兰州空间技术物理研究所 一种离子电推进寿命试验加速因子确定方法
CN115659642A (zh) * 2022-10-26 2023-01-31 兰州空间技术物理研究所 一种离子电推进寿命试验加速因子确定方法
CN116167313B (zh) * 2023-02-22 2023-09-12 深圳市摩尔芯创科技有限公司 一种用于集成电路设计的训练数据生成方法和系统
CN116167313A (zh) * 2023-02-22 2023-05-26 深圳市摩尔芯创科技有限公司 一种用于集成电路设计的训练数据生成方法和系统
CN116779056B (zh) * 2023-08-24 2023-10-20 石家庄兆荣科技有限公司 一种多态融合评估环境质量方法
CN116779056A (zh) * 2023-08-24 2023-09-19 石家庄兆荣科技有限公司 一种多态融合评估环境质量方法
CN117110977A (zh) * 2023-10-25 2023-11-24 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN117110977B (zh) * 2023-10-25 2024-03-01 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN118051743A (zh) * 2024-04-15 2024-05-17 北京航空航天大学 一种航空发动机气路故障诊断方法和装置

Also Published As

Publication number Publication date
US11124317B2 (en) 2021-09-21
US20200148395A1 (en) 2020-05-14

Similar Documents

Publication Publication Date Title
WO2019144386A1 (zh) 一种航空发动机过渡态关键性能参数预测方法
CN112507452B (zh) 航空发动机涡轮叶片可靠性数字孪生建模方法
Feng et al. Electrical insulator defects detection method based on yolov5
CN110457861B (zh) 一种机载涡轴发动机动力系统可视化诊断平台及构建方法
US10809156B2 (en) Automated system and method for generating engine test cell analytics and diagnostics
Gou et al. A linearization model of turbofan engine for intelligent analysis towards industrial internet of things
CN107103658A (zh) 基于深度学习与高斯分布的航空发动机气路异常检测方法
CN103969052A (zh) 基于离群分析的柴油机故障诊断方法
Yildirim et al. Engine health monitoring in an aircraft by using Levenberg-Marquardt feedforward neural network and radial basis function network
Chen et al. A time-series turbofan engine successive fault diagnosis under both steady-state and dynamic conditions
US20230273095A1 (en) Successive Gas Path Fault Diagnosis Method with High Precision for Gas Turbine Engines
Xu et al. Aero-Engine gas-path fault diagnosis based on spatial structural characteristics of QAR data
Ma et al. An interpretability research of the Xgboost algorithm in remaining useful life prediction
Wang et al. Research on anomaly detection and positioning of marine nuclear power steam turbine unit based on isolated forest
CN106021693A (zh) 一种风洞多模态实时系统辨识方法
CN115688609A (zh) 一种用于航空发动机的智能推力预测及实时预警方法
Xu et al. Aircraft engine maintenance based on reinforcement learning
Hu et al. Fault diagnosis of gas turbine based on support vector machine
CN110441081B (zh) 一种旋转机械故障的智能诊断方法及智能诊断系统
Zhao et al. PCA-based sensor fault diagnosis for aero-engine
Zhao et al. Fault detection and diagnosis for sensor in an aero-engine system
Xuming et al. A novel compilation method of comprehensive mission spectrum of aero-engine maneuvering load based on use-related mission segment
Naeem Implications of turbine erosion for an aero-engine’s high-pressure-turbine blade’s low-cycle-fatigue life-consumption
CN115774847B (zh) 一种柴油机性能评估及预测方法和系统
Sun et al. A data-based expert system for aero-engine gas path fault diagnosis

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18902714

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18902714

Country of ref document: EP

Kind code of ref document: A1