Использование современных методов кластеризации для параметрической диагностики неисправностей турбовентиляторных двигателей
https://doi.org/10.26467/2079-0619-2020-23-6-20-27
Аннотация
Ключевые слова
Об авторе
I. J. BuraimahНигерия
главный инженер отдела инженерных космических систем,
Абуджа
Список литературы
1. Бураймах И.Д. Применимости нейросетевых алгоритм к оценке технического состояния авиационных двигателей // Научные чтения по авиации, посвященные памяти Н.Е. Жуков ского: сборник докладов XII Всероссийской научно-технической конференции. Москва, 16–17 апреля 2015 г. М.: ООО «Экспериментальная мастерская НаукаСофт». С. 104–106.
2. DePold H.R., Gass F.D. The application of expert systems and neural networks to gas turbine prognostics and diagnostics // ASME. Journal of Engineering for Gas Turbines and Power. 1999. Vol. 121, iss. 4. Pp. 607–612. DOI: https://doi.org/10.1115/1.2818515
3. Polycarpou M.M. An on-line approximation approach to fault monitoring, diagnosis, and accommodation // SAE Technical Paper 941217. 1994. DOI: https://doi.org/10.4271/941217
4. Merrigton G.L. Fault diagnosis in gas turbines using a model-based technique // ASME. Journal of Engineering for Gas Turbines and Power. 1994. Vol. 116, iss. 2. Pp. 374–380. DOI: https://doi.org/10.1115/1.2906830
5. Gorinevsky D., Nwadiogbu E., Mylaraswany D. Model based diagnostics for small-scale turbomachines // Proceedings of the 41st IEEE Conference on Decision and Control. NV, USA, Las Vegas, 2002. Vol. 4. Pp. 4784–4789. DOI: 10.1109/CDC.2002.1185136
6. Бураймах И.Д. О применимости нейросетевых алгоритмов к оценке технического состояния авиационных двигателей // Авиация: история, современность, перспективы развития: сборник трудов IV международной научно-практической конференции. Минск, 22 мая 2013 г. Минск, 2014. С. 87–88.
7. Wang X., Syrmos V. Fault detection, identification and estimation in the electro-hydraulic actuator system using EKF-based multiple-model estimation // 16th Mediterranean Conference on Control and Automation, 2008. Pp. 1693–1698. DOI: 10.1109/MED.2008.4602248
8. Luo J. Model-based prognostic techniques [maintenance applications] / J. Luo, M. Namburu, K. Pattipati, L. Qiao, M. Kawamoto, S. Chigusa // Proceedings AUTOTESTCON 2003. IEEE Systems Readiness Technology Conference. Anaheim, CA, USA, 2003. Pp. 330–340. DOI: 10.1109/AUTEST.2003.1243596
9. Ofsthum S.C., Wilmering T.J. Model-driven development of integrated health management architectures // IEEE Aerospace Conference Proceedings (IEEE Cat. No.04TH8720). Big Sky. MT, 2004. Vol. 6. Pp. 3692–3705. DOI: 10.1109/AERO.2004.1368185
10. Bezdek J.C. Pattern recognition with fuzzy objectives function algorithm. New York: Springer US, 1981. 272 p. DOI: 10.1007/978-1-4757-0450-1
11. Dunn J.C. A fuzzy relative of the ISODATA process and its use in detecting compact, well separated clusters // Cybernetics and System Journal. 1973. Vol. 3, iss. 3. Pp. 32–57. DOI: https://doi.org/10.1080/01969727308546046
Рецензия
Для цитирования:
Buraimah I.J. Использование современных методов кластеризации для параметрической диагностики неисправностей турбовентиляторных двигателей. Научный вестник МГТУ ГА. 2020;23(6):20-27. https://doi.org/10.26467/2079-0619-2020-23-6-20-27
For citation:
Buraimah I.J. Using modern clustering techniques for parametric fault diagnostics of turbofan engines. Civil Aviation High Technologies. 2020;23(6):20-27. https://doi.org/10.26467/2079-0619-2020-23-6-20-27