论文部分内容阅读
针对飞行试验对高效异常诊断手段的迫切需求，利用海量飞行试验数据，在提取表征发动机状态参数的基础上，采用分段线性化的思想改进PCA(主元分析)算法，改善PCA算法在复杂非线性系统建模方面存在的参数估计精度差等问题。根据发动机风扇转子转速对试飞数据(样本数据)进行区间划分，分段建立发动机状态诊断模型。验证结果表明：改进PCA算法建立的诊断模型参数估计精度较好，对参数偏差较为敏感，能正确检测发动机异常的出现并准确定位异常参数，对飞行试验安全监控及发动机异常诊断平台的开发具有一定的参考价值。