Применение генетических алгоритмов и нейронных сетей для прогнозирования изменения состояния и аварийных режимов авиадвигателей

Статья посвящена проблеме идентификации изменения состояния и аварийных режимов авиадвигателей в процессе эксплуатации. Задача решается путем введения в цифровую систему автоматического управления дополнительного информационного канала на основе встроенной бортовой математической модели двигателя, работающей в режиме реального времени. Одной из функций этой модели является оценка изменения состояния двигателя вследствие стохастичности его характеристик и старения. Применяется алгоритм параметрической идентификации газовоздушного тракта на основе метода основной диагностической матрицы, определитель которой, в силу ограниченности массива измеряемых параметров, близок к нулю. Получаемая система диагностических уравнений является плохо обусловленной и имеет бесконечное число решений. Предлагается использование мягких вычислений для получения приближенного решения в заданной области с помощью генетического алгоритма. Предлагаемый метод оптимизации имеет значительно большее быстродействие и точность, чем аналогичное решение, полученное на основе численного метода Монте-Карло, что является критически важным преимуществом при технической реализации на существующей элементной базе электронных агрегатов, применяемых для цифровых авиационных регуляторов. Второй рассматриваемой функцией математической модели двигателя является диагностика режима бедного срыва в малоэмиссионной камере сгорания. Задача решается на основе построения нейросетевой модели пульсаций давления в жаровых трубах, обеспечивающей заданную точность. Проведенные эксперименты демонстрируют возможность применения предлагаемого подхода для повышения адаптивных свойств систем автоматического управления авиационных двигателей нового поколения.