题目：发动机状态监控方法研究

飞机的安全性在很大程度上取决于航空发动机的可靠性，一旦发动机出现危险故障，飞机就会发生等级事故，酿成重大损失。然而发动机的许多故障都是可以通过分析与其工作状态有密切联系的参数变化情况来提前发现的。因此，研究发动机的状态监控技术，对保障飞行安全具有重要意义。本文在对目前发动机状态监控技术进行分析的基础上，提出了基于BP神经网络的航空发动机性能参数预测方法。该方法首先利用BP神经网络建立了结构自适应BP神经网络预测模型，并对BP网络的影响参数进行了分析，然后将影响参数作为遗传算法的决策变量、平均相对变动量的倒数作为遗传算法的适应度函数，建立了结构自适应BP神经网络，最后利用该方法对航空发动机性能监测数据进行建模预测。结果表明根据结构自适应BP神经网络算法所建立的模型能够对实际发动机性能监测数据的变化趋势进行预测，并且预测效果理想。本文还利用小波分析技术对发动机监测数据进行消噪处理，并通过发动机故障前的性能参数集构造训练样本，利用三层BP神经网络构建发动机状态诊断的神经网络模型。训练及验证结果表明训练后的神经网络其理想输出数据和实际数据值误差很小，具有较高的识别精度，可满足对发动机状态进行判定的要求，实现发动机工作状态的智能诊断。