基于FBP神经网络的航空发动机故障诊断

通过对人工神经网络（ANN）的深入研究,尤其是在改进算法方面作了大量的尝试,设计出了一种FBP神经网络。在采集了大量的飞机发动机故障信息后,并结合专家的经验数据,提出了适用于民航飞机发动机,特别是波音767和波音747所装配的JT9D发动机和PW4000型发动机的故障诊断系统。使在不对发动机进行解体的情况下能早期检测到故障隐患。     

基于并行禁忌神经网络和DS证据的飞机燃油系统故障诊断

飞机燃油系统是一个由许多相互联系的子系统构成的复杂总体,因而易于发生各类故障,当故障发生时会造成严重影响,为此,设计了一种基于禁忌神经网络和DS证据的飞机燃油系统故障诊断方法;首先,建立了飞机燃油系统的故障诊断模型,然后,建立了3层的BP神经网络故障诊断模型,并采用禁忌优化算法对BP神经网络进行参数优化,得到多个并行诊断的禁忌神经网络,输入样本数据对其训练并利用BP反向传播算法再次调优;最后将测试样本数据输入各禁忌神经网络,并将诊断结果作为证据采用DS证据理论进行融合,得到最终的故障诊断结果;实验结果表明:引入DS证据理论的故障诊断方法能有效克服单一故障诊断方法无法精确诊断故障的不足,诊断精度高,具有较大的优越性。     

基于SOM算法和免疫神经网络的飞机燃油系统故障诊断

针对传统的飞机燃油系统故障诊断方法如硬件冗余方法和系统模型检测方法存在的飞机重量限制和难以建立精确数学模型的问题,设计了一种基于SOM算法和BP神经网络的故障诊断模型;首先,建立了系统故障诊断模型并对诊断原理进行了描述,然后,对故障征兆数据进行预处理,即先采用SOM算法进行连续属性离散化处理,再通过粗糙集互信息方法进行属性降维,以减少数据量和提高诊断效率;最后,建立了基于BP神经网络的故障诊断模型,为了进一步提高故障诊断精度,在采用免疫优化算法对BP神经网络故障诊断模型中的各参数即权值和阈值等进行优化的基础上,进一步采用BP反向传播算法进行参数调整,从而得到最终的故障诊断模型。通过飞机燃油系统故障诊断实例仿真实验证明了文中方法能较为精确地实现故障诊断,且与其它方法相比,具有较高的诊断精度和诊断效率,具有较大的优越性。     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于扩展故障树的飞机排故系统

传统的飞机排故手册一般采用基于故障树的排故方法,面对复杂系统故障,存在排故效率低的问题.通过将融合专家经验的扩展故障树引入飞机排故过程,并以波音737飞机自动油门系统为例,研究了扩展故障树在飞机排故中的应用.建立了B737NG系列和A320系列机型故障数据库,设计了基于扩展故障树的飞机排故系统,用以提高飞机排故效率和准确性.     

飞机刹车系统故障诊断方法及其应用研究

刹车系统是飞机着陆制动的重要系统,其故障将直接影响飞机着陆安全.现阶段刹车系统多采用故障树分析法进行事后诊断,对故障预防效果有限.运用一元线性回归分析方法建立刹车系统输出刹车压力的预测区间,修正后作为刹车压力应正常分布的区间,将该区间作为检测手段并结合故障征兆判据,对刹车系统现有工作数据在区间上的分布情况进行分析和判断,以检测系统中是否存在故障征兆.实例验证结果表明:该诊断方法可以预先对刹车系统中存在的故障征兆进行检测,在运用工程知识对检测出的故障征兆进行隔离和排除后,可极大降低刹车系统再次工作时的故障发生率,故障预防效果显著.该诊断方法易实现,有助于弥补现阶段刹车系统故障诊断存在的不足,可推广使用,具有一定的应用前景.     

基于BP神经网络的多电飞机电气系统故障诊断研究

针对未来多电飞机电气系统结构复杂、故障原因多的特点,基于理论上较为成熟的BP神经网络,文章对BP神经网络在多电飞机电气系统故障诊断方面的应用进行了研究,介绍了BP神经网络的模型、BP算法的基本原理以及编程实现的过程.在此基础上,采用VC 与MATLAB混合编程的方法,应用基本的BP算法进行了多电飞机电气系统故障诊断的仿真研究.     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

基于神经网络的无人机传感器故障诊断技术研究

无人机传感器的故障诊断和容错控制是一项关键技术,为了能够实时监测传感器的运行状态、快速定位故障和控制重构,文章采用BP神经网络设计了一种由主、从神经网络构成的无人机传感器故障诊断算法,其中主网络用于传感器的故障检测,从网络完成对故障的识别;该算法减少了故障诊断运算量,提高了故障诊断的实时性;通过仿真研究表明了该算法可以有效地检测、识别出故障,并能给出故障传感器估计值用于容错控制.     

神经网络在控制系统故障诊断中的应用研究

飞行控制系统的故障诊断是保证飞行安全的重要手段.研究飞控系统的安全问题,针对飞控系统的非线性和复杂性,采用传统解析方法不能识别飞控系统故障的非线性特征,导致故障诊断准确率低的难题.为了提高故障诊断准确率,提出一种RBF神经网络观测器的故障检测与诊断方法.利用神经网络的非线性建模能力,把飞控系统中输入和输出信号作为神经网络输入与输出,通过神经网络的在线学习,得到需要的参数估计,根据网络预测值和实际输出之差与设定故障阈值的大小比较来判断故障.最后针对实际飞机的作动器三种典型故障建立仿真模型,给出了仿真实现结果,并加以分析.仿真结果表明,方法的故障诊断能力及泛化性均强于传统的解析方法,在故障诊断中很有实用价值.     

火电厂生产过程故障诊断神经网络专家系统

将人工神经网络和专家系统结合地火电厂生产过程的故障诊断，提出并设计了热工过程故障诊断系统。同时对常规ＢＰ算法做了改进，神经网络则采用分层化与并联运用相结合的结构，从而使系统诊断速度和准确率得到提高。仿真结果表明了该系统设计的合理性和可行性。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

基于粗糙集的容错神经网络故障诊断系统

粗糙集和神经网络在故障诊断中都得到了广泛的应用，但两者都有其局限性，同时在许多方面有其互补性，融合粗糙集和神经网络各自的优势，建立了粗糙集——客错神经网络故障诊断系统。利用粗糙集对原始数据进行简约，导出最简诊断规则，根据选择的冗余约简和最简诊断规则建立粗糙集——容错神经网络故障诊断系统。以滚动轴承故障诊断为例，仿真结果表明系统提高了故障诊断准确率和诊断速度，消除了故障诊断中的误报和漏报现象。     

基于故障树模型的波音777故障诊断专家系统

当前波音777机务维修主要依据波音公司提供的故障隔离手册或经验两种方法进行排故,两种排故方法是分离的。提出基于故障树模型的波音777故障诊断专家系统,通过有效地结合故障树诊断方法和专家经验诊断直接、快速的优点,能够迅速、准确地确定飞机的故障部位,提高机务维修效率。以实例说明本系统在波音777故障诊断的应用。     

基于AR模型参数向量的灰度神经网络故障诊断方法

该文首先论述了以频域能量积分为诊断向量、以各种训练网络为诊断网络的方法在应用中存在的问题,然后提出了一种以AR模型参数作为旋转机械故障诊断向量、以灰色关联度神经网络作为诊断网络的新方法,并描述了诊断系统的具体实现过程。最后通过对10种典型旋转机械故障的仿真诊断比较了该文方法和以往方法的诊断效果。方法分析及仿真结果表明,该文方法比大多数以频域能量积分为诊断向量、以各种训练网络为诊断网络的方法有很多的优越性。     

故障知识库中树状结构的表示与实现

首先简要分析了民用飞机起落架故障知识结构特点，详细讨论了基于关系模型的知识库故障树存储结构的表示及实现方法，论述了Treeview的基本功能和在Boeing737起落架故障知识库开发中的应用等内容。     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

基于RBF网络的高炉热流分析传感器故障诊断

在炼铁高炉热流强度分析系统中要用到温度、流量等传感器,为确保热流分析系统中传感器数据的可靠性及系统的连续、稳定运行,诊断系统用径向基函数(RBF)神经网络对传感器进行故障判断。系统由上位机、温度及流量采集装置、传感器等组成,采用RBF神经网络为每一个传感器建立预测模型,网络的输入为传感器采集信号最近的n个值,输出为该传感器在n+1时刻的预测输出值。网络通过在线学习实现对传感器的在线故障监测,经仿真分析表明:用RBF神经网络构建预测模型可满足实时性的诊断要求,提高了诊断系统的诊断精度。     

汽车变速箱故障诊断中的时域同步阶次分析法的分析研究

旋转机械故障诊断技术是20世纪七、八十年代得到迅速发展的一项新技术；在实际的生产应用中，一般将齿轮箱的频谱分为低频、中频和高频分别进行处理，进而实现故障诊断；文章所述的汽车变速箱故障诊断系统利用时域同步平均法，在阶次分析理论基础上，对时域信号进行处理，根据信号源的不同提取各自时域信号并进行处理。进而实现故障诊断；结合试验，对基于阶次分析的时域同步平均法进行了详细的论述和结果验证。