飞机系统的智能化故障诊断研究

通过分析民航外场维修诊断现状，综合运用人工智能，模糊逻辑和神经网络等先进理论，提出了一种基于模糊系统与神经网络融合的飞机系统智能故障诊断方法，该方法经对A320飞机故障实例的诊断仿真，得出了比较满意的结果。     

基于神经网络信息融合的智能故障诊断方法

飞行状态时的飞机舵面故障诊断系统,含有系统和测量噪声及其时变、非线性等特点,采用常规的故障诊断方法很难实现对飞机舵面故障的准确诊断和告警,为了更好的实现对飞机舵面系统的故障诊断,将神经网络信息融合的智能故障诊断方法首次运用到舵面系统故障诊断中.该智能诊断方法应用神经网络的非线性拟合能力扩展舵面相关线位移传感器测量信息,同时采用D-S算法将相关传感器的输出信息进行融合,最后信息融合诊断策略根据这些信息确定出舵面相应的故障类型,从而可以对舵面故障信号进行有效识别和诊断.建立了某机舵面系统故障诊断的数学模型,并利用该模型对提出的智能故障诊断方法进行仿真验证,最后的仿真实验结果表明:该故障诊断结构形式对于舵面常见的故障能够进行识别和告警,诊断效果令人满意.     

基于PNN的飞机发动机故障诊断研究

鉴于概率神经网络良好的分类性能,提出一种基于PNN的飞机发动机故障诊断方法,成功对三种典型飞机发动机转子故障做出了正确诊断。研究表明,PNN网络诊断准确,对测量噪声有良好的鲁棒性,具有较好的工程应用前景。     

基于卷积神经网络的飞机液压系统故障诊断

现代飞机系统的复杂度和集成度均大幅提升,使得其故障诊断存在难度高和准确率低等特点。采用一维卷积神经网络方法对军用飞机液压系统的故障诊断问题进行了研究,构建了满足多传感器数据分析要求的卷积神经网络模型。考虑到神经网络的输入来自不同的传感器数据序列,各数据序列之间的空间关系不明显,因此,即使网络输入是二维形式,而实际的卷积操作均在一维上进行。通过解决某飞机液压系统的故障诊断问题,证明将标准化后的多传感器数据序列及对应故障模式作为训练样本对卷积神经网络模型进行训练时,采用满足训练要求的网络对飞机液压系统进行故障诊断时具有较高的准确率。     

一种改进的BP神经网络在飞机燃油系统故障诊断中的应用

将一种改进了的BP神经网络算法应用于飞机燃油系统故障诊断中，仿真验证结果表明，该算法具有诊断速度快、误诊率低的特点；并为开发基于神经网络的飞机燃油故障诊断专家系统奠定了基础。     

故障诊断的信息融合方法

对基于信息融合的故障诊断方法进行综述．首先简要阐述信息融合的基本概念以及信息融合与故障诊断的关系;然后介绍贝叶斯定理融合故障诊断、模糊融合故障诊断、证据理论融合故障诊断、神经网络融合故障诊断和集成信息融合故障诊断方法的诊断原理与步骤。并分析其特点和局限性;最后给出了信息融合故障诊断研究的若干发展方向．     

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。     

基于DFT的飞机电源网络化故障诊断方法

针对目前飞机恒速恒频交流(CSCF-AC)电源系统故障诊断方法中存在的虚警率高、信息不能共享等问题,提出一种基于动态故障树(DFT)的CSCF-AC电源系统网络化故障诊断方法。通过在普通布尔算子中引入BEFORE算子,对CSCF-AC电源系统动态故障树进行定性分析,得到系统的失效模式,在此基础上建立一个包括机内自检、地面诊断和远程专家诊断在内具有三层结构的网络化故障诊断系统。实验结果表明,该方法有效可靠,具有一定的工程实用性。     

基于故障树和神经网络的飞机电源系统故障诊断

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术,提出了基于故障树和神经网络的集成故障诊断思想。在此基础上,以交流发电机旋转整流器二极管开路故障为例进行了实例分析,说明了故障树和神经网络集成故障诊断技术对此故障的诊断,结果表明该方法用于解决此类问题是有效的。     

飞机液压系统故障诊断

为有效诊断飞机液压系统故障,根据液压系统压力信号采用了熵权ABC-BP神经网络的故障诊断模型。模型先提取飞机液压系统压力信号的特征值,根据熵权法计算特征值信息熵,选取熵权值较大的作为神经网络的输入,同时利用人工蜂群优化BP神经网络,将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的个体参数作为神经网络的权值和阈值,不仅降低模型输入维度,还提高了诊断精度。最后建立了飞机起落架收放系统仿真模型进行仿真研究,结果表明该诊断模型具有较好的故障诊断效果,为飞机液压系统故障诊断提供一种新思路。     

基于专家系统的飞机燃油故障诊断方法研究

对于飞机燃油系统故障诊断问题，提出了一种利用专家系统进行飞机燃油系统故障诊断的新方法。通过构建专家系统知识库和推理机，同时利用LabVIEW工具建立了相应的软件环境，开发了飞机燃油故障诊断系统。仿真结果表明，该系统很好地发挥了专家系统的智能性，能够快速准确地诊断出燃油系统的故障，并能提出有效的重构方案，完全适合于飞机燃油系统的故障诊断。     

集成神经网络信息融合技术在变压器故障诊断中的应用

研究建立集成神经网络信息融合的故障诊断系统,它以信息融合技术为基础,采用神经网络从不同侧面对设备故障进行初步诊断,然后将子神经网络进行决策融合,根据融合结果识别故障。将其应用在变压器故障诊断中,充分的利用个各种信息,大大提高了故障确诊率。     

基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．     

轴承故障融合诊断方法

针对传统人工神经网络在故障诊断中应用的局限性 ,提出一种基于小波变换、遗传算法与神经网络的融合故障诊断方法。该方法先用小波变换对原始采样信号进行特征提取 ,再用遗传算法优化选择最为重要的特征作为神经网络的输入参数。最后 ,由神经网络进行状态识别和特征分类。这样不仅减少网络训练时间 ,降低网络计算量 ,而且有效提高分类的准确性及故障诊断的可靠性。轴承故障诊断实验结果表明 ,该方法是有效的。     

飞机发电机故障诊断的多特征参数组合分析

针对飞机发电机振动特征参数多、故障特征参数难以准确识别飞机发电机健康状况的现状,设计了发电机振动信号实时采样装置对飞机发电机转动时的多种频域参数及幅域参数进行采样,并引入小波分析计算各频带能量值,构建神经网络进行故障判定,选用不同的振动特征参数组合对检验样本进行验证以期获得指向性较好的飞机发电机故障特征参数.诊断结果表明,利用RBF网络对发电机故障诊断,采用基于幅值域的特征参数峭度指标、峰值因子、脉冲指标、裕度指标、歪度和基于频域的重心频率、均方根频率、频率标准差,再考虑进小波包分频带能量值作为神经网络的输入参数指标,可取得良好的诊断准确率.     

飞机仪表设备故障状态管理研究

本文根据飞机仪表设备的故障特点，运用现代管理理论与方法，提出利用微型计算机对飞机仪表进行状态管理的基本模式，着重对飞机仪表设备故障信息的获取、故障寻迹管理、故障冗余管理和状态维修管理进行了分析和讨论。