基于人工神經(jīng)網(wǎng)絡的民航發(fā)動機故障診斷技術(shù).pdf

1、航空發(fā)動機是民航飛機的心臟而且飛機的維修成本占航空公司整個成本的10％-20%，所以發(fā)動機故障的診斷和監(jiān)控，是保障民機安全性和經(jīng)濟性的重心。在發(fā)動機故障診斷中，發(fā)動機都被抽象為一個典型復雜的機械系統(tǒng)，由于發(fā)動機的結(jié)構(gòu)復雜、模型的非線化、診斷方法多樣、加上飛行因素和噪聲因素易對故障診斷產(chǎn)生不良影響，導致要建立高精度的故障診斷模型很難。因此本文主要研究發(fā)動機故障診斷技術(shù)，包括發(fā)動機監(jiān)控狀態(tài)數(shù)據(jù)的提取和建立精確的故障診斷模型根據(jù)監(jiān)控狀態(tài)參數(shù)預

2、報故障的發(fā)生。本文從提高發(fā)動機故障診斷的魯棒性目標出發(fā)，設(shè)計可靠的監(jiān)控狀態(tài)數(shù)據(jù)提取過程，然后利用人工神經(jīng)網(wǎng)絡訓練發(fā)動機故障診斷模型預測未知樣本數(shù)據(jù)的故障模式，主要進行了以下幾方面的工作：
　　（1）提取發(fā)動機監(jiān)控狀態(tài)數(shù)據(jù)構(gòu)建樣本空間。ACARS設(shè)備返回的數(shù)據(jù)不足以支持發(fā)動機故障的在線訓練和實時診斷，而QAR記錄信息完備且頻率高，選擇通過ACARS和QAR數(shù)據(jù)共同構(gòu)建樣本空間。對于QAR數(shù)據(jù)幀結(jié)構(gòu)，飛行參數(shù)主要為離散量、數(shù)字量和模擬

3、量三種類型，為這些不同氣路參數(shù)設(shè)計相應譯碼算法，實現(xiàn)對存儲設(shè)備二進制原始數(shù)據(jù)的工程轉(zhuǎn)譯。對于ACARS數(shù)據(jù)幀結(jié)構(gòu)，根據(jù)ARINC-620協(xié)議，設(shè)計用于描述具體參數(shù)的類庫，然后設(shè)計對應譯碼函數(shù)。
　?。?）對樣本數(shù)據(jù)進行預處理和多源融合。氣路參數(shù)的預處理包括氣路數(shù)據(jù)的平滑和時間配準。通過采用移動平均平滑法，提高數(shù)據(jù)和樣本可用性。并且進行多源參數(shù)處理時，采用的采樣頻率不一，多條路徑得到的觀測數(shù)據(jù)與征兆數(shù)據(jù)不同步，采用三次樣條插值方法進

4、行幀數(shù)據(jù)重繪工作，得到擬合輸入點分布的插值樣條。
　?。?）利用人工神經(jīng)網(wǎng)絡建立發(fā)動機故障診斷模型。為了提高系統(tǒng)故障診斷魯棒性，對人工設(shè)計網(wǎng)絡進行了優(yōu)化，同時構(gòu)建合理的樣本空間。針對氣路參數(shù)故障和機械故障，分別建立個體神經(jīng)網(wǎng)絡，通過樣本空間中樣本訓練出最優(yōu)的故障診斷模型，測試結(jié)果表明，兩個個體神經(jīng)網(wǎng)絡都能取得很高的診斷正確率、實時性能好。為了進一步提升故障診斷效果，采用自適應加權(quán)方法集成多個神經(jīng)網(wǎng)絡，對所有神經(jīng)網(wǎng)絡的輸出進行加權(quán)平