基于人工神經(jīng)網(wǎng)絡(luò)的民航發(fā)動(dòng)機(jī)故障診斷技術(shù).pdf

1、航空發(fā)動(dòng)機(jī)是民航飛機(jī)的心臟而且飛機(jī)的維修成本占航空公司整個(gè)成本的10％-20%，所以發(fā)動(dòng)機(jī)故障的診斷和監(jiān)控，是保障民機(jī)安全性和經(jīng)濟(jì)性的重心。在發(fā)動(dòng)機(jī)故障診斷中，發(fā)動(dòng)機(jī)都被抽象為一個(gè)典型復(fù)雜的機(jī)械系統(tǒng)，由于發(fā)動(dòng)機(jī)的結(jié)構(gòu)復(fù)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(duì)故障診斷產(chǎn)生不良影響，導(dǎo)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(dòng)機(jī)故障診斷技術(shù)，包括發(fā)動(dòng)機(jī)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(yù)

2、報(bào)故障的發(fā)生。本文從提高發(fā)動(dòng)機(jī)故障診斷的魯棒性目標(biāo)出發(fā)，設(shè)計(jì)可靠的監(jiān)控狀態(tài)數(shù)據(jù)提取過(guò)程，然后利用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練發(fā)動(dòng)機(jī)故障診斷模型預(yù)測(cè)未知樣本數(shù)據(jù)的故障模式，主要進(jìn)行了以下幾方面的工作：
　?。?）提取發(fā)動(dòng)機(jī)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(dòng)機(jī)故障的在線訓(xùn)練和實(shí)時(shí)診斷，而QAR記錄信息完備且頻率高，選擇通過(guò)ACARS和QAR數(shù)據(jù)共同構(gòu)建樣本空間。對(duì)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(jì)相應(yīng)譯碼算法，實(shí)現(xiàn)對(duì)存儲(chǔ)設(shè)備二進(jìn)制原始數(shù)據(jù)的工程轉(zhuǎn)譯。對(duì)于ACARS數(shù)據(jù)幀結(jié)構(gòu)，根據(jù)ARINC-620協(xié)議，設(shè)計(jì)用于描述具體參數(shù)的類庫(kù)，然后設(shè)計(jì)對(duì)應(yīng)譯碼函數(shù)。
　?。?）對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理和多源融合。氣路參數(shù)的預(yù)處理包括氣路數(shù)據(jù)的平滑和時(shí)間配準(zhǔn)。通過(guò)采用移動(dòng)平均平滑法，提高數(shù)據(jù)和樣本可用性。并且進(jìn)行多源參數(shù)處理時(shí)，采用的采樣頻率不一，多條路徑得到的觀測(cè)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(jìn)

4、行幀數(shù)據(jù)重繪工作，得到擬合輸入點(diǎn)分布的插值樣條。
　?。?）利用人工神經(jīng)網(wǎng)絡(luò)建立發(fā)動(dòng)機(jī)故障診斷模型。為了提高系統(tǒng)故障診斷魯棒性，對(duì)人工設(shè)計(jì)網(wǎng)絡(luò)進(jìn)行了優(yōu)化，同時(shí)構(gòu)建合理的樣本空間。針對(duì)氣路參數(shù)故障和機(jī)械故障，分別建立個(gè)體神經(jīng)網(wǎng)絡(luò)，通過(guò)樣本空間中樣本訓(xùn)練出最優(yōu)的故障診斷模型，測(cè)試結(jié)果表明，兩個(gè)個(gè)體神經(jīng)網(wǎng)絡(luò)都能取得很高的診斷正確率、實(shí)時(shí)性能好。為了進(jìn)一步提升故障診斷效果，采用自適應(yīng)加權(quán)方法集成多個(gè)神經(jīng)網(wǎng)絡(luò)，對(duì)所有神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行加權(quán)平