民航发动机远程故障诊断技术展望

航空发动机因其结构复杂及高温高速的恶劣工作环境，时刻都可能发生故障。作为飞机的心脏，民航发动机的健康状况将直接影响飞行的安全和正点。本文将Ｉｎｔｅｒｎｅｔ的网络技术与民航发动机故障诊断技术有效地结合起来，使民航发动机的维护和诊断手段提升到远程诊断的网络环境，可以极大地提高故障诊断的水平及时性，这基于当前网络化信息化的发展趋势，此种形式具有明显的社会效益和经济效益。     

航空发动机故障远程诊断系统

基于WEB的航空发动机故障远程诊断系统是将传统的发动机故障诊断技术与WEB技术相结合的系统。该系统的建立使航空发动机的监控、诊断和维护技术融入网络环境,可以极大地提高发动机疑难故障诊断的准确性和及时性,体现了故障诊断技术网络化、信息化的发展趋势     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

航空电子设备远程智能故障诊断与监测系统的研究

在传统远程故障诊断结构的基础上,以Agent为基本单元,构造了一种航空电子设备远程智能故障诊断与监测系统模型,并对智能诊断与监控系统的任务分解、组成结构、实现方法和关键技术进行了分析研究。利用多Agent技术是未来复杂设备故障诊断的发展方向,将对实现设备的智能故障诊断产生巨大的推动作用。     

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元（GRU）动态网络和深度神经网络（DNN）,提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。     

基于RBF神经网络的航空发动机故障诊断

航空发动机的故障诊断研究在民航安全发面有着重要的意义，而故障诊断模型的建立尤其关键。采用径向基函数（RBF）神经网络建立发动机的故障诊断模型，论述了径向基函数神经网络的结构、学习和运行，并通过该模型对发动机参数进行辨识，结果表明RBF神经网络具有较高的故障诊断正确率。     

基于RBF神经网络的航空发动机故障诊断研究

采用改进算法优化了径向基函数(RBF)网络.针对航空发动机工作条件和结构的复杂性,提出了用RBF网络进行故障诊断的方法,构建了基于RBF网络的多参数航空发动机故障智能诊断模型,并对典型发动机故障进行了诊断.结果表明,RBF网络具有优秀的故障学习能力,采用它进行航空发动机故障诊断是行之有效的,具有较好的应用前景.     

航空发动机故障诊断技术

航空发动机故障诊断技术是实现航空发动机视情维修的重要一环,在航空发动机的设计、生产、使用和维护中起着非常重要的指导作用。本文在简要介绍航空发动机故障诊断技术的基础上,详细地介绍了其实施的基本环节、方法和目前常用的几种新型的航空发动机故障诊断技术,展望了航空发动机故障诊断技术的发展前景。     

航空发动机状态监控和故障诊断系统

航空发动机状态监控和故障诊断系统的研究,是把我国民航维修工作从经验型提高到科学型的重要课题之一。搞好这一课题的研究和成果应用,必将促进我国民航事业的发展,保证飞行安全正点,提高发动机的利用率,增加经济效益和社会效益,减少维修费用。本文从世界各航空公司采用和研制该系统的情况,结合我国民航维修工作的现状,提出了研究此系统的必要性,并对发动机参数趋势分析和气路分析、发动机振动分析作了较全面的讨论,提出了研究的途径和基本模型及所要达到的目的。     

基于监督流形学习的航空发动机振动故障诊断方法

航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。     

民用航空发动机航线维修专家系统设计分析

为了缩短民用航空发动机航线维修的时间,提高航线维修效率,降低航班延误率,针对民用航空发动机航线维修工作的特点,提出了基于故障特征利用模糊技术建立专家系统的模糊知识库,并结合智能检索技术建立民用航空发动机航线维修专家系统的方法,该方法能够提高专家系统解决问题的准确性和时效性。重点阐述了专家系统模糊知识库构建和智能检索技术的逻辑思路。相比于以关键故障特征为知识点建立的数据库,模糊知识库包含了更全面的故障特征知识。智能检索基于概念或语义检索,相比于关键词检索,对自然语言有更好地理解,便于航线维修工作人员使用。     

基于不完备知识的飞机发动机故障诊断研究

飞机发动机故障诊断需要厂家提供的诊断知识和不断积累的专家实践经验，具有不完备性。基于粗糙集理论，研究了一种从不完备诊断信息中获取诊断知识的方法。该方法将厂家提供的飞机发动机故障诊断知识和专家实践经验形成统一的诊断信息表，利用粗糙集的知识约简方法处理，获得一致的诊断规则，为飞机数字化维修技术的实现提供了保障。实例分析结果验证了所提出方法的有效性和优越性.     

航空发动机内窥检测智能诊断专家系统

内窥检测在航空发动机维护中得到广泛应用,但是目前的人工检测方式已经难以满足民航业的需求,将智能诊断专家系统引入到航空发动机内窥故障检测中,并集合了基于规则的专家系统和基于案例的专家系统的优点．研究了一种航空发动机内窥检测智能诊断混合专家系统,该系统首先对处理后的内窥图像进行规则推理,若无法找到匹配规则再转入案例推理,直至给出故障诊断结果和维修策略。通过实验检验,专家系统可以准确、快速地给出诊断结果。     

航空发动机故障诊断装置硬件在环实时仿真平台

硬件在环仿真是将算法由理论转为实际应用的重要步骤,而针对航空发动机故障诊断算法的硬件在回路仿真平台的研制目前还处于初级阶段。基于已有的民用大涵道比涡扇发动机非线性模型,利用基于x PC的自动代码生成技术,搭建了基于工控机与DSP的故障诊断装置硬件在回路实时仿真系统,并对平台的性能参数、使用流程进行了说明。提出了1种故障诊断算法并进行了硬件在回路验证。针对搭建的平台,提出1种故障诊断算法的评价标准。     

基于神经网络和证据融合理论的航空发动机气路故障诊断

为解决航空发动机这一复杂系统的故障诊断问题,提高智能化诊断方法的准确率,使用了改良的D-S证据理论,对基于自组织竞争网络和BP神经网络的2个诊断子系统的诊断结果进行决策级融合。结果显示,经过融合整个系统降低了误诊率,改善了诊断性能。文章还针对噪声干扰的情况,通过调整对于2个子系统的权重,在保证高准确率的同时提高了系统的抗噪声性能。研究结果表明D-S证据理论的使用可以达到比单独运用2个神经网络子系统都要好的诊断效能。     

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

基于RDK-ELM 的航空发动机控制系统故障诊断

为保持较高诊断正确率,缩短训练时间,满足航空发动机故障诊断对于实时性和高诊断率的需求,提出1种对深度核极限学习机的简约改进方法。输入数据中随机选取部分数据作为支持向量,结合深度学习网络的多层结构,完成了对输入样本的特征提取,通过核函数实现了高维空间映射分类。数字仿真表明:算法分类正确率高,训练时间短,可应用于航空发动机控制系统的故障诊断。     

基于模糊粗糙集的飞机远程故障诊断模型研究

粗糙集和模糊集结合在飞机故障诊断领域有巨大的发展潜力。针对当前飞机故障诊断中所存在的问题,借助C/S模式,将粗糙集和模糊集结合,提出一种新型的飞机远程故障诊断模型,并且开发出远程诊断系统框架。系统的可行性和有效性得到了飞机故障诊断实例的证实。该系统具有客户端响应快、系统效率高、诊断及时的特点,对于当前民用飞机远程故障诊断具有重要应用价值。     

磨粒分析技术及其在发动机故障诊断中的应用

基于显微形态学方法的磨损微粒显微分析技术是近年来出现的解决发动机磨损故障诊断问题的新方法之一。应用形态学分析方法建立一套磨粒显微特征描述体系提取磨粒特征信息,作为磨粒识别的信息基础,可以准确地完成磨粒自动识别。基于发动机润滑系统磨粒分析的结果和颗粒摩擦学理论,比较准确地评估出发动机接触磨损部件的磨损状态,进而诊断或预测此类磨损故障;另外,此项分析诊断技术在发动机气路磨损故障诊断中也具有潜在的应用前景。