基于模糊综合评判的航空发动机可靠性分配方法

利用模糊语言变量和模糊数适于量化模糊信息的特点,从评价集设置、因素权重赋值和单因素评判等方面,对现有的模糊综合评判方法进行改进,然后据此提出了一种设计初期航空发动机可靠性模糊分配的方法,该方法可在可靠性数据缺乏的情况下,利用专家经验得到不同置信水平下的航空发动机故障率指标分配结果     

基于模糊综合评判的航空发动机排故流程设计方法

根据模糊综合评判理论,提出了一种基于模糊综合评判的航空发动机排故流程设计方法。研究了航空发动机排故流程中部件受检次序的模糊综合评判模型的建立、评判模型中各影响因素权重的确定及模糊综合评判方法三大问题。最后给出了应用实例,取得了比较好的效果。     

一种航空发动机数控系统可靠度分配的方法

在V ague集理论的表决模型中引入了倾向性因子,并据此提出了一种可靠性影响因素赋权的方法。将此方法与模糊综合评判理论结合,建立了综合评判系统各单元之间相对失效系数的模型。然后借助该模型及MATLAB软件,提出了一种具有冷贮备单元的航空发动机数控系统可靠度的模糊分配方法。该方法适用于缺乏可靠性数据的方案论证及初步设计阶段。      

基于模糊相似比例与综合评判的发动机可靠性分配

为了在可靠性指标分配时能充分利用相似旧机型已有的可靠性信息,提出在航空发动机初期设计的可靠性分配阶段采用模糊相似比例与模糊综合评判相结合的可靠性指标分配方法.该方法既能充分利用相似旧机型的可靠性数据,同时又能通过模糊综合评判,对基于相似旧机型的可靠性比例分配结果进行修正,实现了在可靠性分配阶段确定性信息和不确定信息的互补,进一步优化了可靠性分配结果.      

航空发动机性能综合评判模型

利用模糊数学的模糊聚类原理,选取适当的影响因子,建立了航空发动机性能综合评判模型,对所录取的航空发动机在多个试验工况下的试验数据进行了聚类分析。结果表明:计算结果与实际结果吻合,为航空发动机性能综合评判提供了重要依据。     

航空产品重要度分类的模糊评判方法

提出一种航空产品重要度分类的模糊评判方法。建立了进行航空产品重要度分类的模糊综合评判模型。该模型描述了重要度分类中的模糊因素,避免了重要度分类逻辑决断法的缺陷和不足。最后给出了该方法的一个应用实例。     

基于RCM 和模糊综合评判的航空发动机附件维修决策分析

针对RCM理论在定量决策中的不足引入模糊综合评判方法,分析影响航空发动机附件功能的因素,采用层次分析法确定了各因素的权重,再通过专家调查表确定了各因素隶属度,进行了定量计算,确定了航空发动机附件的维修方式。根据使用中对安全性、任务性、经济性的不同要求,建立了基于可靠性的维修间隔期模型。通过收集燃油增压泵的外场故障数据并进行分布拟合,得到故障数据服从2参数威布尔分布;最后应用维修间隔期数学模型进行计算,确定其定时维修间隔期为2000 h。     

航空发动机可靠性目标值的模糊决策

由于航空发动机研制初期数据缺乏,采用传统的方法往往很难合理地确定航空发动机可靠性的目标值,而运用模糊决策理论对其进行模糊决策不失为可行的方法之一。为此,给出了航空发动机可靠性目标值模糊决策的基本方法,并且研究了具体的应用方法。     

基于AHP-FCE的航空应急救援能力评价研究

分析了航空应急救援的特点、要求以及航空应急救援行动的影响因素,构建了航空应急救援评价指标体系,运用层次分析法和模糊综合评判建立了评价模型,并通过实例分析,给出了模型分析的基本过程。     

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。     

基于模糊信息熵的航空发动机性能评估和可靠性分析

以航空发动机为研究对象,利用发动机测量参数变化评估发动机综合性能。将多个测量参数通过模糊信息熵方法转化成1维参数,克服了1个参数不能全面反映发动机性能的缺点;结合性能退化可靠性理论和随机过程方法,通过分析发动机性能退化过程,运用威布尔分布建立了基于随机过程的性能退化过程中的发动机性能可靠性模型。结果表明：通过模糊信息熵方法得到的性能参数能较好地反映发动机性能状况及可靠性程度。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。      

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.