基于EHM软件思路的QAR数据处理

EHM软件应用于发动机巡航阶段的QAR数据处理,一方面可以发挥QAR数据的优势,弥补了ACARS数据量小的缺点,另一方面为QAR数据监控和管理提供思路,服务于发动机排故和机队管理,提升民航飞行安全水平。     

用于航空发动机故障诊断的双发性能参数差值分析法

为克服双发民用飞机目前普遍采用的3大发动机生产厂家(Original Equipment Manufacturer,OEM)开发的发动机性能监控软件的局限性,研究总结了双发性能参数差值分析法。通过3起发动机故障诊断实际案例,利用该方法对双发性能参数进行差值计算,并观察其变化趋势,可以有效地排除外界飞行条件等的影响,高效地判断出发动机故障;同时,可以对飞机航空专用数据链通信系统(Aircraft Addressing and Reporting System,ACARS)报文上任何所需的参数进行分析。     

V2500发动机性能监控几起典型故障分析

民用航空发动机性能状态监控是保证飞行安全的重要手段,但目前发动机性能状态监控主要以视情维护为主.本文列举了实际工作中遇到的V2500发动机性能状态趋势变化的不同形式,并结合具体实例进行了分析和总结.     

QAR数据分析在机队管理中的应用

为了解决PW4077D发动机出现多起起飞前EGT(发动机出口温度)高的问题,我们利用QAR数据建立PW4077D发动机起飞工作模式.采用QAR(QUICK ACCESS RECO RDER)数据(多航段)做出发动机全程工作曲线,观察参数变化规律.     

基于滑窗检测的机载设备故障诊断仿真系统

根据机载设备故障诊断的需求,结合飞机性能监控系统的结构框架和机载设备的特点,提出基于快速存取记录器（QAR）记录的飞行数据和滑窗检测原理的机载设备故障诊断算法,并实现相应的机栽设备故障诊断仿真系统。在简述QAR数据译码与数据选择方法的基础上,论述了滑窗检测的原理并对其性能进行分析：设计实现了基于QAR的机载设备故障诊断仿真系统并给出仿真结果。结果表明,该系统可以有效诊断存在的故障,并能大大降低虚警概率,对保障飞行安全具有重要意义。     

基于特征增维和近邻成分分析的民航发动机故障分类方法

为提高航空发动机故障诊断准确度,提出了一种从快速存取记录器（QAR）数据中提取最合适故障特征的方法。对原始 QAR数据进行缺失值填补和巡航点提取操作,选择部分发动机性能参数差值作为初始特征值;再采用特征增维方法挖掘隐藏特征 信息,进而采用近邻成分分析算法进行特征筛选优化,将所提方法与朴素贝叶斯等4种分类算法相结合,对某航空公司CFM56-7B 发动机的QAR数据进行试验验证。结果表明：从QAR数据中提取最合适故障特征的方法能有效地提高发动机故障分类算法的准 确率,且适用于不同的诊断算法,准确率优于80%。     

基于QAR数据的飞机系统故障预测与故障诊断支持系统研究

本文介绍了基于QAR数据的飞机系统故障预测与故障诊断支持系统模型的构成和实现技术。文章中提出的基于动态链表的QAR数据译码技术为译码各种机型QAR原始数据提供了一种高效的方法。另外,系统将各种诊断知识组成知识库,以译码后的QAR数据为分析对象,以知识库中的知识为判据,最后智能地根据飞行性能,给出故障预测与故障诊断信息。     

A320飞机选装发动机性能及使用比较

空客A320飞机选装的发动机主要是CFM56-5B和V2500-A5.本文对它们各自的性能特点、市场优势和使用效果与成本进行了比较,为航空公司选用发动机提供一定的参考,并为飞行员和机务人员了解相关发动机的性能和操作提供帮助,以降低运营成本,保障飞行安全.     

航空发动机控制系统传感器FDIA系统仿真

基于卡尔曼滤波器组,建立了航空发动机控制系统传感器故障诊断系统,实现了对单个传感器故障的检测、隔离与重构(FDIA),确保了发动机控制系统即使在传感器故障发生的情况下,依然能安全可靠地工作.同时利用Simulink建立一个通用的发动机传感器故障诊断仿真平台,在此仿真平台上,对故障的诊断进行仿真验证,并分析了测量噪声对故障诊断系统性能的影响,为发动机在线传感器故障诊断系统的实现提供理论依据.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

Aircraft engine fault detection based on grouped convolutional denoising autoencoders

Many existing aircraft engine fault detection methods are highly dependent on performance deviation data that are provided by the original equipment manufacturer. To improve the independent engine fault detection ability, Aircraft Communications Addressing and Reporting System (ACARS) data can be used. However, owing to the characteristics of high dimension, complex correlations between parameters, and large noise content, it is difficult for existing methods to detect faults effectively by using ACARS data. To solve this problem, a novel engine fault detection method based on original ACARS data is proposed. First, inspired by computer vision methods, all variables were divided into separated groups according to their correlations. Then, an improved convolutional denoising autoencoder was used to extract the features of each group. Finally, all of the extracted features were fused to form feature vectors. Thereby, fault samples could be identified based on these feature vectors. Experiments were conducted to validate the effectiveness and efficiency of our method and other competing methods by considering real ACARS data as the data source. The results reveal the good performance of our method with regard to comprehensive fault detection and robustness. Additionally, the computational and time costs of our method are shown to be relatively low.     

子方阵分析法对发动机进行故障诊断

本文提出的子方阵分析法可在测量参数较少的情况下对部件故障进行诊断。本方法的特点是将故障参数进行组合,每组中故障参数数目等于监测参数数目,以使故障参数可对监测参数求解。本文给出了选择最可能的解的选择准则,数值试验证明这个方法对诊断一个部件或同时有两个部件出现故障是非常有效的,这正是发动机出现故障的早期情况。本文也指出了必须十分注意的问题,以免误诊。本方法用于 JT9D发动机显示了其有效性。      

基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法

 在航线排故过程中,常会出现飞机远程实时故障报文信息的“飞机通信与寻址系统(ACARS)虚警”现象,使排故效率降低。对此,本文将灰色聚类和滤波理论结合提出了一种新的辨识算法——灰色聚类滤波算法,将常增益滤波引入灰色聚类算法,在灰色聚类算法中使用ACARS报文故障的当前数据分类故障、判断虚警的基础上,增加报文故障的历史数据,用滤波方法将历史的和当前的数据结合起来,提高辨识虚警的准确性。本算法应用于航空公司的波音777机队,能够有效辨识飞机实时故障报文信息中的虚警。     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。     

发动机故障诊断的主特征量模型

 本文提出了发动机状态监控气路分析的主特征量模型。主特征量摸型的基本原理为对于发动机部件匹配热力学关系式的小偏差方程组,利用最优化方法求出各种可能的故障组合的最优解,然后根据合理性判据选择合理的最优解。主特征量模型可以在可能的故障参数数目大于测量参数数目的情况下,对主要故障参数进行故障诊断。与目前广泛采用的影响系数矩阵法比较,主特征量模型可以用于测量参数数目较少的情况,并且可以给出较多的故障诊断信息,因此具有广泛的实用意义。文中给出了主特征量模型的三种数学模型,讨论了利用主特征量模型进行故障诊断的有关技术问题,并且通过计算机模拟方法对主特征量模型的适用性及可靠性进行了分析。研究结果表明,本文提出的主特征量模型是发动机状态监控与故障诊断的一种有效方法。     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

飞行状态数据的有效性检查

ＥＭＤ（发动机状态监控和故障诊断）系统应用于ＭＤ－８２飞机上的ＪＴ８Ｄ－２１７发动机时，由于人工记录和人工键入飞行数据造成飞行数据存在严重的质量问题，给发动机的趋势分析和故障诊断带来很大的困难。本文介绍了ＥＣＭＩ对飞行状态参数进行有效性检查的方法，提出了采用主因子模型对发动机进行故障诊断时，用来识别是飞行状态数据的质量问题，还是发动机指示系统故障的判别准。则强调了记录飞行数据应达到的条件及数据质量的指标。所有这些对提高趋势分析和故障诊断的成功率都取得了很好的结果     

发动机经验故障方程的建立与应用

本文提出了根据发动机故障样本建立故障方程的方法。发动机经验故障方程是不同于发动机小偏差方程的另一类故障方程,它为发动机故障诊断提供了一条简便易行的途径,并且使发动机故障诊断范围扩展到气路分析方法难以适用的场合。文中讨论了经验故障方程的建立方法及其在发动机故障诊断中的应用,给出了利用经验故障方程进行发动机故障诊断的实例。