基于粗糙集理论的飞机供电系统诊断规则提取

 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”，在对某型号飞机供电系统进行故障模式分析的基础上，利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点，提出了一种诊断规则的自动获取方法。在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中，针对“不确定测量状态”提出了改进的约简规则。通过在交流一次配电子系统上的验证分析表明，该方法具有较强的容错能力，可有效地约简知识，自动获取规则，且规则具有正确的逻辑意义。该方法为飞机供电系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

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。     

集成时间信息的液体火箭发动机故障诊断推理

提出一种液体火箭发动机集成时间信息的定性建模和故障诊断推理方法。该方法以谓词逻辑公式和子句的形式对发动机定性特征和试车过程中的观测信息加以描述，同时基于归结原理和假言推理规则的演绎推理方法进行诊断问题求解。结合实际试车数据的检验结果表明，该方法为液体火箭发动机试车过程中动态诊断知识的表达和组织，提供了一种简洁有效的方式．计算量小．检测速度快，且具有较强的诊断能力。     

人工智能系统发动机故障诊断

作为人工智能研究中面向实际应用的课题，本系统综合安２４飞机发动机故障诊断的专家经验和各种典型实例，用基于规则的演绎推理系统，实现了对飞机发动机故障的经验性诊断。并利用人机对话方式，提供推理报告，进行自学习（机器学习）。系统模型由知识库、推理机制、自学习机制及解释机制四个模块构成，它们相对独立，能进行平行处理。有利于调试、修改及扩充新知识。同时本系统还有效地解决了栈空间的问题。其调试结果表明：与ＩＮＳＩＧＨＴ２相比，响应时间短，速度快，功能强。并有较好的用户界面。具有一定的实用性。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

基于粗糙集-神经网络的机载设备故障诊断方法研究

提出了一种基于粗糙集-神经网络的故障诊断方法。将粗糙集理论同神经网络结合起来可以用于机载设备的故障诊断。采用粗糙集理论对原始故障诊断样本进行处理,并根据条件属性对决策属性的正域的大小来选择条件属性,提取出对诊断故障贡献最大的最小故障特征集,从而确定神经网络的拓扑结构;通过训练神经网络建立故障特征与故障之间的映射关系,实现故障的诊断。通过A320飞机燃油系统的故障诊断仿真实例,表明这种故障诊断方法的有效性。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

模糊匹配和CBR技术在航空发动机维护中的研究

结合模糊匹配方法和案例推理技术(CBR)建立飞机故障诊断的数学模型。该模型能够快速准确地诊断故障原因、进行故障案例匹配。诊断实例表明,模糊匹配方法和 CBR 技术的结合,可以有效地解决飞机发动机故障诊断中的问题。     

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。     

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。     

基于变精度粗糙集的航空发动机故障诊断

针对航空发动机故障诊断的实际情况,在分析粗糙集理论缺陷的基础上,引入变精度粗糙集模型对专家给出的样本集进行处理,并将所得到的极小化决策算法用于历史故障样本集的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及小样本情况下所得决策算法的普适性.      

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.     

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

航空发动机滑油诊断专家系统

本文介绍一个应用于航空发动机滑油系统故障诊断的专家系统 ,它是采用 Turbo Prolog语言在微机上实现的 ,便于维修现场使用。用户可采用对话方式或菜单选择方式输入故障证据 ,系统利用反向推理机制 ,按照知识库中的规则排序决定规则激发的优先权 ,对于推理结果还能够进行图形解释。该系统还提供了知识获取和知识库维护功能 ,构成了完整的故障诊断和咨询系统     

航空发动机振动数据管理系统建立及应用

介绍了利用航空发动机台架试车的振动测试仪器、磁带记录仪、信号分析仪与计算机联机，对其振动数据进行自动采集、分析处理建库。并基于ＯＲＡＣＬＥ数据库管理系统的ＰＲＯ＊Ｃ工具，开发了航空发动机台架试车振动数据管理系统，实现了振动数据的自动录入、动态检索以及振动特性分析等功能。     

基于光谱D-S证据融合的航空发动机故障诊断技术

研究了基于光谱信息的发动机磨损故障Dempster-Shafer证据融合诊断方法,确定了其故障识别框架和诊断规则;采用分区间S函数确定了mass函数的形式,融合了油液中7种金属元素浓度信息和浓度变化率信息,并应用于航空发动机磨损故障诊断.     

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。     

基于知识管理的航空发动机设计知识分类与获取

现代航空发动机设计是基于知识的设计,知识分类与获取是航空发动机设计知识管理的起点,也是难点.实施知识获取技术能够使得设计知识有效积累,推动设计知识管理实施,从而真正实现基于知识的设计,提高航空发动机设计水平.分析了航空发动机设计过程、航空发动机结构,提出了航空发动机设计知识分类方法、知识获取策略与获取方法,进一步探讨了...     

基于知识规则的发动机磨损故障诊断专家系统

针对某型发动机试车状态的磨损故障诊断问题,运用了两种最常用的滑油分析技术——铁谱分析和光谱分析,同时结合发动机试车台监测数据,对该型发动机试车过程中的磨损故障进行专家诊断。首先依据领域专家的经验,通过分析得到了各种分析方法的诊断专家知识,并将其转换为基于if-then的知识规则存放于知识库中;其次,依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,统一转换成故障征兆的字符表达式;最后,根据应用正向推理机得到磨损故障的诊断结果。