基于状态维修的APU起动机监控模型的建模与实现

当前民航领域对于APU起动机的维护方式主要是反应式维修,不仅增加了维护成本,而且容易导致由于APU不能起动而影响航空公司运行品质。本文将着重介绍基于状态维修的理念,通过分析ACARS的A13号报文(APU起动/慢车报)获得运行参数,应用统计分析方法建立APU起动机监控模型,并以实际的案例验证监控模型的有效性。     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

基于预防性维修的APU性能评估建模与监控方法

当前民航领域对于辅助动力装置(APU)的维护方式主要有反应式维修和预防维修两种,但这两者都不能满足当前航空公司既要提升运行可靠性,又要节约维护成本的期望.本文将着重介绍APU的性能评估建模及监控方法.通过分析ACARS采样数据获得运行参数,应用统计分析获得关键参数以及参数修正数学模型.经过长期的数据分析获得关键参数阈值,从而评估APU性能.     

基于深度信念网络的航空发动机维修等级决策

准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络（DBN）算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。      

基于大数据分析平台的APU维修决策优化

通过科技创新建立的APU全寿命及成本管理系统是一个大数据分析平台,运用概率神经网络对APU系统故障进行智能判断,运用0-1线性规划法自动产生基于APU性能的维修管理决策,运用价值工程方法产生基于价值系数的维修管理决策。该系统的应用提高了APU的可靠性和经济性,使APU的维修决策由静止的、事后分析可靠性转变为预测性、基于概率分析方法的维修决策。     

基于灰色神经网络组合模型的航空发动机磨损趋势预测

航空发动机的磨损机理十分复杂,且受到诸多不确定因素影响,单一预测模型难以对其变化趋势进行有效预测。针对该问题提出了一种BP网络与改进灰色模型相融合的组合预测模型,并引入混沌理论的C—C方法确定BP网络的嵌入参数和时间延时。仿真结果显示,该组合模型相比单一的神经网络模型和灰色模型精度更高,更客观地反映出发动机滑油中金属含量的变化趋势,可为科学制定发动机维修决策提供重要依据。     

基于灰色神经网络的疲劳裂纹预测方法研究

为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法。将灰色GM（I,1）模型向BP网络映射,建立了一维灰色神经网络GNNM（1,1）模型。基于灰色GM（1,1）模型的发展系数和灰作用量给出了GNNM（1,1）模型初始权值。应用建立的GNNM（1,1）模型预测了某不锈钢构件腐蚀疲劳裂纹的扩展,并与GM（I,1）模型的预测结果进行了对比,表明GNNM（1,1）模型具有更高的预测精度和模型精度。     

基于灰色系统预测直升机航迹的研究

 反直升机智能雷对直升机航迹的预测在作战中非常重要,但在数据非常有限的情况下,准确地预测又很困难。提出了用灰色系统理论解决直升机航迹预测问题,建立了灰色系统 GM预测模型和 n次累加残差模型并对GM预测模型进行修正。在每个采样期间内,实时在线建立GM预测模型和残差模型以提高预测精度。通过实例计算能看出用较少的探测数据可以得到较高的预测精度。     

基于业务持续性的航空公司机务维修安全评估

为降低航空公司的事故率,提出基于业务持续性的航空公司机务维修安全评估方法。从人件、硬件、环境、应急救援和软件5个方面来建立风险评估体系,根据风险评估体系建立贝叶斯网络模型,利用能够反映航空公司安全维修状况的历史定量数据作为训练参数。在建立起评估模型的基础上,对航空公司的机务维修进行安全评估和敏感性分析。实验证明,方法能预测风险发展趋势,有效地降低事故发生率,为航空公司的安全运行提供科学依据。     

灰色系统理论在年用电量预测中的应用

年用电量系统具有灰色系统的特征,因此,可以用灰色系统模型对年用电量进行预测.运用灰色模型(GM(1,1))对年用电量做出预测,并与传统方法进行比较,结果证明GM(1,1)模型优于传统方法,是一种有效的预测年用电量的模型。