基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

三余度永磁同步电机绕组匝间短路故障诊断方法

机载作动系统可靠性是保障飞机飞行性能和飞行安全的重要前提，为了提升机载电力作动系统用三余度永磁同步电机系统可靠性，针对其常见的绕组匝间短路故障（ITSCF），本文提出一种基于高频谐波电流的在线故障诊断方法。通过电机绕组ITSCF数学模型，明确了故障后旋转坐标系下交直轴电流的典型高频脉宽调制（PWM）谐波故障特征；综合分析交直轴谐波电流对瞬态工况扰动的鲁棒性，选择直轴高频谐波电流周期有效值作为诊断特征；为了消除各余度电流固有谐波的影响，提出了基于三余度谐波电流平衡度的故障诊断方法；最后设计了故障诊断算法，通过带通滤波器进行高频谐波电流提取，并采用周期有效值计算实现谐波电流量化，最终通过三余度平衡诊断表实现故障余度识别。通过仿真模型验证了诊断算法的有效性，为提升机载电力作动系统可靠性提供借鉴。     

基于规则和故障树的故障案例库构建方法研究

基于案例推理的故障诊断方法适用于经验丰富的决策环境,在飞机维修保障领域应用广泛,但由于缺乏解析模型和诊断规则的支持,难以满足复杂故障诊断要求。而故障树分析法建立在设计原理的基础上,可信度高。为了提高故障诊断效率和准确性,以实现基于规则和故障树模型与基于案例推理相融合的诊断方法为目的,研究案例的组织和案例库的构建。根据飞机维修保障实际需求,采用基于故障树分析的方法,结合故障诊断推理规则,建立飞机故障诊断模型;将模型和经验知识相结合,提出一种基于规则和故障树的案例库构建方法,进一步完善基于案例的推理机制,提高故障诊断的精确性和有效性。该案例库已应用于飞机故障诊断系统,实现了交互式故障诊断和排故引导,验证了研究方法的可行性。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题，提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型，实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失，对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型，并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明，模型对已知和未知类故障平均识别率达99.57%，10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%，验证了模型的有效性和优越性，能高准确率地识别出已知或以前从未出现的新故障。      

基于Petri网的飞机交流发电机故障诊断系统研究

针对目前飞机交流发电机故障诊断专家系统存在的知识表示复杂、诊断速度慢等问题,基于故障Petri网方法来进行知识表达,以快速准确对故障进行诊断,首先利用故障Petri网来建立飞机交流发电机的故障诊断模型,然后采用关联矩阵和状态方程的推理算法进行故障诊断推理,提高了推理速度,易于编程实现。最后通过实例分析验证了该方法的可行性和有效性。     

基于模型的故障诊断在飞机电源系统中的应用

传统故障诊断方法越来越难以应付更加复杂和智能化的现代飞机电源系统,基于模型诊断方法是为了克服传统诊断方法的缺点而兴起的一项新型的智能故障诊断技术。运用基于模型的故障诊断原理,建立飞机电源系统的定性仿真模型,对飞机电源系统负载故障进行模拟故障诊断,分析电源系统关键部件的故障对关键负载的影响,验证飞机电源系统的可靠性。     

飞机排故方法模糊与统计综合评估算法的研究

针对民航飞机维修过程中故障描述对应的多种故障原因和排故方法,无法进行确定性选择问题,采用模糊综合评估理论,在统计已往维修经验数据的基础上,提出一种在各种故障原因和排故方法中进行选择的优先排序算法,进而解决了飞机故障诊断信息应用的关键问题,提高了排故速度。此评估算法已应用到民航的维修实践中。     

基于改进灰色关联算法的飞机故障隔离方法优化分析

目前在飞机航线维修中，通常依据维修手册或故障诊断系统确定故障原因和故障隔离方法。     

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。     

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。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性,因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理,充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系,考虑单个传感器本身存在的不确定性,构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法,实现了对系统状态和传感器状态的双重估计与更新,克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型,不再依赖某一个或某一类传感器信息的绝对可靠,在实现系统级的准确故障诊断同时,还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中,新方法成功将系统故障诊断的虚警率降低了96%,传感器的不确定度降低了84%。     

美军旋转翼飞机预测性维修中的状态监测和数据分析技术

与基于时间的计划性维修完全不同,视情维修强调基于预测性状态指示器的故障探测。作为实施视情维修的重要手段之一,预测性维修的研究目标是在飞机维修数据分析中引入数据挖掘技术,建立高效的预测系统,使用先进的统计软件对部队级航空后勤系统（ULLS-A）的飞行日志数据、HUMS飞机传感器数据和试验台数据进行定量和定性分析,最终选取有用的数据,增强故障诊断和预测能力,提高视情维修水平。预测内容包括根据实际状况动态预测飞机的剩余使用寿命、预测部件故障以延长维修间隔、寻找剩余使用寿命与部件故障的关系以及维修行为对这一关系的影响、主动计划未来的维修行为等。     

基于双模型滤波算法的环控系统换热器故障诊断

 在建立飞机环控系统数学模型的基础上,提出采用双模型滤波方法进行参数估计、状态预测和故障诊断,提高飞机环控系统故障诊断的快速性和准确性。如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程（突发故障）的参数估计,导致误差较大。为了解决上述难题,针对飞机环控系统换热器故障诊断,提出两模型滤波算法。该算法由两个滤波器组成,分别用于跟踪系统的稳态和过渡过程。由于采用了两滤波器模型分别匹配不同的系统特征,能够改善飞机环控系统不同状态下的参数估计和状态预测性能,从而提高系统故障诊断的精度和速度。仿真结果证实了该算法的有效性。     

故障树在飞机故障诊断专家系统中的应用

根据故障树与故障诊断专家系统的特点,提出将故障树应用在飞机故障诊断专家系统中,然后对应用故障树的专家系统的模型选择、知识表示、诊断知识库的建立等进行了详细的分析,最后以实例说明故障树在飞机故障诊断专家系统中的应用.应用故障树的飞机故障诊断专家系统,能够快速、准确地确定故障原因.     

基于故障检测的某涡扇发动机维修决策方法

为有效解决某涡扇发动机过度维修造成发动机性能衰减、维修周期长、维修成本高的难题,以某涡扇发动机大修手册和维修工艺为依据,研究了基于故障检测的发动机维修流程和修理模式,建立专家诊断系统和基于BP(back propagation)神经网络的故障诊断模型,并用数台涡扇发动机真实性能数据验证故障诊断模型的可靠性,其诊断准确率高达95%,综合两者的诊断信息,制定可靠的维修方案,优化维修流程,提出了一种基于故障检测的维修决策方法.通过某涡扇真实排气温度高发动机应用验证表明:所提出的维修决策方法,有效排除故障,提高发动机的修理质量,降低维修成本,具有良好的工程应用价值.      

基于MTF-MSMCNN的小样本滚动轴承故障诊断方法

针对样本数量不足以及工况条件复杂导致故障识别精度低下的问题，提出一种基于马尔科夫转移场与多维监督卷积神经网络（Markov transition field and multidimensional supervised module convolutional neural networks, MTF-MSMCNN）的小样本滚动轴承故障诊断方法。采用MTF编码方式将一维滚动轴承信号转化为二维特征图像，使其保留时间相关性；提出多维监督模块（Multidimensional supervision module, MSM），在空间维度和通道维度监测重要故障特征并自适应赋予权重，提升模型捕捉关键特征的能力；将MSM嵌入到卷积神经网络中，构建出MSMCNN模型；通过试验构建复杂工况条件，将MTF图像输入到所提模型进行故障诊断，并运用两种数据集验证模型有效性。试验结果表明，MTF-MSMCNN在每类故障训练集样本仅有10个且在0 dB噪声污染下故障诊断精度依然可达90%左右，对比其他诊断模型，本文所提方法在小样本、变工况以及噪声干扰条件下具有更高的识别准确率、更强的泛化能力以及抗噪性能。     

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.     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

基于TMSDG的民用飞机故障诊断隔离策略

 针对民用飞机排故时交互式故障诊断与隔离需求,在符号有向图(SDG)中补充状态节点的故障概率信息和未测状态表达,引入对测试节点的描述,提出了一种附带测试维修信息的SDG(TMSDG),给出了基于此模型的交互诊断流程。首先根据初始征兆获取可疑集,然后综合可靠性和测试代价等因素生成一种基于最小测试代价的诊断二叉树对初始可疑集进一步隔离。该模型能描述复杂系统中存在的状态关联和故障测试依赖关系,对其中故障进行交互式诊断和隔离指导。利用该方法建立了某飞机发动机高压引气的诊断模型,实验结果表明提出的方法有效。该方法适用于飞机的外场故障诊断与隔离。     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。