航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

基于神经网络规则提取的航空发动机磨损故障诊断知识获取

针对神经网络智能诊断与专家系统中知识难于理解和诊断解释能力差等问题,研究了一种新的基于功能性观点的神经网络规则提取方法,介绍了方法流程及关键算法.并用UCI(加利福尼亚大学埃尔文分校)机器学习数据对方法进行了分析和验证.最后,将方法应用于实际航空发动机磨损故障诊断中,采集了某型航空发动机实测油样光谱数据237个样本,利用神经网络规则提取方法提取了发动机磨损故障诊断知识规则,并对其进行了解释,结果表明了方法的正确有效性.      

航空发动机滑油光谱故障诊断专家系统

本文介绍的是新开发的航空发动机滑油光谱故障诊断专家系统,提出了一套成熟的符合国情的知识库建立的方法。同时通过对数据的分析,并结合发动机实际使用情况,研究出一套动态制定发动机磨损元素界限值的方法。该专家系统故障诊断准确率高,具有很强的实用性。     

航空发动机滑油光谱专家系统知识库建立

从理论和实际应用两方面对滑油光谱分析故障诊断专家系统知识库的建立进行了较深入的研究和探讨。提出了知识库建立的方法,应用磨损元素浓度与浓度增长率模糊综合评判、模糊聚类的方法定量研究,结合专家经验,较好地解决了故障诊断准确度问题