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。     

QAR译码技术研究与自动译码系统的建立

针对目前国内航空公司使用的译码软件每次只能手动译码一个QAR原始数据文件问题,从分析飞行数据储存方式入手,研究QAR数据译码原理。在此基础上,设计出一套QAR自动译码系统,并通过人工译码验证工程值转换逻辑设定的准确性,以及通过将系统自动译码后数据与现有译码软件运行结果比对的方式验证该系统的可靠性,为航空公司日常运营中基于QAR数据的飞机性能监控提供了保障。     

基于AHP法和Java EE技术的飞行操纵品质评估系统的设计

本文以QAR译码作为飞行操纵品质评估的数据基础,以AHP法这种多目标决策分析方法作为评估手段,采用JavaPlatformEnterpriseEdition(JavaEE)中相关技术设计并实现了飞行操纵品质评估系统。系统投入运行后,能较全面合理地反映了飞行员实际技术水平。由于系统基于JAVA消息服务的多层分布式架构,使用极为方便且极具扩展性,已与故障诊断系统进行了集成。     

基于 QAR 数据的波音737NG 飞机辅助排故系统

利用 QAR 数据资源,结合目前先进的数据库分析技术,形成了波音737NG 飞机基于 QAR 数据的辅助排故系统。本系统注重实际应用,从参数译码、参数可视化、趋势分析、排故指导、故障预测等方面,为机务人员提供可靠而方便的支持,提高了737NG 飞机的维护效率。     

基于Python的波音737NG飞机QAR译码实现

简述了如何运用Python进行QAR的自动译码,由此开发了一款可靠、快速并自动化的译码软件,为深入挖掘QAR数据的价值提供了基础。     

民用航空发动机性能故障诊断途径

发动机性能状态监控是保证飞行安全的重要手段.航空专用数据链通信系统(ACARS)和快速数据存取记录器(QAR)已经越来越普遍地被各航空公司所采用.介绍了多个综合利用ACARS、QAR译码巡航报告等信息对V2500发动机进行性能故障诊断的案例,对如何利用多种手段和EHM软件对V2500发动机进行故障诊断作了总结.     

译码与发动机故障的分析

<正>QAR数据经常用于为排放工作提供参考依据,特别是波音737飞机的QAR数据对发现和隔离发动机的几类常见故障十分有用,通过对QAR数据的分析比较,可以快速有效地找到故障的原因,将故障尽快排除,减少航班不正常。对一些在地面无法进行测试的项目,QAR数据能够印证我们的分析,缩短排故时间,提高判断故障的准确性。一、如何获取译码在我们航空公司,当发现有故障需要通过译码来帮助排故时,可以通过航安部获取     

QAR在飞行品质监控中的状况分析

按照民航总局的要求，于98年底全国民航绝大多数航空公司的商用飞机都已加装了QAR（快速存取记录器），并配置了相应的地面QAR数据处理（译码）系统的硬件和软件，QAR数据处理（译码）系统主要用来对飞行品质进行监控，通过评估和采取相应措施，促进飞行技术的提高。近四年的使用，已为航空公司的飞行技术评估工作提供了巨大的信息数据资源，发挥了明显的作用，为了更好地利用和发挥QAR在飞行品质监控中的作用，笔者通过对QAR的工程技术状况分析，QAR在使用中的管理状况分析，及未来飞行数据管理和应用的发展趋势，围绕主题“QAR在飞行器质量监控中的状况”作一些介绍和分析，供业内人士参考。     

基于QAR数据的LEAP发动机HPV性能监控及维修策略研究

HPV是发动机引气系统重要部件之一。针对LEAP-1A发动机HPV设计缺陷导致可靠性低的问题,通过研究某航司机队HPV故障数据和技术原理,归纳典型故障和故障原因,提出一种基于QAR数据分析和“3σ”（三西格玛）原则评估发动机HPV正常下游压力范围的方法,并构建了HPV健康监控和故障诊断模型,该模型经某航司历史QAR数据验证有效。最后提出以可靠性为中心的HPV管控建议,为航司提升LEAP-1A发动机HPV可靠性提供参考。     

基于数据驱动的航空发动机故障诊断与预测方法综述

航空发动机故障诊断与预测是航空发动机健康管理的重要内容,基于数据驱动的故障诊断和预测技术是航空发动机故障和预测领域广泛应用的方法。本文总结了基于数据驱动的航空发动机故障诊断与预测的主要方法及特点,展望了航空发动机故障和预测方法的未来发展方向。     

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。      

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%。     

基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断

以某大型泵压式液体火箭发动机为研究对象，围绕着发动机知识的统一处理、定性定量知识的集成与转化以及基于知识的智能故障诊断推理等技术和难点，研究发展了发动机基于混合知识模型和混合推理策略的智能故障诊断方法，并结合实际热试车数据和故障仿真实例进行了验证。研究结果对设计和实现工程实用的液体火箭发动机故障诊断系统具有重要的参考价值。     

蚁群优化算法在加工工艺知识发现中的应用

针对加工工艺数据复杂、庞大、多变的特点,为解决加工工艺知识的匹配与推理的关键性技术,将模拟生态系统的模糊聚类算法应用于加工工艺知识库。提出了基于蚁群算法的工艺知识发现的概率查询方法,并建立加工工艺知识库的数学模型。通过输入关键词运行蚁群算法,描绘出索引地图,提取分析所需要的加工工艺序列。最后以铣加工工艺为例进行实例验证,结果表明,基于蚁群算法的工艺知识发现高效全面地优化了工艺序列。     

基于原子搜索Kriging模型方法的民用飞机液压系统温度监测

温度是民用飞机液压系统性能的重要表征参数之一,为有效实现液压系统温度监测,基于Kriging 模型和原子搜索算法（ASO）,提出了一种基于原子搜索Kriging 模型（ASOKM）方法。首先,针对液压系统温度故障发生原因进行分析,建立其故障逻辑图,明确影响液压系统温度的特征参数;然后,结合快速存取记录器（QAR）数据,论述了ASOKM 方法建模原理;最后,通过某型国产民用飞机液压系统温度监测分析,对所提出的ASOKM 方法进行有效性验证。研究结果表明：ASOKM 方法的训练平均绝对误差、监测平均绝对误差低于响应面（RSM）、Kriging、BP 神经网络（BP-ANN）模型,具有较高的精度、效率和鲁棒性。所提方法可以为液压系统可靠性分析、故障诊断、预测维修提供借鉴。     

建立具有可靠性管理思想的QAR数据保障机制

随着QAR技术的日益推广应用,其保障航空安全的重要意义越来越为广大从业人员所认可。本文详细地阐述了具有厦门航空有限公司特色的、以可靠性管理思想为基础的QAR数据保障机制。     

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FTA的末制导雷达故障诊断专家系统研究

以某型末制导雷达为例,阐述了基于 FTA 技术的故障诊断专家系统的重要应用。文中首先论述了末制导雷达故障诊断专家系统的构成;其次论述了知识库的组成、故障树和规则的概念、推理机的工作原理,最后论述了系统的自学习机制。     

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%。     

基于数字孪生的飞机起落架健康管理技术

针对飞机起落架系统，传统健康管理方式存在知识不完备、数据不平衡和模型固化等问题，开展了数字孪生驱动的健康管理技术研究，提出以自更新模型为基础实现故障诊断与预测的数字孪生健康管理框架。从起落架系统物理和行为2个维度建立孪生模型来实现真实系统的数字映射，依托强化学习算法实现数字孪生模型参数的更新，确保孪生模型实时跟踪和反映实体健康状态，并以此为基础设计基于事件的故障诊断和基于粒子滤波的故障预测方案。以起落架收放系统为例完成实验验证，与传统方法相比，本文方法在实时性、准确性和鲁棒性方面表现更优。