本文關(guān)鍵詞：基于案例推理和改進神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷研究

  更多相關(guān)文章： 航空發(fā)動機 故障診斷 案例推理 QAR數(shù)據(jù) 檢索算法 神經(jīng)網(wǎng)絡(luò)

【摘要】：發(fā)動機的故障診斷對航空公司的安全運營意義重大,如果能通過分析發(fā)動機監(jiān)控參數(shù)的變化趨勢對潛在和已發(fā)生的故障進行快速、準確的識別,就可以更好地制定維修計劃,縮短排故時間以及確定發(fā)動機送修時的工作范圍和深度,這不僅能減少維修時間和運營成本,增長發(fā)動機的在翼時間,提高航空公司整體效益,而且能有效地避免由于故障而造成的安全隱患以及航班延誤。本課題從民航實際需求出發(fā),收集民航發(fā)動機的實際故障案例,重點研究了融合案例推理與神經(jīng)網(wǎng)絡(luò)方法的發(fā)動機故障診斷,主要工作有:1.為解決CBR方法用于發(fā)動機故障診斷所面臨的屬性參數(shù)少、診斷結(jié)果不理想等問題,利用QAR的豐富數(shù)據(jù),分析故障發(fā)生后發(fā)動機監(jiān)控參數(shù)在一些關(guān)鍵時刻點的響應(yīng)情況,對比于典型的故障案例來進行診斷,擴充了故障案例的屬性參數(shù)指標,為提高案例診斷的準確率奠定了基礎(chǔ);2.針對發(fā)動機故障案例庫所面臨的規(guī)則難以建立和檢索算法效率不高等問題,提出發(fā)動機故障案例信息的結(jié)構(gòu)表示方法,建立了滿足發(fā)動機故障推理診斷需求的案例數(shù)據(jù)庫;并引入Sigmoid函數(shù)和WFA屬性權(quán)重分配方法以改進灰色關(guān)聯(lián)度算法,使得屬性權(quán)重可自動地根據(jù)屬性值進行調(diào)整,計算結(jié)果表明可提高案例檢索算法的匹配準確率;3.設(shè)計PSO算法優(yōu)化BP網(wǎng)絡(luò)結(jié)構(gòu)的故障分類器模型,對比于GA-BP網(wǎng)絡(luò)在發(fā)動機故障上的診斷效果,以及利用Iris數(shù)據(jù)集進行分類實驗,結(jié)果表明了PSO-BP算法具有更高的訓(xùn)練精度和學(xué)習能力,能夠提高發(fā)動機故障診斷的計算精度和求解速度;4.將CBR方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,設(shè)計基于CBR-NN方法的發(fā)動機故障診斷系統(tǒng)平臺,實際案例的診斷結(jié)果表明該系統(tǒng)能夠減少誤判情況,可有效地輔助發(fā)動機監(jiān)控工程師快速進行QAR數(shù)據(jù)分析和故障診斷,具有重要的工程應(yīng)用價值。
【關(guān)鍵詞】：航空發(fā)動機 故障診斷 案例推理 QAR數(shù)據(jù) 檢索算法 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-19
• 1.1 概述11-12
• 1.2 研究目的及意義12-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-16
• 1.3.1 發(fā)動機狀態(tài)監(jiān)控和故障診斷研究現(xiàn)狀13-15
• 1.3.2 案例推理方法研究現(xiàn)狀15-16
• 1.3.3 神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀16
• 1.4 論文研究內(nèi)容16-19
• 1.4.1 論文研究的關(guān)鍵技術(shù)16-17
• 1.4.2 論文的章節(jié)安排17-19
• 第二章 民航發(fā)動機數(shù)據(jù)預(yù)處理和診斷方法對比研究19-35
• 2.1 概述19
• 2.2 數(shù)據(jù)預(yù)處理方法研究19-24
• 2.2.1 監(jiān)控數(shù)據(jù)采集19-21
• 2.2.2 巡航參數(shù)數(shù)據(jù)修正21-22
• 2.2.3 發(fā)動機基線與參數(shù)偏差量22
• 2.2.4 數(shù)據(jù)平滑、初始化和壓縮處理22-23
• 2.2.5 數(shù)據(jù)標準化和歸一化處理23-24
• 2.3 發(fā)動機故障診斷流程及方法對比24-31
• 2.3.1 發(fā)動機故障診斷流程及準則24-26
• 2.3.2 發(fā)動機性能趨勢圖26-27
• 2.3.3 發(fā)動機指印圖27-28
• 2.3.4 QAR數(shù)據(jù)分析28-30
• 2.3.5 診斷方法對比30-31
• 2.4 故障隔離手冊的使用31-33
• 2.5 故障診斷案例分析33-34
• 2.6 本章小結(jié)34-35
• 第三章 改進關(guān)聯(lián)度算法的案例推理方法研究35-49
• 3.1 概述35-36
• 3.2 案例推理方法結(jié)構(gòu)及模型研究36-39
• 3.2.1 案例推理技術(shù)診斷思路分析36-37
• 3.2.2 發(fā)動機故障案例的表示37-38
• 3.2.3 相似案例檢索方法研究38
• 3.2.4 案例調(diào)整及案例庫管理38-39
• 3.3 發(fā)動機案例推理指標參數(shù)的選取39-44
• 3.3.1 基于趨勢圖的指標參數(shù)選取39-40
• 3.3.2 基于轉(zhuǎn)速差與增壓比關(guān)系的指標參數(shù)選取40-41
• 3.3.3 基于QAR關(guān)鍵點數(shù)據(jù)分析的指標參數(shù)選取41-44
• 3.3.4 可疑點排查算法的實現(xiàn)44
• 3.4 改進灰色關(guān)聯(lián)度的檢索算法設(shè)計44-47
• 3.4.1 灰色關(guān)聯(lián)度基本原理分析45
• 3.4.2 屬性權(quán)重的分配方法設(shè)計45-47
• 3.4.3 檢索算法的實例應(yīng)用47
• 3.5 本章小結(jié)47-49
• 第四章 融合CBR和改進神經(jīng)網(wǎng)絡(luò)的故障診斷模型研究49-64
• 4.1 概述49
• 4.2 PSO算法模型的建立49-50
• 4.3 BP神經(jīng)網(wǎng)絡(luò)模型的建立50-53
• 4.3.1 BP神經(jīng)網(wǎng)絡(luò)基本原理分析50-52
• 4.3.2 BP神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用52
• 4.3.3 BP神經(jīng)網(wǎng)絡(luò)參數(shù)的選擇52-53
• 4.3.4 基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)結(jié)構(gòu)研究53
• 4.4 改進神經(jīng)網(wǎng)絡(luò)的模型設(shè)計53-58
• 4.4.1 PSO-BP算法流程分析53-54
• 4.4.2 PSO-BP算法步驟設(shè)計54-55
• 4.4.3 網(wǎng)絡(luò)輸出結(jié)果評價55-56
• 4.4.4 PSO-BP網(wǎng)絡(luò)在Iris數(shù)據(jù)集中的應(yīng)用56-57
• 4.4.5 PSO-BP網(wǎng)絡(luò)和GA-BP網(wǎng)絡(luò)的對比57-58
• 4.5 基于CBR-NN方法的發(fā)動機故障診斷58-62
• 4.5.1 CBR-NN方法診斷流程設(shè)計58-59
• 4.5.2 實例診斷59-62
• 4.5.3 結(jié)果分析62
• 4.6 本章小結(jié)62-64
• 第五章 基于CBR-NN的民航發(fā)動機故障診斷系統(tǒng)64-72
• 5.1 概述64
• 5.2 診斷系統(tǒng)設(shè)計64-66
• 5.2.1 診斷系統(tǒng)平臺主要功能64
• 5.2.2 故障診斷流程設(shè)計64-65
• 5.2.3 系統(tǒng)體系結(jié)構(gòu)設(shè)計65-66
• 5.2.4 數(shù)據(jù)庫設(shè)計66
• 5.3 軟件的實現(xiàn)66-70
• 5.4 應(yīng)用實例70-71
• 5.5 本章小結(jié)71-72
• 第六章 全文總結(jié)與研究展望72-74
• 6.1 研究工作總結(jié)72
• 6.2 研究展望72-74
• 參考文獻74-78
• 附錄A78-82
• 附錄B82-89
• 致謝89-90
• 作者簡介90

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李·安·泰格梅爾 ,成磊;發(fā)動機故障診斷技術(shù)的拓展應(yīng)用[J];航空維修與工程;2005年01期

2 李華強;費逸偉;;航空發(fā)動機故障診斷技術(shù)及其發(fā)展[J];航空維修與工程;2007年05期

3 林志強;;汽車發(fā)動機故障診斷技術(shù)研究現(xiàn)狀與趨勢分析[J];黑龍江交通科技;2011年06期

4 楊小勇;陳建文;龔玉霞;;發(fā)動機故障診斷技術(shù)分析研究[J];汽車零部件;2012年06期

5 黃軍;電噴發(fā)動機故障診斷2例[J];汽車技術(shù);2000年03期

6 張遠程,彭雅娟,陳振清;電噴發(fā)動機故障診斷方法[J];汽車研究與開發(fā);2000年05期

7 楊慧,熊育婷,吳月偉;基于狀態(tài)分類評價的發(fā)動機故障診斷決策系統(tǒng)[J];航空維修與工程;2005年01期

8 羅永前;程葆倫;;汽車發(fā)動機故障診斷四例[J];重慶職業(yè)技術(shù)學(xué)院學(xué)報;2006年01期

9 曹紅兵;;尾氣分析在汽車發(fā)動機故障診斷中的應(yīng)用[J];汽車維修與保養(yǎng);2006年10期

10 吳大鈺;王巖松;李燕;湯曉林;;基于聲信號的汽車發(fā)動機故障診斷方法綜述[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 張鵬;李學(xué)仁;景博;杜軍;張建業(yè);;多源信息融合技術(shù)在航空發(fā)動機故障診斷中的應(yīng)用研究[A];中國航空學(xué)會控制與應(yīng)用第十二屆學(xué)術(shù)年會論文集[C];2006年

2 李康;何衛(wèi)鋒;程禮;;基于諧波小波分解的航空發(fā)動機故障診斷[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

3 馬龍;;基于遞歸神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷[A];十三省區(qū)市機械工程學(xué)會第五屆科技論壇論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 熊燕;發(fā)動機故障診斷與維修[N];中國花卉報;2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 李增芳;基于人工智能和虛擬儀器技術(shù)的發(fā)動機故障診斷專家系統(tǒng)研究[D];浙江大學(xué);2004年

2 張曉丹;汽車發(fā)動機故障診斷中不確定性問題的貝葉斯網(wǎng)絡(luò)解法[D];東北大學(xué);2005年

3 郝英;基于智能技術(shù)的民航發(fā)動機故障診斷和壽命預(yù)測研究[D];南京航空航天大學(xué);2006年

4 劉永建;基于改進神經(jīng)網(wǎng)絡(luò)的民機發(fā)動機故障診斷與性能預(yù)測研究[D];南京航空航天大學(xué);2012年

5 吳文杰;基于信息融合的航空發(fā)動機故障診斷方法[D];電子科技大學(xué);2011年

6 魯峰;航空發(fā)動機故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 那媛;基于氣路性能參數(shù)的航空發(fā)動機故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 黃遠強;基于案例推理和改進神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷研究[D];中國民航大學(xué);2016年

3 丁哲;基于排氣氣流動態(tài)特性的發(fā)動機故障診斷研究[D];桂林電子科技大學(xué);2010年

4 任志英;基于聲信號技術(shù)的發(fā)動機故障診斷系統(tǒng)研究[D];福州大學(xué);2006年

5 劉召廣;基于數(shù)據(jù)融合的發(fā)動機故障診斷系統(tǒng)研究[D];武漢科技大學(xué);2008年

6 全首杰;實車發(fā)動機故障診斷系統(tǒng)的研究[D];延邊大學(xué);2010年

7 孫甲男;基于數(shù)據(jù)驅(qū)動的發(fā)動機故障診斷研究[D];吉林大學(xué);2013年

8 秦榮;基于振動分析的發(fā)動機故障診斷實用方法研究[D];華南理工大學(xué);2011年

9 高麗;汽車發(fā)動機故障診斷中不確定性問題的貝葉斯網(wǎng)絡(luò)解法研究[D];沈陽航空工業(yè)學(xué)院;2009年

10 嚴軍;基于故障樹分析法的航空活塞發(fā)動機故障診斷專家系統(tǒng)研究[D];電子科技大學(xué);2010年

，

本文編號：533143