航空診斷文獻綜述

航空診斷文獻綜述文獻［1］從分析飛機故障診斷的特點出發(fā)，采用了神經網絡的知識處理方法來構建一個基于飛機故障現(xiàn)象的故障診斷專家系統(tǒng)。文獻⑵將互聯(lián)網技術運用到航空發(fā)動機遠程故障診斷中，并討論了網絡信息數據的獲得、處理與傳輸及系統(tǒng)的兩種運行模式。文獻［3］提出一種將遺傳算法和粗糙集理論相結合的航空電子系統(tǒng)故障診斷方法。該方法運用遺傳算法對系統(tǒng)輸出的連續(xù)數據進行離散化，運用粗糙集理論提取知識規(guī)則，用得到的規(guī)則進行系統(tǒng)的故障診斷。同時給出了一種運用粗糙集理論增減規(guī)則庫中規(guī)則的方法，便快速提取新樣本知識。文獻［4］針對軍用航空發(fā)動機的狀態(tài)監(jiān)測與故障診斷問題，建立了可擴展診斷樣本庫，實現(xiàn)樣本庫中故障征兆和故障模式的動態(tài)增減;運用粗糙集理論對樣本集進行處理，實現(xiàn)冗余屬性的約簡、冗余樣本的去除及樣本沖突的消除;用神經網絡通過對處理后的樣本集進行學習以動態(tài)獲取知識。文獻［5］針對民航飛機結構和故障機理復雜的特性，建立了基于Petri網的民航飛機故障診斷工作流模型。文獻［6］針對傳統(tǒng)的民航飛機故障診斷規(guī)則來源于適航審定的標準文件，不能滿足改善診斷效率的要求，在建立民航飛機故障診斷的知識復合模型的基礎上，從可靠性報告中提取原始數據，進而基于粗糙集對這些數據進行預處理和約簡，獲取新的診斷規(guī)則，有效地提高了故障診斷的效率.文獻［7］通過先進的設備采集紫外圖像，并進行紫外圖像統(tǒng)計計算和分析來診斷。文獻［8］提出采用考慮到精度/差異權衡的SVM作為弱分類器的一種新的組合分類診斷方法一DiverseAdaBoost-SVM。文獻［9］提出了一種基于T-S模糊模型的故障診斷方法，該方法從樣本空間提取模糊規(guī)則，在模糊系統(tǒng)參數最優(yōu)化的同時實現(xiàn)了對模糊系統(tǒng)結構的自適應優(yōu)化，并給出了故障判定的閥值確定方法。文獻［10］基于MATLAB/SIMULINK高級圖形仿真環(huán)境，利用圖形模塊化技術開發(fā)了某型雙軸渦扇發(fā)動機的通用部件級模型仿真系統(tǒng)。模型主要利用SIMULINK的模塊庫和S函數構建，提出了構建發(fā)動機模型的四層次結構，具有模型層次化、可封裝模塊化、面向結構圖和高度可視化等特點。文獻［11］從飛機維修的需求出發(fā)，分析了CBR飛機故障診斷方法的基本過程;討論了飛機故障案例庫的構建、案例表達、案例檢索、匹配、案例修改和維護等關鍵技術;重點研究了故障案例的知識表達，應用字符型字段匹配和K-近鄰方法(KNN,KNearestNeighbor)相結合的檢索模型實現(xiàn)了案例檢索和匹配。文獻［12］為有效解決飛機供電系統(tǒng)故障診斷專家系統(tǒng)在知識獲取方面的“瓶頸”在對某型號飛機供電系統(tǒng)進行故障模式分析的基礎上，利用粗糙集理論不需要提供待求解問題所需處理的數據集合之外的任何先驗信息的特點，提出了一種診斷規(guī)則的自動獲取方法。在運用粗糙集理論對故障樣本集進行屬性約簡和值約簡的過程中，針對“不確定測量狀態(tài)”提出了改進的約簡規(guī)則。文獻［13］在分析粗糙集理論缺陷的基礎上，引入變精度粗糙集模型對專家給出的樣本集進行處理，并將所得到的極小化決策算法用于歷史故障樣本集的分析，得到了高的識別率。文獻［14］針對實際航空發(fā)動機故障參數所具有的模糊和連續(xù)性特點，提出了一種基于模糊粗糙集的特征參數提取算法，并應用到某型航空發(fā)動機故障識別。文獻［15］針對神經網絡智能診斷與專家系統(tǒng)中知識難于理解和診斷解釋能力差等問題，研究了一種新的基于功能性觀點的神經網絡規(guī)則提取方法。文獻［16］針對飛機舵面故障預報系統(tǒng)的設計要求，建立了神經網絡故障預測模型以及訓練算法。該預測模型采用三層BP網絡模型。文獻［17］將灰色聚類和濾波理論結合提出了一種新的辨識算法一灰色聚類濾波算法，將常增益濾波引入灰色聚類算法，在灰色聚類算法中使用AGARS報文故障的當前數據分類故障、判斷虛警的基礎上，增加報文故障的歷史數據，用濾波方法將歷史的和當前的數據結合起來，提高辨識虛警的準確性。文獻［18］全面考慮復雜系統(tǒng)診斷的數據來源，用灰色關聯(lián)理論降低系統(tǒng)復雜性并通過粗糙集約簡數據的思想實現(xiàn)灰色粗集推理。解決了傳統(tǒng)的復雜系統(tǒng)故障診斷規(guī)則不易獲取且方法單一，不能滿足系統(tǒng)維護要求。文獻［19］針對傳統(tǒng)神經網絡故障診斷過程中網絡訓練時間長、結構復雜以及僅能進行單值輸入的缺陷，設計了一種基于粗神經網絡的民用飛機故障診斷系統(tǒng)。將粗糙集理論應用在神經網絡的前端對民用飛機故障樣本數據進行約簡處理，以此去除冗余屬性的干擾，克服了無關樣本數據對網絡學習性能的影響，簡化了網絡結構;利用粗神經元代替?zhèn)鹘y(tǒng)神經元，提高了網絡性能，擴展了網絡的應用范圍。小結上述文獻中主要解決的問題有：遠程故障診斷、故障診斷流程的優(yōu)化、故障診斷預測、故障診斷效率及準確性。遠程故障診斷主要是采用了網絡技術，故障診斷流程的優(yōu)化是建立了基于Petri網的民航飛機故障診斷工作流模型，故障診斷預測方面為建立了神經網絡故障預測模型，工作診斷方法主要有：故障診斷專家系統(tǒng)、提取故障診斷規(guī)則、采集紫外圖像、T-S模糊模型、故障診斷模型仿真、智能神經網絡等。在航空診斷方面我們還可以研究的問題有：航空故障診斷知識源的元數據表達問題及其搜索規(guī)則。云計算與云搜索是否能夠運用到航空故障診斷中。在航空故障診斷中，各專家如何決策及其工作流程。故障特征編碼在航空故障診斷中的應用。參考文獻：［1］潘茂慶，惠克翔.基于神經網絡的飛機故障診斷專家系統(tǒng)［J］.航空工程與維修,2002［2］孫護國、霍武軍、韓強航空發(fā)動機遠程故障診斷系統(tǒng)研究［J］.航空維修與工程,2003［3］杜昌平、周德云、江愛偉.遺傳算法和粗糙集相結合的航空電子系統(tǒng)故障診斷方法研究［J］.西北工業(yè)大學學報,2005［4］陳果、宋蘭琪、文振華、張占綱.航空發(fā)動機診斷知識的動態(tài)獲取與柔性診斷技術［J］.中國機械工程,2006［5］郭亞中、左洪福、王華偉.基于Petri網的民航飛機故障診斷工作流模型［J］.系統(tǒng)工程與電子技術,2006［6］郭亞中、左洪福、王華偉.基于粗糙集的民航飛機故障診斷規(guī)則獲取方法［J］.系統(tǒng)工程理論與實踐,2006［7］邰學勇、常勝利、沈曦、葉瑞泉.紫外圖像處理在飛機引擎故障診斷中的研究［J］.儀器儀表學報,2006［8］胡金海、謝壽生、蔡開龍、何秀然、彭靖波DiverseAdaBoostSVM分類方法及其在航空發(fā)動機故障診斷中的應用［J］.航空學報,2007蔡開龍、謝壽生、吳勇.航空發(fā)動機的模糊故障診斷方法研究[J].航空動力學報,2007夏飛、黃金泉、周文祥.基于MATLAB/SIMULINK的航空發(fā)動機建模與仿真研究[J].航空動力學報,2007李青、史雅琴、周揚基于案例推理方法在飛機故障診斷中的應用[J].北京航空航天大學學報,2007牛星巖、沈頌華、董世良基于粗糙集理論的飛機供電系統(tǒng)診斷規(guī)則提取[J].航空學報,2007索中英、朱林戶、吳華、蘇強基于變精度粗糙集的航空發(fā)動機故障診斷[J].航空動力學報,2008宋云雪、張傳超、史永勝基于模糊粗集的航空發(fā)動機特征參數提取算法[J].航空動力學報,2008陳果、宋蘭琪、陳立波.基于神經網絡規(guī)則提取的航空發(fā)動機磨損故障診斷知識獲取[J].航空動力學報,2008李斌、章衛(wèi)國、寧東方、尹偉.基于神經網絡技術的飛機舵面故障趨勢預測研究[J].系