机载设备智能故障诊断系统的研究

《机载设备智能故障诊断系统的研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1、机载设备智能故障诊断系统的研究（南京理工大学2004测试计量技术及仪器）摘要：在运八系列飞机机载设备智能故障诊断系统采用了多种诊断方法相结合的策略，集成了智能分析系统、故障树诊断系统和维修与指导系统，分别适用于具有不同测试性能的机载设备，并且利用典型设备的故障诊断对各子系统进行了验证。在智能分析系统的设计中，融合了专家系统、模糊诊断与神经网络三种诊断方法，提高了故障检出率;在故障树诊断系统中，对故障树节点的性质加以定义，丰富了故障树的形式;维修指导系统不依赖性能检测的数据，通过程序编制，重点解决了故障的定位问题。基于知识的故障诊断方法主要分为:专家系统故障诊断方法、模糊故障诊断方

2、法、故障树故障诊断方法、神经网络故障诊断方法和信息融合故障诊断方法等。专家系统故障诊断方法：专家系统的应用依赖于专家的领域知识获取，而知识获取被公认为专家系统研究开发中的“瓶颈”问题。该方法不适用于复杂系统或新的及未有经验的系统的故障诊断。另外这种方法对于诊断结论除了重复被采用的规则外无法做出进一步的解释，通常只能诊断单个故障，难以诊断多重故障。模糊故障诊断方法：目前应用于智能故障诊断的典型方法是模糊故障向量识别法，如图不能用精确的数学模型来表示，要求给出故障产生的可能性及故障位置和故障程度，此类问题用模糊逻辑能较好的解决。故障树故障诊断方法：以设备最不希望发生的事件作为顶事件，以可

3、能导致顶事件发生的其它事件为中间事件和底事件，并用逻辑门表示事件之间联系反映了特征向量与故障向量(故障原因)之间的全部逻辑关系。神经网络故障诊断方法：对运八飞机上的一些使用多年的机载设备而言，故障知识库可以通过排故手册以及设备原理的分析来组建，但是在对于一些新设备或者未有维修经验的设备而言，要构建知识库是件比较困难的事。考虑要求诊断系统应该具备学习的能力，能做到这一点的只有神经网络故障诊断方法。应用神经网络作为分类器进行故障诊断，诊断过程包括学习(训练)和诊断(匹配)两方面。每个过程都包括预处理和特征提取两部分。具体诊断过程如图1.2.4.1所示:学习过程是在一定的标准模式样本的基础

4、上，依据某一分类规则来设计神经网络分类器，并用标准模式训练;诊断过程则是将未知模式与训练的分类器进行比较来诊断未知模式的故障类别。信息融合故障诊断方法系统总体结构:诊断系统分为三个子系统即智能分析子系统、故障树诊断子系统和维修指导子系统。诊断系统的总体结构如图2.1.1所示。