飞机液压防滑刹车系统故障诊断研究

《飞机液压防滑刹车系统故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工程大学硕士学位论文摘要液压防滑刹车系统是飞机机载设备的重要组成部分，它在飞机的起飞与着陆过程中起着至关重要的作用，可以说它的好坏与否直接影响到飞行员和飞机的安全。为了不断增强飞机液压防滑刹车系统的可靠性、安全性，保证正常飞行训练和作战任务的执行，对飞机在滑跑和着陆过程中液压防滑刹车系统可能发生的故障进行检测和诊断，显得异常的重要和必要。而目前基层的航空兵机务部队对飞机液压防滑刹车系统的故障诊断，主要采用人工经验和查找故障手册的诊断方法。这种方法效率低、实时性差、主观性强，已经越来越不能满足训练和安全的需要。本文详细地研

2、究了故障诊断的常用方法，总结了各种故障诊断方法的优、缺点。结合目前基层航空兵机务部队故障诊断的实际情况、部队维护人员常用的故障诊断技术以及飞机液压防滑刹车系统的工作原理和特点，本文采用了基于故障树的故障诊断专家系统方法，对某型飞机液压防滑刹车系统的整体进行故障诊断；采用BP神经网络诊断方法和基于模型的诊断方法对刹车系统中某些关键机件进行故障诊断。通过查阅资料以及总结自己多年来的飞机维护经验，本文建立了某型飞机液压防滑刹车系统的故障树，并对故障树进行了定性分析。为了提高专家系统的推理效率，本文对建立的故障树进行了必要的简化，采用

3、了最小故障树的方法来获取专家系统所需要的知识。在专家系统知识的表示方法上，采用基于产生式规则的表示方法。将知识分别转化成结论表、规则表和条件表，然后储存在知识库里，这样便于查询，还提高了推理效率。在专家系统的实现方面本文采用VISUALBASIC6．0作为系统的开发工具，采用ACCESS2002作为相应的数据库开发工具。在数据库的操作中，采用SQL结构化查询语言。本文应用BP神经网络方法对液压防滑刹车系统中的关键机件．防滑控制盒进行了故障诊断研究，建立了三层的BP神经网络，并用MATLAB软件哈尔滨工程大学硕士学位论文中的神经

4、网络工具箱对其进行了故障诊断的仿真研究，给出了相应的诊断结论。本文还采用了一种基于未知输入补偿观测器的方法来对刹车系统中的另一个关键机件．电液伺服阀进行了故障诊断研究。并用MATLAB软件中SIMULINK的强大仿真功能对电液伺服阀进行了故障诊断的仿真研究，并对比了传统的观测器和基于未知输入补偿观测器诊断结果的差异。关键词：飞机防滑刹车系统；专家系统；神经网络；状态观测器哈尔滨工程大学硕士学位论文III[IAbstractTheanti—skidbrakingsystemisallimportantpartofequipmen

5、tinaircraft，itdoesveryimportantactioninthecourseofflying-offandlanding．fftheanti—skidbrakingsystemisgoodorbad，itCanaffectthesecurityofaircraftandpilot．Inordertobuildupsecurityintheanti—skidbrakingsyetem，pledgenaturalflyingeducate，ferformtheroleofcampaign,itisveryimp

6、ortantandnecessarythatwediagnoseanti-skidbrakingsysteminthecourseofslidingandlanding．Butskeletonarmyoftenadoptexperienceandhandbooktodiagnosefaultontheanti-skidbrakingsystemofaircraft．It’Sefficiencyislow．，it’Srealtimeislowandit’Ssubjectivityisstrong．ItCan’tsufficeth

7、eneedofsafetraining．Thisdissertationhasresearchedmethodoffaultdiagnosis．Ithassumeduptheadvantageanddisadvangtageofthemethod．Thisdissertationunitesactualthingandtechniqueintheskeletonarmy．Thisdissertationunitestheelementsandpeculiarityoftheanti—skidbrakingsystemofair

8、craft．ExpertsystemonFTAisadoptedtodiagnosethewholeanti—skidbrakingsystemofcertainaircraft．IthasadoptedBPneuralnetworkandfaultanalysisonmod