深度学习在B777飞控系统健康管理中的应用研究

发布时间：2020-10-22 09:22

　　 从飞控系统工作时记录的各项参数中提取故障特征,并借助各种诊断算法与预测算法构建有效的健康管理系统,有利于实现飞控系统的实时故障诊断、状态预测与寿命评估等,对保障飞行安全具有重要意义。然而,由于飞控系统内部存在复杂的耦合关系,难以有效建立系统准确物理模型和故障模型,造成飞控系统故障诊断的准确率不高、预测能力具有较大不确定性等问题。深度学习是近年来机器学习领域内的研究热点,算法所具有的多隐含层结构,能够逐层抽取数据的抽象特征,得到数据最完备的特征表达,是解决上述问题的一种有效手段。因此,本课题围绕健康管理中故障诊断与状态预测两个方面,研究基于深度学习的B777飞控系统健康管理技术。针对传统故障诊断算法无法有效提取故障特征的问题,提出一种融合CNN与RNN的故障诊断算法CNN-LSTM,该算法具有提取数据空间局部特征与时序特征的能力。通过对方向舵伺服控制系统的液压故障进行分析,并在AMESim液压仿真软件下搭建故障模型以获取用于故障诊断实验的故障数据,实验证明所提算法能够更完备地提取故障特征,从而具有较高的故障分类能力。针对传统多元状态预测算法预测精度低、对非平稳序列泛化性能差、不能迭代预测的问题,提出一种结合多任务学习与LSTM的多元状态预测算法MTL-LSTM,可从时间与特征两个维度对预测任务进行建模,并对多个参数同时预测。在飞控系统俯仰回路中的多元状态预测实验表明,MTL-LSTM能够大幅提高预测精度。本课题研究工作为大型复杂系统的健康管理和工业大数据的处理提供了一种新的研究思路。
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：V249.1;V267
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 引言
    1.2 研究背景和意义
    1.3 研究现状及分析
        1.3.1 健康管理技术的研究现状
        1.3.2 传统故障诊断与状态预测的研究现状
        1.3.3 深度学习故障诊断与状态预测的研究现状
    1.4 本文的主要内容与结构安排
第二章 深度学习算法原理
    2.1 深度学习简介
    2.2 卷积神经网络（CNN）
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
        2.2.4 激活函数
    2.3 长短时记忆网络（LSTM）
    2.4 注意力机制（AM）
    2.5 本章小结
第三章 基于CNN-LSTM的方向舵控制系统故障诊断
    3.1 B777 方向舵控制系统
        3.1.1 B777 飞行控制系统概述
        3.1.2 B777 方向舵控制系统原理
        3.1.3 B777 方向舵控制系统常见故障
    3.2 基于AMESim的方向舵控制系统仿真
        3.2.1 模型参数设置
        3.2.2 故障仿真设置
    3.3 CNN-LSTM故障诊断算法
    3.4 基于CNN-LSTM的方向舵故障诊断实验
        3.4.1 数据集构建
        3.4.2 对比算法与网络结构
        3.4.3 实验结果
        3.4.4 特征可视化
    3.5 本章小结
第四章 基于MTL-LSTM的飞控系统状态预测
    4.1 飞控系统状态预测
    4.2 MTL-LSTM状态预测算法
    4.3 基于MTL-LSTM的状态预测实验
        4.3.1 状态参数的选取
        4.3.2 数据集构造
        4.3.3 对比算法及网络结构
        4.3.4 实验设计
        4.3.5 固定步数预测
        4.3.6 迭代预测
        4.3.7 惩罚因子对预测结果的影响
        4.3.8 注意力可视化
    4.4 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 未来工作展望
致谢
参考文献
攻读硕士学位期间科研成果

【相似文献】

相关期刊论文 前10条

1 王民;张新珂;冯军克;曾柯;;某型飞机飞控系统自检不通过故障分析[J];航空维修与工程;2019年06期

2 房峰;;民用飞机电传飞控系统的需求定义与确认研究[J];科技风;2019年33期

3 李永林;董新民;王瑛;张婷;;飞控系统及其故障的非线性模型建立与仿真平台开发[J];机床与液压;2018年07期

4 张冰凌;;基于适航性的某客机飞控系统概念设计流程[J];飞机设计;2016年06期

5 郭腾飞;王越之;;一种基于模型对比的飞控系统稳定裕度试验方案[J];科技视界;2017年04期

6 唐志帅;刘兴华;盛伟强;吴志琪;;民用飞机飞控系统传感器信号表决设计[J];民用飞机设计与研究;2017年02期

7 谭茹;姚志超;;民用飞机飞控系统需求确认方法研究[J];软件导刊;2017年06期

8 吴志琪;;数字电传飞行控制系统信号注入/修改方案设计[J];科技视界;2017年05期

9 盛伟强;;飞控系统集中供电装置的备份电源分析[J];科技视界;2017年05期

10 史国荣;;民机飞控系统数字总线应用分析[J];现代导航;2016年02期

相关博士学位论文 前10条

1 黄敏;基于风洞的飞控系统全实物试验技术初步研究[D];国防科技大学;2017年

2 黄宜军;小波神经网络及其在飞控系统中的应用研究[D];西北工业大学;2006年

3 徐新立;基于智能自适应的SUAV飞控系统重构控制研究[D];上海大学;2017年

4 高同跃;超小型无人直升机飞控系统及自主滞空飞行的研究[D];上海大学;2008年

5 刘剑慰;基于模型的飞行控制系统故障诊断方法研究[D];南京航空航天大学;2014年

6 王西超;飞行控制系统数字化设计顶层建模与模型集成技术研究[D];南京航空航天大学;2013年

7 刘兴华;飞行控制系统数字化设计技术研究[D];南京航空航天大学;2011年

8 傅健;近空间飞行器非线性飞控系统鲁棒滑模控制[D];南京航空航天大学;2013年

9 张怡哲;火力/飞行/推进控制系统综合研究[D];西北工业大学;2003年

10 袁燎原;飞行控制系统传感器信息融合与容错方法研究[D];西北工业大学;2015年

相关硕士学位论文 前10条

1 张鑫;民机飞控系统试飞风险评估方法研究[D];南京航空航天大学;2019年

2 薛磊;民用飞机阵风减缓控制及飞控系统集成仿真研究[D];南京航空航天大学;2017年

3 杨涛;深度学习在B777飞控系统健康管理中的应用研究[D];中国民航大学;2019年

4 赵冉;基于飞控系统的图像清晰度研究[D];杭州电子科技大学;2019年

5 曾聪;飞控系统故障诊断方法研究与实现[D];电子科技大学;2019年

6 王永振;小型无人机飞控系统硬件设计与实现[D];河南科技大学;2019年

7 朱锐;小型无人机飞控系统设计[D];哈尔滨工业大学;2018年

8 张聂;变翼无人机飞控系统及姿态研究[D];南昌航空大学;2018年

9 王璘钰;虚拟飞控系统通信中间件技术研究[D];电子科技大学;2018年

10 张璟;飞控系统故障影响仿真分析方法研究[D];中国民航大学;2018年

本文编号：2851406