基于多特征的航电空调系统寿命预测研究
发布时间：2021-07-01 12:38
随着大数据时代的到来,如何发展基于数据驱动的新一代故障预测与健康管理（PHM）技术成为了当今航空技术领域研究的方向。论文以某航空公司A320机队航电系统中的空调系统为典型代表,研究基于多特征的航电系统寿命预测方法。论文针对现有航电空调系统寿命预测方法进行了深入调研,发现现有方法无法在航空公司大规模应用的原因是在于存在先验知识不足和异常数据归类困难两方面问题。选择确定快速存取记录器（QAR）数据中描述空调系统的监控数据作为监控参数,引入逻辑回归与小波神经网络两种方法分别对大型客机空调系统状态退化进行评估,并对两种方法的实验结果进行了对比分析,指出了两种方法在客机空调系统退化状态评估中存在的不足以及无法大规模投入实际维修的原因。针对现存问题提出了基于改进改进模糊C均值聚类（Fuzzy-C Means）算法的客机空调系统退化评估算法。该算法通过基于距离的方法评估飞机空调数据与正常状态之间的差距从而得到状态退化量,有效的解决了其他基于多特征的数据驱动方法存在的先验知识不足的问题。使用无监督最优模糊聚类算法,解决了在处理如飞机空调系统的复杂系统时,难以将异常数据归为同一类别的问题。结合航空公司实...
【文章来源】：中国民航大学天津市
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
PHM体系结构
中国民航大学硕士学位论文8图1.2航电系统示意图因此本文从航电系统中的飞机空调系统部分入手，并根据航空公司实际需求，开展了对空调系统健康管理方法的研究。现有的航电系统退化状态评估方法往往可以有效的将飞行数据中的正常状态与异常状态区分开来。本文概述了在解决航电系统退化状态评估问题时常用的基于逻辑回归与基于神经网络的数据驱动的评估方法。这些方法通过将训练数据分为正常、异常两类进行特征提取，学习正常、异常两类数据的特征，评估测试数据到这两种特征的相似程度从而实现退化状态评估。这些方法对于单个部件的退化状态评估问题能够得到优越的结果，但空调系统属于多个部件组成的复杂系统。对于单个部件而言，故障原因往往较为单一，但对于复杂系统而言故障原因多种多样，简单的将数据分为正常、异常两种状态进行训练是不可取的。因此使用现有的退化状态评估方法往往难以得到理想的结果。除此之外，现有的航电系统退化状态评估方法虽然可以有效分类正常、异常数据，但对于系统的前期退化并不敏感。为了实现预测式维修，往往需要尽早发现可能存在的问题，而现有方法由于评估方法的原因无法很好的处理正常状态与故障状态之间的下降状态。相较于基于航空公司基于健康管理平台的数据超限告警，基于退化状态评估的方法并不能实现提前告警，预测系统存在的故障。因此现有方法往往在实际生产中难以大规模应用。针对现有的航电系统退化状态评估方法存在的问题，本文提出了基于改进FCM算法的客机空调系统状态退化评估算法。该方法通过引入FCM算法使用基于距离的方法进行评估，有效解决了现有方法中存在的先验知识不足的问题。并使用无监督FCM算法进行模型建立，确保其在复杂系统状态退化评估问题上的准确性。
中国民航大学硕士学位论文12图2.1大型客机空调系统原理图制冷系统是整个空调系统的核心，其主要包括以下功能：控制空调组件引气量；降低空气温度；控制空调组件出口空气温度、压力、湿度。制冷系统主要包括：空调/引气控制面板，流量控制关断活门，两级热交换器，空气循环机，冲压空气系统，低温限制系统，水分离系统。飞机在飞行时通过发动机引气，在地面时使用地面气源车或APU引气。来自气源系统的引气首先经过流量控制关断活门，由活门控制到达组件的引气流量。热空气进入空调系统先通过初级热交换器与冲压空气进行热交换。后进入空气循环机（AirCycleMachine，ACM）中的压缩机进行压缩。引气经过流量控制后到达主级热交换器，与冲压空气进行热交换后空气。A320使用的空气循环机为三轮空气轴承式空气循环机。三轮指压气机，涡轮和叶轮风扇。使用空气绝热膨胀做功带动涡轮，带动压气机、叶轮风扇工作。经过压气机后空气再通过次级热交换器与冲压空气进行热交换。次级热交换的功能与主级热交换器的功能类似，将从ACM压气机出口的增压空气与冲压空气进行热交换，由冲压空气带走热量，降低增压空气的温度。随后空气通过再加热器与冷凝器使气体温度在露点附近波动，使气体中的水分在通过冷凝器后凝结在水分离器的外壁上，从而得到干燥空气防止飞机部件遭到侵蚀。得到
【参考文献】：
期刊论文
[1]可靠性管理中关于A320空调性能下降的原因浅谈[J]. 王晓鸾. 电子世界. 2020(01)
[2]综合航空电子系统故障管理研究[J]. 段昱,贾蒙. 黑龙江科学. 2019(20)
[3]基于QAR数据的涡轮叶片疲劳寿命预测[J]. 皮骏,高树伟,黄江博,黄磊,马龙. 系统仿真学报. 2019(06)
[4]QAR数据在民机维修过程中的应用与发展[J]. 张雄飞,刘宇辉,马超. 航空维修与工程. 2019(05)
[5]浅谈基于ACMS报文的A320空调组件性能监控[J]. 甘力中. 航空维修与工程. 2019(05)
[6]基于TRNSYS的飞机空调保障装备送风特性仿真研究[J]. 耿振翔,王利辉,刘慎洋,龚永奇,毛宇,朱倩. 数学的实践与认识. 2019(09)
[7]A320飞机空调系统工作原理和常见故障分析[J]. 郭永强. 科技与创新. 2019(06)
[8]大数据分析助力飞机健康管理[J]. 赵红华,钱锋,韩晓冬,陈亮,刘云,卓海波. 民航管理. 2019(02)
[9]基于一致性检验的航空发动机剩余寿命预测[J]. 黄亮,刘君强,贡英杰. 系统工程与电子技术. 2018(12)
[10]航电系统故障预测与健康管理体系结构分析[J]. 朱文博,陈绍炜,赵帅. 电光与控制. 2018(12)
博士论文
[1]航空发动机性能评价与衰退预测方法研究[D]. 谢晓龙.哈尔滨工业大学 2016
[2]电子系统的故障预测与健康管理技术研究[D]. 许丽佳.电子科技大学 2009
硕士论文
[1]飞机热交换器性能监测与分析方法研究[D]. 杜林颖.天津工业大学 2019
[2]民用飞机空调系统健康评估与故障诊断方法研究[D]. 李超役.南京航空航天大学 2018
[3]基于小波神经网络的航电系统故障预测与健康管理技术研究[D]. 尚文芹.西安电子科技大学 2015
本文编号：3259149
【文章来源】：中国民航大学天津市
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
PHM体系结构
中国民航大学硕士学位论文8图1.2航电系统示意图因此本文从航电系统中的飞机空调系统部分入手，并根据航空公司实际需求，开展了对空调系统健康管理方法的研究。现有的航电系统退化状态评估方法往往可以有效的将飞行数据中的正常状态与异常状态区分开来。本文概述了在解决航电系统退化状态评估问题时常用的基于逻辑回归与基于神经网络的数据驱动的评估方法。这些方法通过将训练数据分为正常、异常两类进行特征提取，学习正常、异常两类数据的特征，评估测试数据到这两种特征的相似程度从而实现退化状态评估。这些方法对于单个部件的退化状态评估问题能够得到优越的结果，但空调系统属于多个部件组成的复杂系统。对于单个部件而言，故障原因往往较为单一，但对于复杂系统而言故障原因多种多样，简单的将数据分为正常、异常两种状态进行训练是不可取的。因此使用现有的退化状态评估方法往往难以得到理想的结果。除此之外，现有的航电系统退化状态评估方法虽然可以有效分类正常、异常数据，但对于系统的前期退化并不敏感。为了实现预测式维修，往往需要尽早发现可能存在的问题，而现有方法由于评估方法的原因无法很好的处理正常状态与故障状态之间的下降状态。相较于基于航空公司基于健康管理平台的数据超限告警，基于退化状态评估的方法并不能实现提前告警，预测系统存在的故障。因此现有方法往往在实际生产中难以大规模应用。针对现有的航电系统退化状态评估方法存在的问题，本文提出了基于改进FCM算法的客机空调系统状态退化评估算法。该方法通过引入FCM算法使用基于距离的方法进行评估，有效解决了现有方法中存在的先验知识不足的问题。并使用无监督FCM算法进行模型建立，确保其在复杂系统状态退化评估问题上的准确性。
中国民航大学硕士学位论文12图2.1大型客机空调系统原理图制冷系统是整个空调系统的核心，其主要包括以下功能：控制空调组件引气量；降低空气温度；控制空调组件出口空气温度、压力、湿度。制冷系统主要包括：空调/引气控制面板，流量控制关断活门，两级热交换器，空气循环机，冲压空气系统，低温限制系统，水分离系统。飞机在飞行时通过发动机引气，在地面时使用地面气源车或APU引气。来自气源系统的引气首先经过流量控制关断活门，由活门控制到达组件的引气流量。热空气进入空调系统先通过初级热交换器与冲压空气进行热交换。后进入空气循环机（AirCycleMachine，ACM）中的压缩机进行压缩。引气经过流量控制后到达主级热交换器，与冲压空气进行热交换后空气。A320使用的空气循环机为三轮空气轴承式空气循环机。三轮指压气机，涡轮和叶轮风扇。使用空气绝热膨胀做功带动涡轮，带动压气机、叶轮风扇工作。经过压气机后空气再通过次级热交换器与冲压空气进行热交换。次级热交换的功能与主级热交换器的功能类似，将从ACM压气机出口的增压空气与冲压空气进行热交换，由冲压空气带走热量，降低增压空气的温度。随后空气通过再加热器与冷凝器使气体温度在露点附近波动，使气体中的水分在通过冷凝器后凝结在水分离器的外壁上，从而得到干燥空气防止飞机部件遭到侵蚀。得到
【参考文献】：
期刊论文
[1]可靠性管理中关于A320空调性能下降的原因浅谈[J]. 王晓鸾. 电子世界. 2020(01)
[2]综合航空电子系统故障管理研究[J]. 段昱,贾蒙. 黑龙江科学. 2019(20)
[3]基于QAR数据的涡轮叶片疲劳寿命预测[J]. 皮骏,高树伟,黄江博,黄磊,马龙. 系统仿真学报. 2019(06)
[4]QAR数据在民机维修过程中的应用与发展[J]. 张雄飞,刘宇辉,马超. 航空维修与工程. 2019(05)
[5]浅谈基于ACMS报文的A320空调组件性能监控[J]. 甘力中. 航空维修与工程. 2019(05)
[6]基于TRNSYS的飞机空调保障装备送风特性仿真研究[J]. 耿振翔,王利辉,刘慎洋,龚永奇,毛宇,朱倩. 数学的实践与认识. 2019(09)
[7]A320飞机空调系统工作原理和常见故障分析[J]. 郭永强. 科技与创新. 2019(06)
[8]大数据分析助力飞机健康管理[J]. 赵红华,钱锋,韩晓冬,陈亮,刘云,卓海波. 民航管理. 2019(02)
[9]基于一致性检验的航空发动机剩余寿命预测[J]. 黄亮,刘君强,贡英杰. 系统工程与电子技术. 2018(12)
[10]航电系统故障预测与健康管理体系结构分析[J]. 朱文博,陈绍炜,赵帅. 电光与控制. 2018(12)
博士论文
[1]航空发动机性能评价与衰退预测方法研究[D]. 谢晓龙.哈尔滨工业大学 2016
[2]电子系统的故障预测与健康管理技术研究[D]. 许丽佳.电子科技大学 2009
硕士论文
[1]飞机热交换器性能监测与分析方法研究[D]. 杜林颖.天津工业大学 2019
[2]民用飞机空调系统健康评估与故障诊断方法研究[D]. 李超役.南京航空航天大学 2018
[3]基于小波神经网络的航电系统故障预测与健康管理技术研究[D]. 尚文芹.西安电子科技大学 2015
本文编号：3259149
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3259149.html
