基于案例推理和改进神经网络的发动机故障诊断研究

发布时间：2017-07-08 05:11

  本文关键词：基于案例推理和改进神经网络的发动机故障诊断研究

  更多相关文章： 航空发动机 故障诊断 案例推理 QAR数据 检索算法 神经网络

【摘要】：发动机的故障诊断对航空公司的安全运营意义重大,如果能通过分析发动机监控参数的变化趋势对潜在和已发生的故障进行快速、准确的识别,就可以更好地制定维修计划,缩短排故时间以及确定发动机送修时的工作范围和深度,这不仅能减少维修时间和运营成本,增长发动机的在翼时间,提高航空公司整体效益,而且能有效地避免由于故障而造成的安全隐患以及航班延误。本课题从民航实际需求出发,收集民航发动机的实际故障案例,重点研究了融合案例推理与神经网络方法的发动机故障诊断,主要工作有:1.为解决CBR方法用于发动机故障诊断所面临的属性参数少、诊断结果不理想等问题,利用QAR的丰富数据,分析故障发生后发动机监控参数在一些关键时刻点的响应情况,对比于典型的故障案例来进行诊断,扩充了故障案例的属性参数指标,为提高案例诊断的准确率奠定了基础;2.针对发动机故障案例库所面临的规则难以建立和检索算法效率不高等问题,提出发动机故障案例信息的结构表示方法,建立了满足发动机故障推理诊断需求的案例数据库;并引入Sigmoid函数和WFA属性权重分配方法以改进灰色关联度算法,使得属性权重可自动地根据属性值进行调整,计算结果表明可提高案例检索算法的匹配准确率;3.设计PSO算法优化BP网络结构的故障分类器模型,对比于GA-BP网络在发动机故障上的诊断效果,以及利用Iris数据集进行分类实验,结果表明了PSO-BP算法具有更高的训练精度和学习能力,能够提高发动机故障诊断的计算精度和求解速度;4.将CBR方法与神经网络相结合,设计基于CBR-NN方法的发动机故障诊断系统平台,实际案例的诊断结果表明该系统能够减少误判情况,可有效地辅助发动机监控工程师快速进行QAR数据分析和故障诊断,具有重要的工程应用价值。
【关键词】：航空发动机 故障诊断 案例推理 QAR数据 检索算法 神经网络
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 概述11-12
• 1.2 研究目的及意义12-13
• 1.3 国内外研究现状13-16
• 1.3.1 发动机状态监控和故障诊断研究现状13-15
• 1.3.2 案例推理方法研究现状15-16
• 1.3.3 神经网络研究现状16
• 1.4 论文研究内容16-19
• 1.4.1 论文研究的关键技术16-17
• 1.4.2 论文的章节安排17-19
• 第二章 民航发动机数据预处理和诊断方法对比研究19-35
• 2.1 概述19
• 2.2 数据预处理方法研究19-24
• 2.2.1 监控数据采集19-21
• 2.2.2 巡航参数数据修正21-22
• 2.2.3 发动机基线与参数偏差量22
• 2.2.4 数据平滑、初始化和压缩处理22-23
• 2.2.5 数据标准化和归一化处理23-24
• 2.3 发动机故障诊断流程及方法对比24-31
• 2.3.1 发动机故障诊断流程及准则24-26
• 2.3.2 发动机性能趋势图26-27
• 2.3.3 发动机指印图27-28
• 2.3.4 QAR数据分析28-30
• 2.3.5 诊断方法对比30-31
• 2.4 故障隔离手册的使用31-33
• 2.5 故障诊断案例分析33-34
• 2.6 本章小结34-35
• 第三章 改进关联度算法的案例推理方法研究35-49
• 3.1 概述35-36
• 3.2 案例推理方法结构及模型研究36-39
• 3.2.1 案例推理技术诊断思路分析36-37
• 3.2.2 发动机故障案例的表示37-38
• 3.2.3 相似案例检索方法研究38
• 3.2.4 案例调整及案例库管理38-39
• 3.3 发动机案例推理指标参数的选取39-44
• 3.3.1 基于趋势图的指标参数选取39-40
• 3.3.2 基于转速差与增压比关系的指标参数选取40-41
• 3.3.3 基于QAR关键点数据分析的指标参数选取41-44
• 3.3.4 可疑点排查算法的实现44
• 3.4 改进灰色关联度的检索算法设计44-47
• 3.4.1 灰色关联度基本原理分析45
• 3.4.2 属性权重的分配方法设计45-47
• 3.4.3 检索算法的实例应用47
• 3.5 本章小结47-49
• 第四章 融合CBR和改进神经网络的故障诊断模型研究49-64
• 4.1 概述49
• 4.2 PSO算法模型的建立49-50
• 4.3 BP神经网络模型的建立50-53
• 4.3.1 BP神经网络基本原理分析50-52
• 4.3.2 BP神经网络工具箱的应用52
• 4.3.3 BP神经网络参数的选择52-53
• 4.3.4 基于神经网络的故障诊断系统结构研究53
• 4.4 改进神经网络的模型设计53-58
• 4.4.1 PSO-BP算法流程分析53-54
• 4.4.2 PSO-BP算法步骤设计54-55
• 4.4.3 网络输出结果评价55-56
• 4.4.4 PSO-BP网络在Iris数据集中的应用56-57
• 4.4.5 PSO-BP网络和GA-BP网络的对比57-58
• 4.5 基于CBR-NN方法的发动机故障诊断58-62
• 4.5.1 CBR-NN方法诊断流程设计58-59
• 4.5.2 实例诊断59-62
• 4.5.3 结果分析62
• 4.6 本章小结62-64
• 第五章 基于CBR-NN的民航发动机故障诊断系统64-72
• 5.1 概述64
• 5.2 诊断系统设计64-66
• 5.2.1 诊断系统平台主要功能64
• 5.2.2 故障诊断流程设计64-65
• 5.2.3 系统体系结构设计65-66
• 5.2.4 数据库设计66
• 5.3 软件的实现66-70
• 5.4 应用实例70-71
• 5.5 本章小结71-72
• 第六章 全文总结与研究展望72-74
• 6.1 研究工作总结72
• 6.2 研究展望72-74
• 参考文献74-78
• 附录A78-82
• 附录B82-89
• 致谢89-90
• 作者简介90

【相似文献】

中国期刊全文数据库 前10条

1 李·安·泰格梅尔 ,成磊;发动机故障诊断技术的拓展应用[J];航空维修与工程;2005年01期

2 李华强;费逸伟;;航空发动机故障诊断技术及其发展[J];航空维修与工程;2007年05期

3 林志强;;汽车发动机故障诊断技术研究现状与趋势分析[J];黑龙江交通科技;2011年06期

4 杨小勇;陈建文;龚玉霞;;发动机故障诊断技术分析研究[J];汽车零部件;2012年06期

5 黄军;电喷发动机故障诊断2例[J];汽车技术;2000年03期

6 张远程,彭雅娟,陈振清;电喷发动机故障诊断方法[J];汽车研究与开发;2000年05期

7 杨慧,熊育婷,吴月伟;基于状态分类评价的发动机故障诊断决策系统[J];航空维修与工程;2005年01期

8 罗永前;程葆伦;;汽车发动机故障诊断四例[J];重庆职业技术学院学报;2006年01期

9 曹红兵;;尾气分析在汽车发动机故障诊断中的应用[J];汽车维修与保养;2006年10期

10 吴大钰;王岩松;李燕;汤晓林;;基于声信号的汽车发动机故障诊断方法综述[J];渤海大学学报(自然科学版);2008年03期

中国重要会议论文全文数据库 前3条

1 张鹏;李学仁;景博;杜军;张建业;;多源信息融合技术在航空发动机故障诊断中的应用研究[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年

2 李康;何卫锋;程礼;;基于谐波小波分解的航空发动机故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

3 马龙;;基于递归神经网络的航空发动机故障诊断[A];十三省区市机械工程学会第五届科技论坛论文集[C];2009年

中国重要报纸全文数据库 前1条

1 熊燕;发动机故障诊断与维修[N];中国花卉报;2004年

中国博士学位论文全文数据库 前6条

1 李增芳;基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D];浙江大学;2004年

2 张晓丹;汽车发动机故障诊断中不确定性问题的贝叶斯网络解法[D];东北大学;2005年

3 郝英;基于智能技术的民航发动机故障诊断和寿命预测研究[D];南京航空航天大学;2006年

4 刘永建;基于改进神经网络的民机发动机故障诊断与性能预测研究[D];南京航空航天大学;2012年

5 吴文杰;基于信息融合的航空发动机故障诊断方法[D];电子科技大学;2011年

6 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年

中国硕士学位论文全文数据库 前10条

1 那媛;基于气路性能参数的航空发动机故障诊断方法研究[D];哈尔滨工业大学;2016年

2 黄远强;基于案例推理和改进神经网络的发动机故障诊断研究[D];中国民航大学;2016年

3 丁哲;基于排气气流动态特性的发动机故障诊断研究[D];桂林电子科技大学;2010年

4 任志英;基于声信号技术的发动机故障诊断系统研究[D];福州大学;2006年

5 刘召广;基于数据融合的发动机故障诊断系统研究[D];武汉科技大学;2008年

6 全首杰;实车发动机故障诊断系统的研究[D];延边大学;2010年

7 孙甲男;基于数据驱动的发动机故障诊断研究[D];吉林大学;2013年

8 秦荣;基于振动分析的发动机故障诊断实用方法研究[D];华南理工大学;2011年

9 高丽;汽车发动机故障诊断中不确定性问题的贝叶斯网络解法研究[D];沈阳航空工业学院;2009年

10 严军;基于故障树分析法的航空活塞发动机故障诊断专家系统研究[D];电子科技大学;2010年

，

本文编号：533143