基于人工神經網絡的民航發動機故障診斷技術.pdf

1、航空發動機是民航飛機的心臟而且飛機的維修成本占航空公司整個成本的10％-20%，所以發動機故障的診斷和監控，是保障民機安全性和經濟性的重心。在發動機故障診斷中，發動機都被抽象為一個典型復雜的機械系統，由于發動機的結構復雜、模型的非線化、診斷方法多樣、加上飛行因素和噪聲因素易對故障診斷產生不良影響，導致要建立高精度的故障診斷模型很難。因此本文主要研究發動機故障診斷技術，包括發動機監控狀態數據的提取和建立精確的故障診斷模型根據監控狀態參數預

2、報故障的發生。本文從提高發動機故障診斷的魯棒性目標出發，設計可靠的監控狀態數據提取過程，然后利用人工神經網絡訓練發動機故障診斷模型預測未知樣本數據的故障模式，主要進行了以下幾方面的工作：
　?。?）提取發動機監控狀態數據構建樣本空間。ACARS設備返回的數據不足以支持發動機故障的在線訓練和實時診斷，而QAR記錄信息完備且頻率高，選擇通過ACARS和QAR數據共同構建樣本空間。對于QAR數據幀結構，飛行參數主要為離散量、數字量和模擬

3、量三種類型，為這些不同氣路參數設計相應譯碼算法，實現對存儲設備二進制原始數據的工程轉譯。對于ACARS數據幀結構，根據ARINC-620協議，設計用于描述具體參數的類庫，然后設計對應譯碼函數。
　?。?）對樣本數據進行預處理和多源融合。氣路參數的預處理包括氣路數據的平滑和時間配準。通過采用移動平均平滑法，提高數據和樣本可用性。并且進行多源參數處理時，采用的采樣頻率不一，多條路徑得到的觀測數據與征兆數據不同步，采用三次樣條插值方法進

4、行幀數據重繪工作，得到擬合輸入點分布的插值樣條。
　?。?）利用人工神經網絡建立發動機故障診斷模型。為了提高系統故障診斷魯棒性，對人工設計網絡進行了優化，同時構建合理的樣本空間。針對氣路參數故障和機械故障，分別建立個體神經網絡，通過樣本空間中樣本訓練出最優的故障診斷模型，測試結果表明，兩個個體神經網絡都能取得很高的診斷正確率、實時性能好。為了進一步提升故障診斷效果，采用自適應加權方法集成多個神經網絡，對所有神經網絡的輸出進行加權平