航空診斷文獻(xiàn)綜述

航空診斷文獻(xiàn)綜述文獻(xiàn)［1］從分析飛機(jī)故障診斷的特點(diǎn)出發(fā)，采用了神經(jīng)網(wǎng)絡(luò)的知識(shí)處理方法來(lái)構(gòu)建一個(gè)基于飛機(jī)故障現(xiàn)象的故障診斷專(zhuān)家系統(tǒng)。文獻(xiàn)⑵將互聯(lián)網(wǎng)技術(shù)運(yùn)用到航空發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷中，并討論了網(wǎng)絡(luò)信息數(shù)據(jù)的獲得、處理與傳輸及系統(tǒng)的兩種運(yùn)行模式。文獻(xiàn)［3］提出一種將遺傳算法和粗糙集理論相結(jié)合的航空電子系統(tǒng)故障診斷方法。該方法運(yùn)用遺傳算法對(duì)系統(tǒng)輸出的連續(xù)數(shù)據(jù)進(jìn)行離散化，運(yùn)用粗糙集理論提取知識(shí)規(guī)則，用得到的規(guī)則進(jìn)行系統(tǒng)的故障診斷。同時(shí)給出了一種運(yùn)用粗糙集理論增減規(guī)則庫(kù)中規(guī)則的方法，便快速提取新樣本知識(shí)。文獻(xiàn)［4］針對(duì)軍用航空發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)測(cè)與故障診斷問(wèn)題，建立了可擴(kuò)展診斷樣本庫(kù)，實(shí)現(xiàn)樣本庫(kù)中故障征兆和故障模式的動(dòng)態(tài)增減;運(yùn)用粗糙集理論對(duì)樣本集進(jìn)行處理，實(shí)現(xiàn)冗余屬性的約簡(jiǎn)、冗余樣本的去除及樣本沖突的消除;用神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)處理后的樣本集進(jìn)行學(xué)習(xí)以動(dòng)態(tài)獲取知識(shí)。文獻(xiàn)［5］針對(duì)民航飛機(jī)結(jié)構(gòu)和故障機(jī)理復(fù)雜的特性，建立了基于Petri網(wǎng)的民航飛機(jī)故障診斷工作流模型。文獻(xiàn)［6］針對(duì)傳統(tǒng)的民航飛機(jī)故障診斷規(guī)則來(lái)源于適航審定的標(biāo)準(zhǔn)文件，不能滿足改善診斷效率的要求，在建立民航飛機(jī)故障診斷的知識(shí)復(fù)合模型的基礎(chǔ)上，從可靠性報(bào)告中提取原始數(shù)據(jù)，進(jìn)而基于粗糙集對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理和約簡(jiǎn)，獲取新的診斷規(guī)則，有效地提高了故障診斷的效率.文獻(xiàn)［7］通過(guò)先進(jìn)的設(shè)備采集紫外圖像，并進(jìn)行紫外圖像統(tǒng)計(jì)計(jì)算和分析來(lái)診斷。文獻(xiàn)［8］提出采用考慮到精度/差異權(quán)衡的SVM作為弱分類(lèi)器的一種新的組合分類(lèi)診斷方法一DiverseAdaBoost-SVM。文獻(xiàn)［9］提出了一種基于T-S模糊模型的故障診斷方法，該方法從樣本空間提取模糊規(guī)則，在模糊系統(tǒng)參數(shù)最優(yōu)化的同時(shí)實(shí)現(xiàn)了對(duì)模糊系統(tǒng)結(jié)構(gòu)的自適應(yīng)優(yōu)化，并給出了故障判定的閥值確定方法。文獻(xiàn)［10］基于MATLAB/SIMULINK高級(jí)圖形仿真環(huán)境，利用圖形模塊化技術(shù)開(kāi)發(fā)了某型雙軸渦扇發(fā)動(dòng)機(jī)的通用部件級(jí)模型仿真系統(tǒng)。模型主要利用SIMULINK的模塊庫(kù)和S函數(shù)構(gòu)建，提出了構(gòu)建發(fā)動(dòng)機(jī)模型的四層次結(jié)構(gòu)，具有模型層次化、可封裝模塊化、面向結(jié)構(gòu)圖和高度可視化等特點(diǎn)。文獻(xiàn)［11］從飛機(jī)維修的需求出發(fā)，分析了CBR飛機(jī)故障診斷方法的基本過(guò)程;討論了飛機(jī)故障案例庫(kù)的構(gòu)建、案例表達(dá)、案例檢索、匹配、案例修改和維護(hù)等關(guān)鍵技術(shù);重點(diǎn)研究了故障案例的知識(shí)表達(dá)，應(yīng)用字符型字段匹配和K-近鄰方法(KNN,KNearestNeighbor)相結(jié)合的檢索模型實(shí)現(xiàn)了案例檢索和匹配。文獻(xiàn)［12］為有效解決飛機(jī)供電系統(tǒng)故障診斷專(zhuān)家系統(tǒng)在知識(shí)獲取方面的“瓶頸”在對(duì)某型號(hào)飛機(jī)供電系統(tǒng)進(jìn)行故障模式分析的基礎(chǔ)上，利用粗糙集理論不需要提供待求解問(wèn)題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息的特點(diǎn)，提出了一種診斷規(guī)則的自動(dòng)獲取方法。在運(yùn)用粗糙集理論對(duì)故障樣本集進(jìn)行屬性約簡(jiǎn)和值約簡(jiǎn)的過(guò)程中，針對(duì)“不確定測(cè)量狀態(tài)”提出了改進(jìn)的約簡(jiǎn)規(guī)則。文獻(xiàn)［13］在分析粗糙集理論缺陷的基礎(chǔ)上，引入變精度粗糙集模型對(duì)專(zhuān)家給出的樣本集進(jìn)行處理，并將所得到的極小化決策算法用于歷史故障樣本集的分析，得到了高的識(shí)別率。文獻(xiàn)［14］針對(duì)實(shí)際航空發(fā)動(dòng)機(jī)故障參數(shù)所具有的模糊和連續(xù)性特點(diǎn)，提出了一種基于模糊粗糙集的特征參數(shù)提取算法，并應(yīng)用到某型航空發(fā)動(dòng)機(jī)故障識(shí)別。文獻(xiàn)［15］針對(duì)神經(jīng)網(wǎng)絡(luò)智能診斷與專(zhuān)家系統(tǒng)中知識(shí)難于理解和診斷解釋能力差等問(wèn)題，研究了一種新的基于功能性觀點(diǎn)的神經(jīng)網(wǎng)絡(luò)規(guī)則提取方法。文獻(xiàn)［16］針對(duì)飛機(jī)舵面故障預(yù)報(bào)系統(tǒng)的設(shè)計(jì)要求，建立了神經(jīng)網(wǎng)絡(luò)故障預(yù)測(cè)模型以及訓(xùn)練算法。該預(yù)測(cè)模型采用三層BP網(wǎng)絡(luò)模型。文獻(xiàn)［17］將灰色聚類(lèi)和濾波理論結(jié)合提出了一種新的辨識(shí)算法一灰色聚類(lèi)濾波算法，將常增益濾波引入灰色聚類(lèi)算法，在灰色聚類(lèi)算法中使用AGARS報(bào)文故障的當(dāng)前數(shù)據(jù)分類(lèi)故障、判斷虛警的基礎(chǔ)上，增加報(bào)文故障的歷史數(shù)據(jù)，用濾波方法將歷史的和當(dāng)前的數(shù)據(jù)結(jié)合起來(lái)，提高辨識(shí)虛警的準(zhǔn)確性。文獻(xiàn)［18］全面考慮復(fù)雜系統(tǒng)診斷的數(shù)據(jù)來(lái)源，用灰色關(guān)聯(lián)理論降低系統(tǒng)復(fù)雜性并通過(guò)粗糙集約簡(jiǎn)數(shù)據(jù)的思想實(shí)現(xiàn)灰色粗集推理。解決了傳統(tǒng)的復(fù)雜系統(tǒng)故障診斷規(guī)則不易獲取且方法單一，不能滿足系統(tǒng)維護(hù)要求。文獻(xiàn)［19］針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)故障診斷過(guò)程中網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)、結(jié)構(gòu)復(fù)雜以及僅能進(jìn)行單值輸入的缺陷，設(shè)計(jì)了一種基于粗神經(jīng)網(wǎng)絡(luò)的民用飛機(jī)故障診斷系統(tǒng)。將粗糙集理論應(yīng)用在神經(jīng)網(wǎng)絡(luò)的前端對(duì)民用飛機(jī)故障樣本數(shù)據(jù)進(jìn)行約簡(jiǎn)處理，以此去除冗余屬性的干擾，克服了無(wú)關(guān)樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)學(xué)習(xí)性能的影響，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu);利用粗神經(jīng)元代替?zhèn)鹘y(tǒng)神經(jīng)元，提高了網(wǎng)絡(luò)性能，擴(kuò)展了網(wǎng)絡(luò)的應(yīng)用范圍。小結(jié)上述文獻(xiàn)中主要解決的問(wèn)題有：遠(yuǎn)程故障診斷、故障診斷流程的優(yōu)化、故障診斷預(yù)測(cè)、故障診斷效率及準(zhǔn)確性。遠(yuǎn)程故障診斷主要是采用了網(wǎng)絡(luò)技術(shù)，故障診斷流程的優(yōu)化是建立了基于Petri網(wǎng)的民航飛機(jī)故障診斷工作流模型，故障診斷預(yù)測(cè)方面為建立了神經(jīng)網(wǎng)絡(luò)故障預(yù)測(cè)模型，工作診斷方法主要有：故障診斷專(zhuān)家系統(tǒng)、提取故障診斷規(guī)則、采集紫外圖像、T-S模糊模型、故障診斷模型仿真、智能神經(jīng)網(wǎng)絡(luò)等。在航空診斷方面我們還可以研究的問(wèn)題有：航空故障診斷知識(shí)源的元數(shù)據(jù)表達(dá)問(wèn)題及其搜索規(guī)則。云計(jì)算與云搜索是否能夠運(yùn)用到航空故障診斷中。在航空故障診斷中，各專(zhuān)家如何決策及其工作流程。故障特征編碼在航空故障診斷中的應(yīng)用。參考文獻(xiàn)：［1］潘茂慶，惠克翔.基于神經(jīng)網(wǎng)絡(luò)的飛機(jī)故障診斷專(zhuān)家系統(tǒng)［J］.航空工程與維修,2002［2］孫護(hù)國(guó)、霍武軍、韓強(qiáng)航空發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)研究［J］.航空維修與工程,2003［3］杜昌平、周德云、江愛(ài)偉.遺傳算法和粗糙集相結(jié)合的航空電子系統(tǒng)故障診斷方法研究［J］.西北工業(yè)大學(xué)學(xué)報(bào),2005［4］陳果、宋蘭琪、文振華、張占綱.航空發(fā)動(dòng)機(jī)診斷知識(shí)的動(dòng)態(tài)獲取與柔性診斷技術(shù)［J］.中國(guó)機(jī)械工程,2006［5］郭亞中、左洪福、王華偉.基于Petri網(wǎng)的民航飛機(jī)故障診斷工作流模型［J］.系統(tǒng)工程與電子技術(shù),2006［6］郭亞中、左洪福、王華偉.基于粗糙集的民航飛機(jī)故障診斷規(guī)則獲取方法［J］.系統(tǒng)工程理論與實(shí)踐,2006［7］邰學(xué)勇、常勝利、沈曦、葉瑞泉.紫外圖像處理在飛機(jī)引擎故障診斷中的研究［J］.儀器儀表學(xué)報(bào),2006［8］胡金海、謝壽生、蔡開(kāi)龍、何秀然、彭靖波DiverseAdaBoostSVM分類(lèi)方法及其在航空發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用［J］.航空學(xué)報(bào),2007蔡開(kāi)龍、謝壽生、吳勇.航空發(fā)動(dòng)機(jī)的模糊故障診斷方法研究[J].航空動(dòng)力學(xué)報(bào),2007夏飛、黃金泉、周文祥.基于MATLAB/SIMULINK的航空發(fā)動(dòng)機(jī)建模與仿真研究[J].航空動(dòng)力學(xué)報(bào),2007李青、史雅琴、周揚(yáng)基于案例推理方法在飛機(jī)故障診斷中的應(yīng)用[J].北京航空航天大學(xué)學(xué)報(bào),2007牛星巖、沈頌華、董世良基于粗糙集理論的飛機(jī)供電系統(tǒng)診斷規(guī)則提取[J].航空學(xué)報(bào),2007索中英、朱林戶、吳華、蘇強(qiáng)基于變精度粗糙集的航空發(fā)動(dòng)機(jī)故障診斷[J].航空動(dòng)力學(xué)報(bào),2008宋云雪、張傳超、史永勝基于模糊粗集的航空發(fā)動(dòng)機(jī)特征參數(shù)提取算法[J].航空動(dòng)力學(xué)報(bào),2008陳果、宋蘭琪、陳立波.基于神經(jīng)網(wǎng)絡(luò)規(guī)則提取的航空發(fā)動(dòng)機(jī)磨損故障診斷知識(shí)獲取[J].航空動(dòng)力學(xué)報(bào),2008李斌、章衛(wèi)國(guó)、寧東方、尹偉.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的飛機(jī)舵面故障趨勢(shì)預(yù)測(cè)研究[J].系