<address id="vfzrl"><nobr id="vfzrl"><progress id="vfzrl"></progress></nobr></address>
    <address id="vfzrl"></address>

    <address id="vfzrl"></address>

    <em id="vfzrl"><form id="vfzrl"><nobr id="vfzrl"></nobr></form></em><address id="vfzrl"></address>
    <address id="vfzrl"></address>

    <noframes id="vfzrl"><form id="vfzrl"><th id="vfzrl"></th></form><form id="vfzrl"><th id="vfzrl"><th id="vfzrl"></th></th></form>

    國內或國外 期刊或論文

    您當前的位置:發表學術論文網電子論文》 功能交聯條件下飛機混合增強故障診斷方法> 正文

    功能交聯條件下飛機混合增強故障診斷方法

    所屬分類:電子論文 閱讀次 時間:2022-04-20 10:38

    本文摘要:摘要: 由于飛機系統結構復雜,功能交聯程度高,傳統以機內測試( BIT) 方法為基礎的機載綜合診斷方法受到機載測試點設置限制,故障檢測、隔離能力無法完全滿足部隊使用維護需求。近年來,數據驅動方法發展迅速,并被廣泛運用到故障診斷中,其中概率神經網絡( PNN) 憑借

      摘要: 由于飛機系統結構復雜,功能交聯程度高,傳統以機內測試( BIT) 方法為基礎的機載綜合診斷方法受到機載測試點設置限制,故障檢測、隔離能力無法完全滿足部隊使用維護需求。近年來,數據驅動方法發展迅速,并被廣泛運用到故障診斷中,其中概率神經網絡( PNN) 憑借其結構簡單、計算速度快、運算精度高和分類結果好等優勢,非常適合故障診斷與分類問題。但同時,數據驅動方法由于樣本不足,工程應用存在困難,不能完全替代傳統方法。為提升系統故障檢測率、隔離率,降低虛警率,通過應用 PNN 處理飛機健康狀態數據進行故障診斷,并結合 BIT 中的診斷信息,利用二者間的互補性提出了一種混合增強飛機系統故障診斷方法。詳細介紹了該融合方法的基本原理、融合層次、融合規則等。最后,通過某型號飛機分系統診斷實例表明,檢測、隔離能力有顯著提升,能夠滿足功能交聯條件下飛機故障診斷需求。

      關鍵詞: 信息融合; 神經網絡; 故障診斷; 飛機系統

    飛機故障檢測

      飛機集成了各類功能設備以滿足不同任務需求,其組成系統十分復雜,且系統間交聯程度高,因而會產生交聯故障難以診斷,尤其是隔離存在困難,進而延長飛機排故時間,影響飛機正常使用。因此,保障任務完好率需要重點提高飛機復雜系統的交聯故障診斷能力。

      目前,飛機系統普遍采用基于測試性模型的故障診斷方法[1],該方法基于故障傳遞關系,通過描述測試點與故障的相關性矩陣,可以診斷飛機系統是否存在故障,且將故障隔離 LRU 級別,利于維修時快速故障定位,一定程度上節省機務準備時間與保障資源。但由于可靠性、經濟性等因素的限制,無法在每一設備中都設置測試點,因此無法做到將故障完全檢測與隔離。

      而且,由于飛機系統功能交聯情況復雜,某一分系統中的設備發生故障可能由另一分系統內部故障造成,需整合多個分系統測試性模型進行故障診斷,集成時接口定義困難,可能導致模型建立不準確。為準確找到故障源,需對交聯故障的故障傳遞路徑中的每部分進行狀態確認,排除正常狀態的設備。鑒于測試性模型只能對一部分設備進行狀態監測,在不增加測試點的前提下,需對現有飛機健康狀態數據進行合理利用,建立故障診斷模型,在數據層面表征系統健康/故障狀態,即基于數據驅動的故障診斷方法[2]。

      基于數據驅動的故障診斷方法摒棄了傳統中飛機健康狀態數據僅用于狀態監測、故障判讀等分系統內設備級故障診斷,而是有機結合用于表征飛機功能交聯故障中測試性模型無法診斷的故障部分,實現系統可診斷交聯故障數量的提升; 飛機結構、系統復雜,難以使用普通的模型完整表達系統關系,基于數據驅動的方法不依賴于建立精準的模型,僅根據數據的情況即可表征系統狀態,實現對系統關系的精準把控,且可以根據數據量的增多而不斷更新,使模型更加準確。測試性模型診斷信息、數據驅動診斷信息等信息中存在多種異構信息,以不同角度表征系統狀態,各有優劣,能診斷的故障種類也不盡相同。

      二者的 SWOT分析[3],基于模型與數據驅動既能相互促進,也能相互干擾。若可以將其中冗余信息剔除,互補信息保留加以利用,可進一步增加診斷準確性。因此,在基于數據驅動的故障診斷方法基礎上提出一種有機結合測試性模型與數據驅動方法的故障診斷方法,其融合總體過程如圖 2 所示;旌显鰪姽收显\斷方法能將多種故障診斷信息合理利用,實現交聯故障診斷能力提升。國內外研究人員已將人工神經網絡、支持向量機、專家系統等方法廣泛應用于飛機系統、飛機發動機故障診斷中,并采用D-S 證據理論、貝葉斯理論等方法進行融合診斷以提升診斷能力,取得了良好的效果,但尚未針對測試性模型診斷信息進行融合相關研究。

      本文提出了飛機系統功能交聯條件下混合增強故障診斷方法依托現有智能診斷方法理論進行研究,依據分析梳理出的交聯故障特性及診斷方法的診斷能力設計相應診斷策略,并使用作戰飛機實際飛行數據進行驗證。本研究的飛機系統功能交聯條件下混合增強故障診斷方法,將在現有指標基礎上進一步提升故障檢測率、隔離率,降低虛警率,為后續支持維修決策、再次出動準備等活動提供可靠的決策依據,具有重要的軍事和經濟價值。

      1 混合增強故障診斷方法

      1. 1 基于測試性模型的故障診斷方法

      1. 1. 1 測試性模型

      目前,飛機分系統中的故障診斷方法為基于測試性模型的方法。該方法主要通過描述故障與測試點間的相關性關系,根據模型中測試點反映的信息判斷分系統內設備故障發生情況。

      1. 2 基于數據驅動的故障診斷方法

      近年來由于數據驅動方法在模式識別的能力突出,因此被研究者廣泛關注并用于故障診斷研究,常用方法如神經網絡、支持向量機等[7 - 8]。基于數據驅動的故障診斷方法相比于傳統故障診斷方法,不需建立診斷對象模型,因此一定程度上避免了因模型建立不準確導致的誤診和漏檢問題。

      基于數據驅動的故障診斷部分采用概率神經網絡[9]( Probability Neural Network,PNN) 。其核心思想是將貝葉斯決策論與人工神經網絡相結合,通過 Parzen 窗估計法來估計樣本總體分布的概率密度函數,并采用貝葉斯最小風險決策進行分類,分類準確率高。與 BP 神經網絡相比,PNN 不需計算反向誤差,也不需考慮局部最優問題,僅根據歷史飛機健康狀態參數中的故障數據作為訓練數據,即可得到貝葉斯最小風險決策下的最優分類結果。

      1. 3 基于 D-S 證據理論的混合增強故障診斷方法

      D-S 證據理論是由 Dempster 于 1967 年最先提出,后經過他的學生 Shafer 于 1976 年進一步擴展并發展起來的一種不確定性推理方法[10]。該方法不同于貝葉斯概率論,無需知道先驗概率,并能直接表達不確定性。根據不同診斷方法的診斷能力將多源信息分別輸入至相應診斷模型中,在決策層使用 D-S 證據理論融合后,能增強相應交聯故障診斷能力。

      2 基于某型號飛機的故障診斷實例

      混合增強故障診斷方法用于某型號飛機交聯系統故障診斷分析過程,根據飛機結構、系統功能及分系統間功能交聯情況進行功能交聯條件下故障傳播影響分析,并依據不同診斷方法的診斷能力設計診斷策略; 研究選取基于機器學習的數據驅動方法,輸入歷史故障數據進行基于數據驅動的故障診斷模型訓練; 選取交聯系統故障信息進行模型故障診斷能力驗證,當系統報故時,測試性模型方法根據測試點報故情況輸出故障信息,數據驅動方法根據飛機飛行參數輸出故障信息,后二者進行決策層融合,輸出最終故障診斷信息。

      2. 1 故障交聯影響分析

      在飛機運行過程中,系統故障可能由多種因素造成,如剎車系統內部,伺服閥輸出壓力不準確、主機輪剎車盤磨損、輪胎磨損等均可造成剎車能力下降; 同時,外部系統異常輸入,如液壓系統輸出壓力低、飛管系統輸出剎車指令錯誤等也均可造成剎車能力下降甚至喪失剎車能力的嚴重后果。因此,對飛機交聯系統進行故障診斷技術研究前,為表征故障傳遞影響,應先建立交聯系統故障傳播模型。本部分以飛機剎車系統能力降級為例,應用基于模糊 Petri 網的故障傳播分析法研究可能使剎車系統能力降級的故障源。

      2. 1. 1 模糊 Petri 網Petri 網[11]由德國當代數學家 C. A. Petri 定義的一種通用數學模型,用于描述存在于條件和事件間的關系。模糊 Petri 網為 Petri 網與知識表達的結合,最早被用于描述模糊生成規則。在復雜系統故障診斷中,模糊 Petri 網采用圖形化的表示方法,展現功能交聯條件下跨系統間與系統內部的故障傳播過程,從而利于后續故障診斷過程分析及診斷策略分配等工作進行。

      2. 1. 2 基于模糊 Petri 網的故障傳播分析以某型號飛機為例,系統剎車過程一般由指令系統發出指令、飛管系統控制輸出、液壓系統提供壓力、剎車系統執行剎車等交聯系統工作過程組成。其中控制輸出部分包括飛管計算機、遠程接口單元等; 提供壓力部分包括油箱、液壓泵、油濾及蓄壓器等; 執行剎車部分包括伺服閥、主機輪等。

      3 結束語

      針對飛機功能交聯條件下故障診斷需求,提出了一種基于測試性模型和基于數據驅動的初步診斷及基于 D-S 證據理論的融合診斷方法,并以某型號飛機故障數據為例進行方法驗證。結果表明,本方法在現有方法故障診斷能力基礎上,能一定程度上增加系統交聯功能故障可檢測故障數量,提升故障檢測率; 對傳統基于測試性模型方法存在的交流功能故障模糊組現象進行故障定位,從而提升故障隔離率; 將兩種方法形成的一致初步診斷結果融合,進行故障確認,減少傳統測試性模型可能導致虛警的情況發生。

      參考文獻:

      [1] 石君友. 測試性設計分析與驗證[M]. 北京: 國防工業出版社,2011.SHI J Y. Testability design analysis and verification[M].Beijing: National Defense Industry Press,2011 ( in Chinese).

      [2] 李小林,屈衛東. 基于 D-S 證據理論的航空發動機氣路故障融合診斷[C]/ / 中國控制會議. 2018.LI X L,QU W D. Fusion diagnosis of aeroengine gas pathfault based on D-S evidence theory[C]/ /China ControlConference. 2018( in Chinese) .

      [3] EZHILARASU C M,SKAF Z,JENNIONS I K. The applicationof reasoning to aerospace integrated vehicle healthmanagement ( IVHM) : challenges and opportunities[J].Progress in Aerospace Sciences,2019,105: 60 - 73.

      [4] 葉文,呂鑫燚,呂曉峰,等. 某型導彈發控通道層次化測試性建模方法[J]. 現代防御技術,2019,47 ( 2) : 122 -129.YE W,LYU X Y,LYU X F,et al. Hierarchical testabilitymodeling method of a certain missile-launch channel[J].Modern Defence Technology,2019,47 ( 2) : 122 - 129 ( inChinese) .

      [5] 張士剛. 基于多信號模型的診斷策略優化與生成技術研究[D]. 長沙: 國防科學技術大學,2008.ZHANG S G. Research on the optimization and generationtechniques for diagnostic strategy based on multi-signalmodel[D]. Changsha: National University of Defense Technology,2008(in Chinese) .

      [6] 馬德仲. 基于貝葉斯網絡和多源信息構建可靠性分析模型方法研究[D]. 哈爾濱: 哈爾濱理工大學,2015.

      作者:郭文彬,劉 東,王宇健

    轉載請注明來自發表學術論文網:http://www.cnzjbx.cn/dzlw/30039.html

    五级黄18以上免费看