基于深度学习的民机系统维修决策研究

摘要

民机系统作为典型的复杂系统，具有传感器数据多、部件结构复杂、及安全性要求高等特点。民机系统在运行过程中能够采集到大量的状态监测信息，如何挖掘这些状态监测信息蕴含的特征，提升民机系统状态表征的准确性，在此基础上进行有效的维修决策，是当前该领域的热点和核心问题之一。深度学习在大数据处理、复杂性分析、和高精度预测方面取得了良好的效果。本文针对民机系统运行过程中的特点，建立了基于深度学习的民机系统维修决策框架体系，具体包括以下内容： 首先本文讨论了民机系统维修决策的基础知识和相关背景，综述了深度学习的相关研究背景和算法应用，通过总结相关模型特点，构建了基于深度学习的维修决策框架体系，将维修决策分为维修等级决策、故障预测、维修感知三个部分。 其次，本文将深度学习应用于民机系统维修等级决策，详细介绍了深度学习模型的组成和模型训练和优化过程，并从数据采集、模型训练、结果分析等多方面构建了基于深度学习的民机维修等级决策模型，最后通过实例分析和对比试验验证该模型的效果； 再次，本文构建了基于深度学习进行民机系统故障预测模型，通过综合深度信念网络算法和结构方程模型得出故障预测结果，提高了故障预测的抗干扰性和准确率。最后通过实例分析介绍了模型的应用流程； 最后，本文研究了基于深度学习的民机系统维修感知，先使用深度信念网络对民机系统状态参数进行性能退化分析，再通过时间序列预测得出性能退化的趋势，从而动态的感知系统状态，及时调整维修时间点。 本文以深度学习算法模型为基础，从民机系统维修等级决策、故障预测和维修感知三个方面对民机系统维修决策进行了全面系统的分析，为民机系统维修决策提供了理论和应用模型。

目录

第一个书签之前