基于TFM三维信息流模型的维修排故技术研究

摘要

维修排故是确保系统运行阶段可靠性和安全性的主要手段，随着现代化装备复杂程度和智能化程度的不断提升，维修排故工作也变得越来越难。维修排故分为故障诊断和维修作业两部分，本文从这两个方面出发，以解决未知新故障的故障诊断问题和维修排故过程中信息利用率低的问题，研究基于TFM三维信息流模型的维修排故方法，给出TFM三维信息流建模方法和基于TFM三维信息流模型的诊断排故算法。具体的研究内容如下： （1）为解决维修排故信息集成表达问题，针对分布式、动态和异构的维修排故信息，研究给出基于本体和蚁群的维修排故信息集成方法。用本体方法解决语义异构信息的集成问题，用基于蚁群信息素的本体合成优化算法来解决维修排故信息量庞大、本体构建困难的问题，从而提高本体构建的效率和准确度。 （2）在信息集成的基础上，研究给出一套基于功能结构的TFM三维信息流建模方法，研究建立基于SDG的TFM框架模型、基于多信号流图的测试-故障关联矩阵以及基于贝叶斯网络的故障-维修信息映射关系模型。 （3）研究基于TFM三维信息流模型的故障诊断推理方法，建立基于优化信息熵的故障诊断算法。 （4）研究基于TFM三维信息流模型的维修排故方法，建立基于模糊遗传神经网络的排故信息推送算法。 （5）设计与开发基于TFM三维信息流模型的维修排故系统，并以某型飞机气源系统为应用案例，验证上述理论与方法的可行性与有效性。

目录

第一个书签之前

摘 要

ABSTRACT

目 录

图表清单

注释表

第一章 绪论

1.1 课题研究背景与意义

1.2 国内外研究现状

1.2.1 故障诊断研究现状

1.2.2 维修排故信息研究现状

1.3 现有方法的不足

1.4 本文的研究内容和章节安排

第二章 基于本体与蚁群的维修排故信息集成

2.1 基于本体与蚁群的维修排故信息集成思路

2.2 维修排故信息初始本体建模

2.2.1 本体的概念和作用

2.2.2 本体描述语言

2.2.3 维修排故信息初始本体构建步骤

2.3 基于蚁群信息素的本体合成优化

2.3.1 基于蚁群信息素的本体合成优化步骤

2.3.2 基于蚁群信息素的本体合成优化算法

2.4 实验验证

2.5 本章小结

第三章 基于功能结构的TFM三维信息流建模方法

3.1 TFM三维信息流模型定义及建模思路

3.2 基于FFA与SDG的TFM框架建模

3.2.1 系统功能故障分析

3.2.2 基于SDG的TFM框架模型建立

3.2.3 某型飞机气源系统TFM框架建模

3.3 基于多信号流图方法的测试-故障信息关联

3.4 基于贝叶斯网络的故障-维修信息映射

3.4.1 故障-维修本体映射实现方法

3.4.2 本体映射实验评估

3.5 本章小结

第四章 基于TFM三维信息流模型的诊断排故算法

4.1 基于优化信息熵的故障诊断算法

4.1.1 信息熵的概念

4.1.2 信息熵理论处理测试-故障关联矩阵的可行性分析

4.1.3 基于优化信息熵的诊断算法

4.1.4 算法实例验证

4.2 基于模糊遗传神经网络与语义关联搜索的排故信息推送算法

4.2.1 信息推送简介

4.2.3 语义关联搜索算法

4.2.4 排故信息推送的实现

4.3 本章小结

第五章 基于TFM三维信息流模型的维修排故系统设计与实现

5.1 系统需求分析及总体设计

5.2 系统总体设计

5.3 系统数据库设计

5.3.1 OWL本体存入数据库

5.3.2 维修手册存入数据库

5.3.3 故障信息存入数据库

5.3.4 测试信息存入数据库

5.4 子系统设计

5.4.1 维修排故信息管理子系统

5.4.2 测试诊断子系统

5.4.3 维修指导子系统

5.5 系统功能实现

5.6 本章小结

第六章 总结与展望

6.1 本文主要完成工作

6.2 研究展望

参考文献

致 谢

在学期间的研究成果及发表的学术论文

附录 气源系统矩阵中代号含义