基于FTA和BAM神经网络的飞机故障系统研究

摘要

飞机是一个庞大而复杂的系统,由大量的组件组合而成,组件间又彼此关联,单个故障问题可能诱发多种故障现象,这种特性使得飞机的故障诊断面临巨大的挑战,严重威胁飞机的飞行安全。因此,准确而迅速的排除故障对于飞机的安全飞行意义重大。本文工作如下:
　　第一,本文从飞机的故障诊断技术入手,综述了传统故障诊断技术的发展现状与趋势,指出传统故障诊断方法的时效性与智能性不高,制约了飞机故障诊断技术的发展。基于FTA的故障诊断方法在应用于飞机故障诊断时具有推理逻辑强的优点,但存在着空间爆炸的问题,导致后面根据规则进行推理的速度变慢,无法及时提供诊断结果。基于神经网络的故障诊断方法在应用于飞机故障诊断时具有并行计算速度快、自学习能力强和准确率高的优点,但是存在着训练样本整理困难的问题。
　　第二,针对飞机的故障实例,本文融合了故障树和BAM神经网络这两种故障诊断技术,由故障树归纳出所有的故障模式,除去冗余的故障数据,可方便得到独立的具有正交性的故障数据,整理出BAM神经网络所需的训练样本,然后用BAM神经网络实现飞机故障的快速和准确诊断,确定故障的部位和原因,并提出维修建议。
　　第三,利用基于FTA和BAM神经网络融合的故障诊断方法设计出飞机故障诊断系统。并以某型号飞机发动机控制系统的故障为诊断对象,对其故障征兆信息进行提炼与汇总,经过故障诊断系统的分析与推理,可以很快得出准确的诊断结果,弥补了传统诊断系统推理速度慢的缺点,同时由于引入了神经网络技术,增强了对不完整故障信息的容忍能力和对新故障数据的自学习能力,具有良好的可维护性。

目录

文摘

英文文摘

论文说明:插图索引、附表索引

第1章 绪论

1.1 课题研究的背景与意义

1.2 国内外研究现状和发展趋势

1.2.1 故障诊断技术的现状

1.2.2 常见的故障诊断方法

1.3 本文的主要工作

1.4 本文的组织结构

第2章 故障树理论研究

2.1 故障树分析法

2.1.1 故障树分析法的步骤

2.1.2 故障树的应用

2.2 故障树的建立

2.2.1 故障树的符号表示

2.2.2 故障树的建造

2.3 故障树分析法

2.3.1 故障树的结构函数

2.3.2 故障树的最小割集

2.4 故障树的研究方向

2.4.1 故障树与模糊系统的融合

2.4.2 故障树与人工神经网络的融合

2.4.3 故障树与模糊神经网络的融合

2.5 小结

第3章 神经网络和BAM算法

3.1 神经网络概述

3.2 神经网络的基本特点

3.2.1 生物神经元的结构

3.2.2 人工神经元模型

3.2.3 神经网络的结构

3.2.4 神经网络的学习

3.3 BAM神经网络

3.3.1 BAM神经网络概述

3.3.2 BAM网络的故障诊断技术

3.4 小结

第4章 融合FTA与BAM的飞机故障诊断方法

4.1 飞机故障诊断方法概述

4.2 飞机故障的分类

4.3 故障树的建立实例

4.4 基于FTA的样本整理

4.5 基于BAM网络的故障诊断

4.6 实际应用中的改进

4.7 小结

第5章 飞机故障诊断系统设计

5.1 需求分析

5.2 故障诊断模型及流程

5.2.1 故障诊断模型

5.2.2 故障诊断的工作流程

5.3 系统各功能模块设计

5.3.1 开发环境

5.3.2 故障诊断模块类设计

5.3.3 故障诊断模块时序图

5.3.4 数据库设计

5.4 系统运行环境

5.5 小结

第6章 故障诊断验证

6.1 飞机发动机的结构

6.2 飞机发动机的常见故障

6.3 飞机的故障诊断

6.3.1 故障树查询

6.3.2 BAM网络诊断

6.4 BAM网络的稳定性与收敛性

6.5 小结

结论

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 攻读学位期间所参与的项目