一、建立飞机电气故障诊断信息系统(论文文献综述)
周广宇[1](2020)在《基于专家系统的飞机配电系统辅助排故综合决策研究》文中提出航空工业和航空运输行业高速发展导致飞机型号迭代加快和航空公司机队规模快速扩张,进而导致故障隔离难度增加和维修工作量剧增。如何快速确定关键故障信息,提高故障处置效率,减少对航班正常运行的影响,降低维修成本,是飞机航线维修面临的一个难题。传统的飞机航线故障处置主要依靠维修人员查找维修手册制定排故方案并临时预估故障处置时间,对历史故障数据和维修经验利用不充分,导致排故效率低且对航班运行决策支撑不够,进而导致飞机出现故障时航班延误时间长且调整频繁。本文针对上述问题展开研究,主要研究内容如下:一、对飞机故障诊断和辅助排故的国内外研究现状进行综述和分析,对飞机配电系统常见故障诊断分析方法,特别是故障树分析法和专家系统方法进行了理论研究,并在文中配电系统故障分析和辅助排故综合决策部分加以应用。二、深入分析了某机型配电系统的组成结构及其关键部件的功能和原理。从航线维修实际出发,利用故障树分析法分析某机型配电系统关键LRU的故障模式,并建立故障树。根据飞机系统功能框图和基本控制理论简化飞机系统,便于判断故障信息处理的优先级;同时结合维修工作实际,将故障简化分为虚假故障和真实故障,便于在排故决策逻辑中计算排故优先顺序。三、基于专家系统理论,本文提出了配电系统辅助排故综合决策解决方案。将历史故障(三年滚动数据)与维修排故手册相结合,加权确定排故优先顺序,并使用维修经验对其进行补充,使排故方案更贴近机队实际情况;提出关键故障信息预判的单一性、关联性、上下级关系的判断逻辑,提高故障预判效率;引入平均保留放行工作时间和平均排故工作时间参数,根据行业工时计算方法,不断对上述参数进行修正,为评估保留放行或排故工作停场时间提供依据;对传统的排故决策逻辑、保留放行决策逻辑进行优化,提出了综合决策逻辑,提升对航班运行决策的支撑。四、利用配电系统故障案例对辅助排故综合决策进行验证,并与实际故障处置方案和结果复盘进行对比,验证该综合决策在提高故障处置效率、节省维修成本、提高运行决策支撑方面具有实用价值,值得在飞机其他系统推广应用。
寇旭[2](2018)在《飞机液压系统故障特性分析及故障诊断使用技术研究》文中研究指明飞机液压系统的安全运行是保证飞行安全的重要条件,通过对ARJ21型飞机近年来飞行故障记录发现,飞机液压系统故障安全隐患问题较多,存在在空中液压油全部渗漏的现象,会对飞机运行的安全性产生严重影响。本论文在对液压系统故障隐患类型及其关键影响因素分析基础上,详细针对国产ARJ21-700型飞机液压系统故障的特点、分类以及各种作用因素(包括内在使用因素和外在环境因素)对该型飞机液压系统状态的影响展开了详细的分析和讨论。主要研究内容如下:在对ARJ21型飞机液压系统运行信息及大量历史故障案例收集及归类分析的基础上,对液压系统运行过程中的主要故障隐患类型及相互逻辑关系进行了分析,建立事故树模型,并进行定性定量分析,确定影响液压系统安全性的关键因素。对液压系统故障隐患实时预警及处理方法进行研究。通过对液压监测系统的历史数据、监测参数及阈值的收集分析,研究基于粗糙集理论的决策信息系统结构、离散化方法及可辨识矩阵与值约简的属性约简算法,建立液压系统预警决策规则获取方法。将该飞机液压系统作为主要研究对象,通过属性约简和规则提取的实施,全方面分析故障存在的隐患原因,提出相应处理对策。对该型飞机液压系统故障特性进行了综合分析,在对故障隐患人工检查的日常维护要求基础上,研究了故障隐患存在时的征兆、形成的原因以及相应的处理对策,建立了基于征兆的故障隐患人工处理方法,从而为加强日常管理,降低安全隐患的发生,建立了液压系统人工检查及管理机制,完善了维护保障工作的规程。采用模糊数学的方法,在飞机液压系统故障诊断过程中,将维修人员依据工作原理和工作经验建立的故障认知度转化为“隶属度”的概念,从而将其量化,建立故障诊断的数学模型,并进一步通过计算,找出最有可能的故障点,提高了排故的效率。
郑茂宽[3](2018)在《智能产品服务生态系统理论与方法研究》文中研究指明随着20世纪末以来世界范围内制造业服务化的深刻变革,基于产品与服务相结合的新型产业模式,成为制造型企业新的利润和价值增长点。传统以生产制造为核心的企业运营模式,逐渐被以面向客户提供集成化的服务与解决方案的运营模式所取代。同时,随着数字化、网络化、智能化技术的崛起,世界正处在通向新的创新与变革时代的门口,推动价值链由基于产品的模式向基于智能化产品和服务的模式转变。同时,生态战略已经成为当前创新型企业构建全兴竞争格局的新思路,通过生态开放、资源共享、价值共创等社会化方式打破企业边界,推动各类商业要素的整合与重构。随着当前制造型企业服务化转型、智能互联技术的提升、企业生态战略的实施,各个领域都在朝着打造智能产品服务生态系统(Smart Product Service Ecosystem,SPSE)的方向发展,然而当前学术界还未形成系统化的理论支撑。因此,本文围绕智能产品服务生态系统的关键核心问题展开理论体系的构建和方法研究,主要研究内容包括:(1)智能产品服务生态系统理论框架。通过广泛收集、整理和分析国内外有关文献,基于对智能化、生态化、服务化等发展趋势的分析,构建了智能产品服务生态系统总体框架:提出了智能产品服务生态系统的基础定义;分析了智能产品服务生态系统的智能、生态、服务三大特征;提出了智能产品服务生态系统六面体构成要素模型,包括智能技术、用户体验、商业模式、市场定位、关联关系及联接交互;进一步分析了智能产品服务生态系统六大要素与三大特征之间的映射矩阵,以及系统要素之间的交互逻辑关系;提出了包括需求分析、系统解析、系统设计、服务交付等环节的智能产品服务生态系统研究技术路线图,为企业向智能产品服务生态系统转型提供了理论依据和指导。(2)智能产品服务生态系统需求分析。从智能产品服务生态系统的运行边界分析入手,研究了业务范畴横向、纵向拓展以及生态价值识别的相关方法;基于对客户需求静态结构和动态结构两个方面特征的分析,开发了基于模糊认知图(Fuzzy Cognitive Mapping,FCM)的客户隐性需求挖掘方法和基于自回归积分移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)的客户动态需求预测方法。(3)智能产品服务生态系统解析。解析智能产品服务生态系统的内部运行机制,应用生态化可生存系统模型(Eco-Viable System Model,EVSM)对系统结构进行层次拓扑分析,基于耗散结构理论、Type 2模糊集生态位理论等研究了SPSE的平衡态发展过程,提出了智能产品服务生态系统稳健性的抵抗力和恢复力双维度评估方法,以及增强系统稳健性的冗余机制,研究了基于涌现理论的智能产品服务生态系统价值增值模型。(4)智能产品服务生态系统设计。构建了智能产品服务生态系统总体设计流程,开发了基于模糊关联聚类方法的智能产品/功能层次聚类方法,开发了基于服务蓝图、业务流程建模与标注(Business Process Modeling Notation,BPMN)等多方法融合的智能服务流程配置模型,并提出了基于价值网络分析(Value Network Analysis,VNA)的智能产品服务生态系统价值交互与基于价值传递矩阵的价值平衡理论。(5)智能产品服务生态系统交付。基于智能生态产品服务交付体系架构的研究,从宏观、中观、微观及战略、战术、执行两个维度出发,构建了智能产品服务生态系统的能力层次模型,开发了智能产品服务资源虚拟化方法,分析了智能产品服务交付的产品互联协同、服务业务协同、服务组织协同、生态价值协同等四个层次的协同化过程,以及线上线下相结合的服务交付渠道,开发了基于动态资源池的服务资源共享配置方法。通过智能家居和智能网联汽车服务生态系统两个应用示例对以上理论研究内容进行了验证,结果表明了本论文所提出方法和技术的可行性和有效性。智能产品服务生态系统理论体系、技术方法与相关解决方案的研究,源于工业界实际需求,也将会对企业向服务化、网络化、智能化、生态化转型提供一定的理论指导与借鉴。
马小骏[4](2014)在《面向客户服务的民用飞机健康管理系统的若干问题研究》文中研究说明研制和发展大型客机成为建设创新型国家,提高我国自主创新能力,促进产业转型和增强国家核心竞争力的重大战略举措,客户服务已成为民机产业中相比产品本身更高层次的竞争手段,主制造商的客户服务能力与水平已经成为决定其产品取得市场成功和商业成功的关键要素之一。本文以我国大型民用客机研制为背景,以服务于大型客机客户服务工程为目的,重点研究大型飞机健康管理系统的功能需求、体系构架、实现方案以及相关关键技术,为构建适用于我国大型客机的健康管理系统提供必要的理论和实践依据。本文基于健康管理的业务需求分析,遵循APHM系统设计约束、可靠性/安全性/开放性/可用性等方面的要求,基于C-Care客户服务模式和特点,提出了适用与我国大型客机健康管理系统的总体架构和实现方案,完成了APHM总体设计、地面系统、机载系统、空地数据传输机制、APHM与其他客户服务运营支持系统的接口关系等五个方面的总体方案设计;然后给出了系统架构以及实现方案,从飞机级、系统级以及部件级三个层次,分析了APHM地面系统对飞机状态信息的需求及监测参数的确定方法,基于地空数据链的特点研究了状态监测数据信息的传输策略。针对航线维修的业务需求,分析了基于手册的故障诊断、以及基于案例推理的故障诊断方法及其在航线排故中的应用,基于系统的深层次知识,研究了基于系统原理的故障诊断方法,以此为基础构建了服务于航线维修的的多策略融合的综合故障诊断体系。研究了面向维修计划需求的寿命预测方法,基于性能可靠性理论,引入LS-SVM方法到可靠性分布模型中,获得性能可靠性寿命,解决了大型客机中部分高可靠性子系统极少失效甚至零失效情况下得寿命预测问题;同时针对只有少量故障数据的情况,充分利用LS-SVM方法在小样本预测方面的良好推广性能,将其引入威布尔寿命分布参数预测模型中,得到平均寿命;对于既有监测信息又有少量故障数据的情况,考虑将上述两个模型进行组合,从而得到寿命的组合预测结果;最后通过实例进行了验证,为大型客机进行有效的健康管理提供了技术基础;针对我们自主研制的客机,缺乏相应的健康管理系统,本文在前面研究的基础上,构建了大型客机的健康管理系统,对该系统的主要功能设计与实现展开研究,并在厦门航空公司实际使用环境下进行了系统架构的功能应用性初步验证,确认了大型客机健康管理系统总体架构设计的合理性、先进性。本文的研究以服务于大型客机客户服务工程为目的,重点针对大型飞机健康管理系统的功能需求、体系构架、实现方案以及相关关键技术,研究成果为构建适用于我国大型客机的健康管理系统提供必要的理论和实践依据。
彭若梅,杨松[5](2004)在《建立飞机电气故障诊断信息系统》文中研究表明利用数据库系统原理对飞机电气系统进行了全面的分析,建立了飞机电气系统故障诊断知识库,实现了实时故障诊断,并能给出异常信息和故障信息,为整个飞机电气系统采用数据库系统进行故障诊断提供了经验,具有实际应用价值。
刘震[6](2007)在《智能BIT诊断方法研究及其在多电飞机电源系统中的应用》文中指出机内测试(Built-in Test,BIT)技术是改善系统测试性和诊断能力的重要途径,在保障装备的战备完好性、提高维修效率方面发挥了重要作用,但目前广泛应用在机载电源中的传统BIT技术由于诊断方法过于单一,对诊断信息的利用能力也非常有限,因此在使用过程中表现出的故障检测、隔离能力差、虚警率高的问题严重制约着其效能的充分发挥。尤其是下一代多电飞机,由于大量采用电能来提升飞机的整体性能,使得多电飞机对电源系统的可靠性、测试性、故障诊断和容错能力的要求都远高于常规飞机。因此,在下一代多电及全电飞机中,研究新型有效的智能BIT技术对提升飞机的整体性能具有重要意义。本文以“多电飞机电气系统关键技术研究”课题为背景,对其关键技术之一——机内测试技术进行了探索与研究,以期通过采用智能化方法来提高电源系统BIT的故障诊断性能。论文的主要研究成果及创新如下:1.系统地分析和总结了多电飞机电源系统可能的故障模式,建立了相应的FMEA分析表。根据特征检测点的选取原则,对系统中的特征信号进行分析,确定了合理的BIT特征检测点,为电源系统智能BIT诊断技术打下基础;2.建立了飞机电源BIT动态系统的数学描述模型,在此基础上,针对目前电源BIT故障诊断在方法选取上缺乏合理依据的现状,从理论上分析了当前所采用的BIT诊断方法的不足,给出了提高电源BIT系统智能化诊断性能的几种策略;3.针对飞机电源BIT系统传统诊断方法的缺陷,研究了基于竞争学习思想的无监督聚类神经网络,实现了一种能够广泛用于飞机电源智能BIT系统的新型诊断方法:①针对标准无监督GLVQ模型在分类上存在的不足,提出了一种改进型IGLVQ。通过对网络亏损因子进行修正,并推导出网络在新的亏损函数下的学习规则,有效的克服了输入数据范围及类别数变化对分类的影响;②在改进型IGLVQ模型的基础上,引入了有监督的学习矢量量化层,构成了一种新的无监督混合聚类模型(HIGLVQ),提高了无监督聚类网络对相近故障模式类的区分能力;③将新型的基于HIGLVQ混合聚类网络的诊断模型用于多电飞机电源BIT系统,结果表明,本章提出的方法用于飞机电源BIT状态识别时其准确率较高,可有效的提高电源BIT系统的故障诊断性能;4.针对目前电子系统BIT虚警机理的研究和多电飞机电源系统的自身特点,分析了电源系统中两类暂时性故障的产生机理,并从两类故障的产生条件、持续时间、发生概率和表现特性上对其特点进行了分析和阐述;从BIT虚警率的概率数学模型角度,分析了识别两类故障对虚警率的影响,从理论上证明了识别两类故障状态可有效的降低BIT系统的固有虚警率;提出了基于HIGLVQ—优化Bayes风险决策的电源系统BIT智能虚警滤波模型。将诊断中的概率因素融入诊断器中,通过对LRU级的诊断结果做进一步判定,以决策结果的真实性。结果表明,本章提出的方法能够有效消除瞬态或间歇故障产生的虚警;5.为增强电源BIT系统的智能诊断水平,研究了故障预测技术在电源BIT系统中的应用。针对电源系统渐变故障的特点,通过建立电源系统的隐马尔可夫(HMM)多阶预测模型,提出了基于特征频谱和一维时序信号的故障预报策略;针对HMM模型在线预测不能实时更新参数的问题,提出了一种新型的径向基HMM预测模型(RBHMM),通过在线数据实时更新模型参数,以使预测模型能够自适应地跟踪系统的状态变化;将基于RBHMM的预测模型用于飞机电源系统BIT中,对一维时序导通率故障信号进行预测,实验表明,基于RBHMM的在线实时预测模型自适应能力强,预测性能高于原有HMM模型离线训练/在线趋势预测的方式,能够有效地增强电源BIT系统的智能故障诊断性能。
杨东[7](2021)在《基于测试信号融合的电液伺服阀智能故障诊断算法研究》文中提出电液伺服阀作为液压系统中精密控制元件,其具有控制精度高、响应快、体积小、重量轻,能适应脉冲调制和模拟量调制等优点,已广泛应用于航空航天、冶金机械等领域。由于电液伺服阀故障具有多样性、非线性和封闭性,从而难以及时察觉。电液伺服阀的健康状态对系统的正常运行有着至关重要的影响。本文以力反馈两级电液伺服阀为研究对象,对电液伺服阀智能故障诊断算法进行研究,其主要内容如下:首先,进行了电液伺服阀常见故障的研究。建立了力反馈两级电液伺服阀数学模型,分析了电液伺服阀中力矩马达、喷嘴挡板阀、功率级滑阀的典型故障模式与故障特征。并且针对电液伺服阀故障数据预处理方法进行了研究研究。为了避免传统方法针对电液伺服阀故障数据预处理时存在特征丢失和特征混淆等现象,本文提出了一种基于基础额定参数的数据归一化方法,实现了电液伺服阀故障数据的归一化处理。其次,提出了基于多源信息系统状态集合的消息传播神经网络(Message Passing Neural Network,MPNN)算法进行信息融合。通过对于图卷积网络(Graph Convolutional Network,GCN)、全自注意力图卷积网络(Transformer GCN)的研究,分析了堆栈图卷积分类模型收敛效果差的原因,并在堆栈图卷积分类模型的基础上提出了残差图卷积分类模型。该模型与堆栈图卷积分类模型相比,其收敛速度和准确率都有较高的提升,说明了该模型在电液伺服阀智能故障诊断中具有一定的可行性。最后,展开了基于特征蒸馏(Feature Distillation,FD)的故障诊断算法研究。为了提高算法模型在终端的运行效率,提出了基于特征蒸馏的故障诊断算法。采用残差图卷积分类模型作为教师网络,一维卷积网络作为学生网络,通过迁移学习训练轻量化的学生网络。通过试验对比,单独训练的学生网络容易陷入局部最优解,导致其无法收敛至全局最优解,而采用特征蒸馏的学生网络对于电液伺服阀故障的识别则达到了和教师网络相接近的水平,并且在运行速度上远快于教师网络,证明了特征蒸馏对电液伺服阀故障诊断算法在终端的运行效率具有一定的提升效果。本文针对MOOG G761-3004型号电液伺服阀进行了试验,复现其磨损、卡滞和线圈断路等故障状态,验证了基于消息传播网络的故障诊断算法的有效性,并且通过特征蒸馏,在不降低模型准确率的情况下提高了模型的运行效率,实现了模型的轻量化迁移。
张创[8](2020)在《机上故障诊断系统研究与设计》文中研究指明飞机是一种庞大且高安全性要求的重要装备。其故障种类复杂,不仅包括人为操作故障,还包括各种设备通信等故障。传统的机上故障识别,包括飞机维护工作的故障排查,均采用查阅飞机维修手册中的故障代码的方式。随着电子设备的快速发展,机上各系统的信号交联情况愈加复杂,使得现行的人工查手册的故障排查方法已无法满足机上故障的快速准确识别。为此,论文基于所在单位承研项目,设计实现了机上航电、无线电、飞行仪表三大系统中GJB289A、HB6096、RS422、CAN、LAN总线及离散量信号通信故障的实时监测与诊断系统。本文在深入研究机上各总线及非总线信号特征的基础上,设计了机上故障诊断系统,该系统主要包括机上三大系统信号数据的实时采集与存储、故障数据的ICD(Interface Control Document)分析与判读,以及故障定位。主要工作如下:1.在深入分析现有机上故障与诊断技术的基础上,结合系统运行的基本环境指标及系统六性指标等定量设计目标,完成了基于专家系统的机上多种信号故障分析与定位系统的方案设计。2.完成了机上总线故障分析与定位系统软硬件模块的设计。硬件部分完成采集装置中各控制板和信号采集板的设计,包括:核心控制板、矩阵继电器切换板、HB6096隔离信号板、RS422隔离信号版、GJB289A信号板、离散量信号隔离板及隔离电源转换电路等;软件部分完成了机上故障建模、解析、诊断等软件功能模块的优化设计,包括:故障树建立模块、ICD解析模块、监测模块、诊断模块、信息管理模块等,基于C#语言和SQL Server数据库平台,完成了软件驱动及应用程序的实现。3.基于我国某型飞机故障测试用例库,按照论文设计目标,针对EFIS故障、EFCAS故障、无线电罗盘故障及机载综合防撞设备故障这4个故障事例包含的39种故障现象,搭建了验证平台,完成了试验验证。基于一致故障数、基本一致故障数、未通过故障数及通过比率这4种航空领域机上故障定量分析方法,完成了本文设计系统试验结果分析,结果表明:测试通过率综合能力达到89.7%,未通过率10.3%,系统监测诊断多种信号的处理时间小于50ms,论文结果满足机上故障诊断系统的设计要求。
谢皓宇[9](2019)在《系统级测试性设计关键问题研究》文中研究指明随着装备的快速发展、实战化的使用要求和保障模式的变革,对装备测试诊断提出了更高的要求和更大的挑战,测试模式的变革势在必需,装备测试性工程正是顺应这一变革的产物。当前,一般工程意义上的测试性设计已趋于完善,但针对复杂系统的测试性设计仍存在一些认识上的偏差和未解决的技术流程与关键技术问题,无法满足工程实践需要,如测试性设计中未考虑集成故障和系统级测试,系统级故障诊断隔离难等,为此本文在部委级预研项目的支持下,针对复杂装备系统级测试性设计中存在的问题及相关的技术难点,分析集成故障产生机理和影响机制,研究系统级测试性分配、测试性建模、测试选择、诊断策略设计等系统级测试性设计关键技术。论文主要研究内容及创新点如下:(1)针对复杂装备系统测试性设计与分配特有的集成故障问题,对集成故障进行了概念定义,按照集成故障产品层级、产生原因等角度进行了分类,通过集成故障产生机理,分析了其对系统测试性影响机制问题。着重对连接型集成故障的故障机理进行了研究,分析了集成故障对测试性分配、故障诊断的影响;研究了集成测试的内涵、分类以及集成测试对测试性分配和诊断的影响机制,为开展复杂装备系统级测试性分配、测试选择和诊断策略设计等关键技术研究奠定了理论基础。(2)针对目前采用的一次性指标分配法难以对复杂装备系统级获得合理分配结果的问题,提出了一种二次迭代指标分配法。针对初次分配,提出了集成故障率计算方法,将集成故障作为等效单元对其分配指标,同时提出了基于反正切函数的改进故障率分配法;针对再次分配,定义了他检故障率参数来定量化描述单元间的互测程度,并将其作为变量纳入到分配函数中,通过理论推导得到的反余切分配函数,实现了考虑单元互测的指标分配。该分配方法实现了系统级方案设计与指标分配的一体化,有效解决了当前分配方法未考虑集成故障和单元互测导致的复杂装备系统测试性指标分配结果不合理问题。(3)针对现有测试性模型和测试选择方法不适用于复杂装备系统级测试选择的问题,创建了一种混合相关性矩阵模型,采用初次分配的单元级故障检测率替代常规相关性矩阵中的“1”数据,较好解决了系统级测试性建模时单元信息不全的问题;在此基础上,提出了基于混合相关性矩阵的系统级故障检测率、故障隔离率和集成故障检测率的预计方法;基于混合相关性矩阵和上述“三率”构建了系统级测试选择数学描述模型,应用二进制遗传算法进行了求解,较好实现了系统级测试选择的目标。(4)针对复杂装备系统测试不充分不可靠情况下的诊断策略设计问题,提出了一种融合三种诊断推理方法的诊断技术,利用推理方法优势互补,形成故障诊断能力的整体提升。具体地,针对测试漏报和误报等不确定性情况,提出了一种测试有效性核查方法,较好解决了测试不确定时的推理问题;提出了改进的相关性矩阵推理方法,可适用于并行诊断和多故障诊断;针对上述方法无法隔离模糊组的问题,提出了一种基于故障有向图的推理方法,利用有向图中的隐含信息进行诊断,较好解决了测试不充分情况下的诊断推理问题。(5)以某飞机自动飞行控制系统为对象,采用本文提出的新技术路线与方法进行了测试性设计和诊断策略设计,并以原有BIT系统、原有诊断策略和本文提出的BIT系统与诊断策略,设置三种测试性能力状态,充分演示和验证了本文技术路线与方法的可行性和先进性。验证结果表明,本文提出的系统级测试性分析建模、BIT设计与诊断策略设计,可大大提高复杂系统的测试性水平与能力,解决目前测试性设计与诊断推理无法满足工程实践要求的难题。总之,论文通过集成故障和集成测试的影响机理分析,重点开展了系统级指标分配、测试性建模分析、测试选择和诊断策略设计等关键问题的研究,有效地解决了复杂装备系统实际使用中出现的系统集成问题所带来的测试性设计难以分析和诊断的工程技术难题,较好实现了复杂装备系统的测试性设计,具有重要的学术和工程实用价值。
年夫顺[10](2018)在《关于故障预测与健康管理技术的几点认识》文中认为介绍了故障预测与健康管理技术(PHM)基本概念与内涵,回顾了国外飞机发动机、固定翼飞机、直升机、航天飞行器、舰船、车辆和轨道交通等设备PHM技术发展历程及发展现状,分析了我国PHM技术的发展现状及存在的问题,预测了未来发展方向和应用领域。梳理了故障预测与健康管理技术体系架构,介绍了故障模型、状态监测、数据处理、综合诊断、健康管理、维修决策和后勤支援信息系统等关键技术,最后给出了我国发展PHM技术的意见和建议。
二、建立飞机电气故障诊断信息系统(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、建立飞机电气故障诊断信息系统(论文提纲范文)
(1)基于专家系统的飞机配电系统辅助排故综合决策研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景和意义 |
1.2 国内外研究现状 |
1.3 飞机配电系统故障诊断分析方法 |
1.4 本文主要研究内容和研究路线 |
第二章 飞机配电系统结构和原理 |
2.1 飞机配电系统分类 |
2.2 飞机配电系统结构和原理 |
2.3 飞机配电系统关键部件介绍 |
2.4 本章小结 |
第三章 飞机配电系统故障分析 |
3.1 故障树分析法理论 |
3.2 飞机配电系统故障特点与分类 |
3.2.1 飞机配电系统故障特点 |
3.2.2 飞机配电系统故障分类 |
3.3 飞机配电系统LRU部件故障树分析 |
3.4 飞机配电系统及故障分类简化 |
3.4.1 飞机配电系统功能框图简化 |
3.4.2 飞机配电系统故障分类简化 |
3.5 本章小结 |
第四章 基于专家系统的飞机配电系统辅助排故综合决策 |
4.1 专家系统基本理论 |
4.1.1 专家系统组成 |
4.1.2 知识表示形式 |
4.1.3 推理方法和冲突解决策略 |
4.2 知识获取和建立知识库 |
4.3 综合数据库系统 |
4.3.1 维修数据库 |
4.3.2 运行数据库 |
4.4 推理机设计 |
4.4.1 故障信息获取 |
4.4.2 故障信息预判 |
4.4.3 保留放行决策逻辑 |
4.4.4 排故决策逻辑 |
4.4.5 综合决策逻辑 |
4.5 人机交互界面设计 |
4.6 本章小结 |
第五章 配电系统辅助排故综合决策验证 |
5.1 配电系统辅助排故综合决策验证 |
5.1.1 电力负载控制组件故障案例验证 |
5.1.2 汇流条功率控制组件故障案例验证 |
5.1.3 远程电源分配组件故障案例验证 |
5.1.4 次级电源分配组件故障案例验证 |
5.2 应用效果分析 |
5.3 本章小结 |
第六章 总结和展望 |
6.1 论文工作总结 |
6.2 论文研究展望 |
参考文献 |
附录 |
致谢 |
附件 |
(2)飞机液压系统故障特性分析及故障诊断使用技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题的背景和意义 |
1.2 国内外研究现状综述 |
1.2.1 液压系统故障诊断技术的研究现状 |
1.2.2 液压系统故障诊断技术的发展趋势 |
1.3 研究内容及方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
2 ARJ21型飞机液压系统主要构成 |
2.1 液压系统概述 |
2.1.1 液压系统组成及工作原理 |
2.1.2 液压系统界面 |
2.2 事故树模型的建立 |
2.2.1 故障信息收集及分析 |
2.2.2 事故树模型的建立 |
2.3 基于事故树的安全性分析 |
2.3.1 事故树定性分析 |
2.3.2 事故树定量分析 |
2.4 本章小结 |
3 液压系统安全隐患实时预警及处理方法研究 |
3.1 基于粗糙集理论的实时预警决策规则获取方法 |
3.1.1 规则获取的粗糙集理论 |
3.1.2 预警决策信息系统的建立方法 |
3.1.3 属性约简及规则获取算法 |
3.1.4 基于区分矩阵的属性约简算法 |
3.2 液压系统实时预警决策规则获取 |
3.2.1 初始预警决策信息系统的建立 |
3.2.2 离散化预警决策信息系统建立 |
3.2.3 决策信息系统的约简 |
3.2.4 实时预警规则获取 |
3.2.5 液压系统故障诊断规则的使用 |
3.3 本章小结 |
4 液压系统故障特性分析 |
4.1 故障的特点 |
4.1.1 故障的渐进性 |
4.1.2 故障的隐蔽性 |
4.1.3 因果关系的复杂性 |
4.1.4 故障的随机性 |
4.2 故障的分类 |
4.2.1 按故障的不同特征分类 |
4.2.2 按故障产生的原因分类 |
4.3 影响液压系统附件可靠性的主要因素 |
4.3.1 压力脉冲 |
4.3.2 温度作用 |
4.3.3 震动荷载 |
4.3.4 冲击荷载 |
4.4 液压油油液污染度及其控制 |
4.4.1 造成液压油污染的原因 |
4.4.2 液压油污染的危害 |
4.4.3 液压油污染的控制 |
4.5 机务人员日常维护要求分析 |
4.6 本章小结 |
5 模糊诊断理论及其应用 |
5.1 飞机液压系统故障的模糊性特征 |
5.2 模糊逻辑诊断方法的理论基础 |
5.2.1 模糊理论的发展 |
5.2.2 模糊集合的概念及其运算 |
5.2.3 模糊关系与模糊矩阵 |
5.3 模糊故障诊断模型 |
5.4 ARJ21型飞机液压起落架收放系统模糊故障诊断分析 |
5.4.1 诊断模型的建立 |
5.4.2 故障诊断实例 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(3)智能产品服务生态系统理论与方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与挑战 |
1.1.1 研究背景 |
1.1.2 面临的挑战 |
1.2 产品服务系统的智能化和生态化转型 |
1.2.1 转型路径分析 |
1.2.2 转型需求分析 |
1.2.3 解决方案 |
1.3 论文研究意义 |
1.4 论文组织结构 |
第二章 智能产品服务生态系统研究现状与分析 |
2.1 智能产品服务生态系统框架研究现状 |
2.1.1 智能化服务化转型研究现状 |
2.1.2 生态系统的应用研究现状 |
2.2 智能产品服务生态系统边界及需求分析研究现状 |
2.2.1 智能产品服务生态系统边界研究现状 |
2.2.2 智能产品服务生态系统需求分析研究现状 |
2.3 智能产品服务生态系统解析研究现状 |
2.3.1 智能产品服务生态系统建模理论研究现状 |
2.3.2 智能产品服务生态系统稳态研究现状 |
2.4 智能产品服务生态系统设计研究现状 |
2.4.1 智能产品功能层次聚类与系统生成 |
2.4.2 智能产品服务流程图形化建模与量化分析 |
2.5 智能生态产品服务交付研究现状 |
2.6 研究现状小结 |
第三章 智能产品服务生态系统理论总体框架 |
3.1 引言 |
3.2 智能产品服务生态系统相关概念定义 |
3.3 智能产品服务生态系统特征分析 |
3.3.2 智能的特征 |
3.3.3 生态的特征 |
3.3.4 服务的特征 |
3.4 智能产品服务生态系统要素构成 |
3.4.1 智能技术 |
3.4.2 用户体验 |
3.4.3 市场定位 |
3.4.4 商业模式 |
3.4.5 关联关系 |
3.4.6 联接交互 |
3.4.7 生态特征与系统要素之间的关联关系 |
3.5 智能产品服务生态系统总体研究框架与流程 |
3.6 智能家居服务生态系统示例验证 |
3.6.1 智能家居服务生态系统的定义与演变 |
3.6.2 智能家居服务生态系统的特征体现 |
3.6.3 智能家居服务生态系统要素构成分析 |
3.7 先进性与可行性分析 |
3.8 本章小结 |
第四章 智能产品服务生态系统需求分析 |
4.1 引言 |
4.2 智能产品服务生态系统需求分析研究思路与框架流程 |
4.2.1 智能产品服务生态系统边界拓展特征分析 |
4.2.2 智能产品服务生态系统客户需求特征分析 |
4.2.3 智能产品服务生态系统客户需求分析研究框架流程 |
4.3 智能产品服务生态系统边界研究 |
4.3.1 智能产品服务生态系统业务边界研究 |
4.3.2 智能产品服务生态系统价值边界研究 |
4.4 智能产品服务生态系统客户需求挖掘与预测 |
4.4.1 客户需求分析方法选择 |
4.4.2 基于模糊认知图(FCM)的客户隐性需求挖掘方法 |
4.4.3 基于ARIMA模型的客户动态需求预测方法 |
4.5 智能家居服务生态系统需求分析示例验证 |
4.5.1 智能家居服务生态系统边界研究 |
4.5.2 智能家居服务生态系统客户需求挖掘与动态预测 |
4.6 先进性与可行性分析 |
4.7 本章小结 |
第五章 智能产品服务生态系统解析 |
5.1 引言 |
5.2 智能产品服务生态系统解析研究思路与框架流程 |
5.2.1 智能产品服务生态系统解析的问题特征 |
5.2.2 智能产品服务生态系统解析研究框架流程 |
5.3 智能产品服务生态系统层次结构拓扑分析与建模 |
5.3.1 智能产品服务生态系统层次分析 |
5.3.2 智能产品服务生态系统生存系统模型(EVSM) |
5.3.3 基于EVSM的智能产品服务生态系统结构建模 |
5.4 智能产品服务生态系统稳健性研究 |
5.4.1 智能产品服务生态系统稳健性研究思路 |
5.4.2 智能产品服务生态系统的耗散结构演变 |
5.4.3 智能产品服务生态系统生态位分离 |
5.4.4 智能产品服务生态系统稳健性评价 |
5.4.5 智能产品服务生态系统的冗余机制 |
5.5 智能产品服务生态系统价值涌现 |
5.5.1 智能产品服务生态系统价值涌现机理 |
5.5.2 智能产品服务生态系统的价值空间的拓展 |
5.5.3 智能产品服务生态系统价值空间评价 |
5.6 智能家居服务生态系统解析示例验证 |
5.6.1 智能家居服务生态系统结构拓扑层次分析 |
5.6.2 智能家居服务生态系统稳健性研究 |
5.6.3 智能家居服务生态系统价值涌现 |
5.7 先进性与可行性分析 |
5.8 本章小结 |
第六章 智能产品服务生态系统设计 |
6.1 引言 |
6.2 智能产品服务生态系统设计研究思路与框架流程 |
6.3 智能产品与功能层次聚类 |
6.3.1 主要问题特征与研究思路分析 |
6.3.2 智能产品功能模糊层次聚类算法 |
6.4 智能产品服务流程建模 |
6.4.1 智能产品服务配置框架 |
6.4.2 基于服务蓝图的智能产品服务包划分 |
6.4.3 基于BPMN图的智能产品服务过程建模 |
6.5 智能产品服务生态价值交互与平衡 |
6.5.1 智能产品服务生态价值交叉补贴 |
6.5.2 智能产品服务生态系统价值网络分析 |
6.5.3 智能产品服务生态系统价值传递矩阵 |
6.6 智能家居服务生态系统设计示例验证 |
6.6.1 智能家居产品与功能层次聚类 |
6.6.2 基于多方法融合的智能家居服务流程建模 |
6.6.3 智能家居服务生态价值交互与平衡 |
6.7 先进性与可行性分析 |
6.8 本章小结 |
第七章 智能产品服务生态系统交付 |
7.1 引言 |
7.2 智能产品服务生态系统交付研究思路与框架流程 |
7.2.1 智能产品服务生态系统交付问题特征分析 |
7.2.2 智能产品服务生态系统交付研究框架流程 |
7.3 智能产品服务能力规划 |
7.3.1 智能产品服务能力层次分析框架 |
7.3.2 智能产品服务能力与资源的虚拟池化 |
7.4 智能产品服务交付管理 |
7.4.1 智能产品服务交付协同化过程 |
7.4.2 智能产品服务交付渠道 |
7.4.3 基于动态共享资源池的智能产品服务资源配置 |
7.5 智能家居服务生态系统交付示例验证 |
7.5.1 智能家居服务能力规划 |
7.5.2 智能家居服务运营管理 |
7.6 先进性与可行性分析 |
7.7 本章小结 |
第八章 智能网联汽车服务生态系统示例验证 |
8.1 案例背景 |
8.2 智能网联汽车服务生态系统框架结构 |
8.2.1 智能网联汽车服务生态系统基础框架 |
8.2.2 智能网联汽车服务生态系统的特征体现 |
8.2.3 智能网联汽车服务生态系统的要素构成 |
8.3 智能网联汽车服务生态需求分析 |
8.3.1 智能网联汽车服务生态系统边界研究 |
8.3.2 智能网联汽车服务生态系统客户需求挖掘与动态预测 |
8.4 智能网联汽车服务生态系统解析 |
8.4.1 智能网联汽车服务生态系统结构拓扑层次分析 |
8.4.2 智能网联汽车服务生态系统稳健性研究 |
8.4.3 智能网联汽车服务生态系统价值涌现 |
8.5 智能网联汽车服务生态系统设计 |
8.5.1 智能网联汽车产品与功能层次聚类 |
8.5.2 基于多方法融合的智能网联汽车服务流程建模 |
8.5.3 智能网联汽车服务生态价值交互与平衡 |
8.6 智能网联汽车服务生态系统交付 |
8.6.1 智能网联汽车服务能力规划 |
8.6.2 智能网联汽车服务运营管理 |
8.7 本章小结 |
第九章 总结与展望 |
9.1 总结 |
9.1.1 内容总结 |
9.1.2 创新点 |
9.2 展望 |
9.2.1 不足之处 |
9.2.2 后续研究 |
参考文献 |
附录一 英文缩略语 |
附录二 模糊层次聚类算法的MATLAB实现 |
附录三 基于EXCEL的资源动态配置算法实现 |
攻读博士学位期间发表或录用的学术论文 |
以第一作者发表的学术论文 |
第一作者撰写中和拟投稿论文 |
与他人合作发表的学术论文 |
攻读博士学位期间参与的科研项目 |
致谢 |
(4)面向客户服务的民用飞机健康管理系统的若干问题研究(论文提纲范文)
摘要 |
Abstract |
符号、术语和缩略语 |
第一章 绪论 |
1.1 论文选题依据 |
1.1.1 研究的背景及意义 |
1.1.2 本论文的研究目的 |
1.2 健康管理研究的国内外研究现状 |
1.2.1 健康管理的内涵及起源 |
1.2.2 国外民机健康管理系统开发应用现状及发展趋势 |
1.2.3 国外民机健康管理技术发展现状和趋势分析 |
1.2.4 国内民机PHM技术发展现状 |
1.3 研究问题的提出 |
1.4 本文的研究内容和结构安排 |
1.4.1 本文的研究内容 |
1.4.2 本文的结构安排 |
第二章 面向客户服务的大型客机健康管理系统方案研究 |
2.1 大型民用客机主制造商的客户服务模式分析 |
2.1.1 民用飞机的客户服务模式 |
2.1.2 C-Care客户服务模式分析 |
2.1.3 C-Care客户服务模式中的信息与数据流 |
2.2 面向客户服务的APHM的功能与使用需求 |
2.2.1 基于C-Care服务模式的APHM系统需求 |
2.2.2 航空公司对APHM的使用需求 |
2.2.3 主制造商对APHM的功能需求 |
2.3 APHM系统设计的技术要求 |
2.3.1 基本技术要求 |
2.3.2 系统可靠性要求 |
2.3.3 系统可用性要求 |
2.3.4 安全性要求 |
2.3.5 开放性要求 |
2.3.6 扩展性需求 |
2.4 APHM系统总体的方案 |
2.4.1 系统总体架构 |
2.4.2 地面系统总体方案 |
2.4.3 机载系统总体方案 |
2.4.4 空地数据传输机制总体方案 |
2.5 系统接口关系 |
2.5.1 与地面系统接口 |
2.5.2 数据链路的接口 |
2.5.3 与航空公司的接口 |
2.5.4 与供应商的接口 |
2.6 小结 |
第三章 APHM系统状态监测信息及数据传输策略研究 |
3.1 飞机级状态监测需求分析 |
3.1.1 运行基本信息 |
3.1.2 航行动态实时监测信息 |
3.1.3 勤务信息 |
3.1.4 异常事件监测信息 |
3.2 系统级状态监测需求 |
3.2.1 基于类比分析确定重点监测的机载系统 |
3.2.2 延误取消率统计 |
3.2.3 机组报告率统计 |
3.2.4 使用困难报告率 |
3.2.5 需重点关注的系统及其状态监测信息需求 |
3.3 部件级状态监测需求 |
3.3.1 部件级状态监测需求确定方法 |
3.3.2 空调系统部附件监测信息需求 |
3.4 我国某型民机状态监测数据需求 |
3.5 状态监测信息传输策略研究 |
3.5.1 基于ACARS的空地数据传输 |
3.5.1.1 ACARS地空数据链系统组成 |
3.5.1.2 ACARS数据的传输策略分析 |
3.5.1.3 ACARS数据传输策略 |
3.5.2 航后无线数据链 |
3.5.2.1 航后无线数据链的组成 |
3.5.2.2 航后无线数据链的传输策略分析 |
3.5.2.3 航后无线数据的传输策略 |
3.5.3 空地宽带数据链 |
3.5.3.1 卫星宽带数据链组成 |
3.5.3.2 ATG数据链的组成 |
3.5.3.3 数据链的传输策略分析 |
3.5.3.4 某机型数据链传输策略 |
3.6 小结 |
第四章 面向航线维修的多策略融合故障诊断方法研究 |
4.1 基于故障隔离手册的故障诊断 |
4.1.1 基于FIM的故障诊断流程与方法 |
4.1.2 多故障原因综合分析方法 |
4.2 基于案例推理的民机故障诊断技术 |
4.2.1 基于案例推理的进行故障诊断的基本原理 |
4.2.2 基于案例推理的民机故障诊断技术 |
4.2.2.1 基于框架表示的民机故障案例库设计方法 |
4.2.2.2 基于征兆相似度的案例检索策略 |
4.2.3 相似故障原因分析案例 |
4.2.3.1 A320 系列飞机后货舱门故障 |
4.2.3.2 B737NG系列飞机后货舱门故障 |
4.2.3.3 故障对比分析 |
4.3 基于系统原理故障诊断的方法研究 |
4.3.1 基于系统原理的故障诊断方法 |
4.3.2 系统原理模型库构建 |
4.3.3 故障传播路径获取 |
4.4 基于多策略融合的故障诊断方法 |
4.4.2 融合故障诊断方法 |
4.4.3 基于融合分析的排故功能设计 |
4.5 小结 |
第五章 面向维修计划的寿命预测方法研究 |
5.1 基于LS-SVM时间序列预测的飞机性能可靠性寿命预测方法 |
5.1.1 支持向量机SVM |
5.1.2 最小二乘支持向量机LS-SVM |
5.1.3 基于LS-SVM时间序列预测方法的性能退化预测模型 |
5.2 基于改进威布尔分布的可靠性寿命预测模型 |
5.2.1 可靠性数据的收集与分析 |
5.2.2 寿命分布模型的检验 |
5.2.3 基于改进的威布尔分布的寿命分布模型的实现 |
5.3 民用飞机整机的寿命控制 |
5.4 案例研究 |
5.4.1 改进威布尔分布的寿命分布模型案例验证 |
5.4.2 基于LS-SVM时间序列预测的性能可靠度评估及寿命预测案例验证 |
5.5 小结 |
第六章APHM原型系统开发与验证 |
6.1 针对某型民机的健康管理系统功能设计及实现 |
6.1.1 数据收发与处理子系统 |
6.1.2 实时监控子系统 |
6.1.3 故障诊断子系统 |
6.1.4 航后数据监控应用子系统 |
6.1.5 运行平台子系统 |
6.1.6 扩展功能子系统 |
6.1.7 数据及知识管理子系统 |
6.2 APHM系统验证方案与验证内容 |
6.2.1 系统功能验证方案 |
6.2.2 系统性能验证方案 |
6.2.3 系统验证内容 |
6.2.3.1 系统功能验证内容 |
6.2.3.2 系统性能验证内容 |
6.3 验证实施与结果分析 |
6.3.1 验证实施 |
6.3.2 验证问题统计 |
6.3.3 测试验证结果分析 |
6.4 小结 |
第七章 论文总结及展望 |
7.1 完成的主要研究工作 |
7.2 主要的创新性工作与成果 |
7.3 未来工作展望 |
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1 ATA100 章节与飞机系统对应关系表 |
附录2 某航空公司B737 MEL |
附录3 B737 空调系统(ATA21)部附件的重要度分析 |
附录4 B737NG空调系统(ATA21)中故障率较高的部附件列表 |
(5)建立飞机电气故障诊断信息系统(论文提纲范文)
0 引言 |
1 数据库创建过程 |
2 系统构架 |
3 系统先进性对比 |
4 数据库系统功能概述 |
5 结语 |
(6)智能BIT诊断方法研究及其在多电飞机电源系统中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 电源系统BIT的应用概况及存在问题 |
1.2.1 电源系统BIT的发展及应用概况 |
1.2.2 电源系统BIT存在的问题 |
1.2.3 智能化BIT是提高电源系统综合诊断性能的重要途径 |
1.3 智能BIT故障诊断技术的研究综述 |
1.4 论文的主要研究内容及组成 |
1.4.1 论文研究的主要内容 |
1.4.2 论文的组织结构 |
第二章 多电飞机电源系统特性与BIT智能诊断策略 |
2.1 多电飞机电气系统的基本组成和功能特点 |
2.1.1 多电飞机电气系统的基本组成及其功能 |
2.1.2 多电飞机电气系统的智能BIT综合诊断结构 |
2.2 多电飞机电源系统特性及其BIT故障诊断特点 |
2.2.1 多电飞机电源系统的非线性数学模型 |
2.2.2 多电飞机电源系统的特性 |
2.2.3 电源系统的模块化特点 |
2.2.4 电源系统故障模式影响度分析 |
2.2.5 BIT故障检测与诊断特征信号分析 |
2.3 BIT系统中智能故障诊断策略的理论分析及选取 |
2.3.1 电源BIT系统的数学模型 |
2.3.2 电源BIT系统诊断策略分析 |
2.4 提高电源BIT系统智能化诊断性能的策略 |
2.4.1 智能BIT系统无监督诊断策略 |
2.4.2 智能BIT降虚警率策略研究 |
2.4.3 智能BIT趋势分析的状态预测策略 |
2.5 本章小结 |
第三章 基于混合聚类神经网络的BIT智能诊断方法 |
3.1 BIT系统智能故障诊断方法概述 |
3.1.1 基于模型推理和规则的诊断专家系统 |
3.1.2 基于模式识别的神经网络诊断系统 |
3.2 广义学习矢量量化网络的基本原理 |
3.2.1 竞争神经网络学习的基本原理 |
3.2.2 基于竞争思想的广义学习矢量量化网络模型 |
3.3 改进型GLVQ(IGLVQ)的提出 |
3.3.1 GLVQ网络算法存在的不足 |
3.3.2 改进型GLVQ(IGLVQ)网络算法 |
3.3.3 新型IGLVQ算法的性能分析 |
3.4 基于IGLVQ的混合聚类网络(HIGLVQ) |
3.4.1 HIGLVQ模型的提出 |
3.4.2 HIGLVQ模型的性能分析 |
3.5 基于HIGLVQ混合聚类模型的电源系统BIT故障诊断方法 |
3.5.1 电源系统的典型故障模式分析 |
3.5.2 基于功率谱和小波的特征选取 |
3.5.3 基于HIGLVQ模型的BIT故障诊断结果 |
3.5.4 实验讨论 |
3.6 本章小结 |
第四章 智能BIT系统降虚警率技术研究 |
4.1 BIT系统虚警概述及虚警率定义 |
4.1.1 BIT系统的虚警定义 |
4.1.2 BIT系统的虚警率定义 |
4.1.3 BIT虚警对机载电源系统的影响 |
4.1.4 BIT虚警原因及降低虚警率的技术研究概述 |
4.2 降低飞机电源系统BIT虚警率的技术解决途径 |
4.3 基于故障诊断流程的电源系统BIT虚警分析 |
4.4 两类故障导致暂时性失效的机理及特点分析 |
4.5.1 电源系统暂时性失效的两类故障分析 |
4.5.2 暂时性失效的故障特性及研究特点 |
4.5 瞬态或间歇故障对BIT固有虚警率影响的定量分析 |
4.6 基于HIGLVQ—优化Bayes风险决策的BIT智能虚警滤波技术 |
4.6.1 电源系统BIT智能虚警滤波模型 |
4.6.2 模式分类的贝叶斯策略 |
4.6.3 基于优化Bayes风险决策诊断模型的建立 |
4.6.4 基于HIGLVQ—优化Bayes风险决策的虚警滤波实验 |
4.6.5 实验讨论 |
4.7 本章小结 |
第五章 智能BIT系统状态预测技术研究 |
5.1 状态预测方法及理论概述 |
5.1.1 基于定量分析的状态预测方法 |
5.1.2 设备状态预测法的特点 |
5.1.3 马尔可夫建模技术及其在BIT中的应用现状 |
5.1.4 马尔可夫建模用于BIT状态预测的优点 |
5.2 电源BIT的马尔可夫建模原理及状态预测 |
5.2.1 具有中间态BIT系统的马尔可夫模型 |
5.2.2 基于马尔可夫模型的BIT状态预测 |
5.3 电源系统BIT隐马尔可夫建模原理及状态预测 |
5.3.1 隐马尔可夫模型的基本原理 |
5.3.2 电源BIT系统隐马尔可夫模型的建立 |
5.3.3 电源BIT隐马尔可夫模型预测原理 |
5.4 基于HMM的电源系统BIT状态预测方法研究 |
5.4.1 HMM的基本算法 |
5.4.2 基于HMM的电源系统BIT状态预测技术 |
5.5 基于径向基HMM模型的电源系统BIT在线预测模型 |
5.5.1 径向基HMM(RBHMM)预测模型的提出 |
5.5.2 RBHMM模型的在线参数估计 |
5.5.3 基于RBHMM模型的在线预测方法 |
5.5.4 基于RBHMM模型的BIT系统状态预测实验 |
5.5.5 实验讨论 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录:攻读博士学位期间发表的有关学术论文 |
(7)基于测试信号融合的电液伺服阀智能故障诊断算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究意义与背景 |
1.2 国内外研究现状 |
1.2.1 国内外故障诊断技术研究现状 |
1.2.2 国内外机器学习研究现状 |
1.2.3 国内外电液伺服阀故障诊断研究现状 |
1.3 关键技术与研究难点 |
1.3.1 关键技术 |
1.3.2 研究难点 |
1.4 研究目标与研究内容 |
1.4.1 研究目标 |
1.4.2 研究内容 |
第2章 电液伺服阀工作原理及常见故障 |
2.1 电液伺服阀工作原理 |
2.1.1 电液伺服阀工作原理 |
2.1.2 电液伺服阀数学模型 |
2.2 电液伺服阀常见故障 |
2.2.1 力矩马达故障 |
2.2.2 喷嘴挡板阀故障 |
2.2.3 功率级滑阀故障 |
2.3 本章小结 |
第3章 电液伺服阀故障数据获取 |
3.1 电液伺服阀性能测试台介绍 |
3.1.1 电液伺服阀测试系统 |
3.1.2 电液伺服阀性能测试软件 |
3.2 电液伺服阀故障样本获取 |
3.2.1 试验方案设计 |
3.2.2 数据预处理 |
3.2.3 数据增强 |
3.3 本章小结 |
第4章 基于消息传播机制的神经网络故障诊断算法 |
4.1 多源信息系统信号融合方法 |
4.1.1 多源信息系统 |
4.1.2 多源信息系统神经网络故障诊断方法策略 |
4.2 消息传播神经网络原理 |
4.2.1 图论概述 |
4.2.2 图卷积网络 |
4.2.3 消息传播网络 |
4.2.4 基于全自注意力的图卷积操作 |
4.2.5 基于Top K的图池化机制 |
4.2.6 全局池化 |
4.3 图分类模型概述 |
4.3.1 图分类模型网络结构概述 |
4.3.2 图分类模型网络损失函数概述 |
4.4 基于堆栈图卷积的故障诊断算法模型 |
4.4.1 模型结构 |
4.4.2 参数选择 |
4.4.3 训练与分析 |
4.5 基于残差图卷积的故障诊断算法模型 |
4.5.1 模型结构 |
4.5.2 参数选择 |
4.5.3 训练与分析 |
4.6 本章小结 |
第5章 基于特征蒸馏的故障诊断算法 |
5.1 知识蒸馏原理 |
5.1.1 知识蒸馏 |
5.1.2 知识蒸馏工作原理 |
5.2 基于特征蒸馏的故障诊断算法模型 |
5.2.1 特征蒸馏模型 |
5.2.2 教师网络模型 |
5.2.3 轻量化学生网络模型 |
5.2.4 损失函数 |
5.3 训练与分析 |
5.3.1 联合优化策略 |
5.3.2 学生网络单独训练试验结果分析 |
5.3.3 特征蒸馏试验结果分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(8)机上故障诊断系统研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 论文研究的背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.3 论文研究的主要内容及结构 |
第二章 机上故障特征及诊断方法 |
2.1 机上故障特征 |
2.2 机上故障诊断技术 |
2.3 专家故障诊断方法 |
2.3.1 具备能力 |
2.3.2 组成模块 |
2.4 本章小结 |
第三章 机上故障诊断系统的方案设计 |
3.1 系统设计目标 |
3.2 整体方案设计 |
3.3 开发环境指标分析 |
3.3.1 基本环境指标 |
3.3.2 系统六性指标 |
3.3.3 硬件开发环境 |
3.3.4 软件开发环境 |
3.4 本章小结 |
第四章 机上故障诊断系统的硬件设计 |
4.1 硬件整体构架设计 |
4.2 核心控制板设计 |
4.3 矩阵继电器切换板设计 |
4.4 HB6096 信号隔离板设计 |
4.5 RS422 信号隔离板设计 |
4.6 GJB289A信号板设计 |
4.7 离散量信号隔离板设计 |
4.8 隔离电源转换电路设计 |
4.9 本章小结 |
第五章 机上故障诊断系统的软件设计 |
5.1 软件系统架构设计 |
5.1.1 软件流程优化设计 |
5.1.2 软件数据库设计 |
5.2 故障树软件模块设计 |
5.2.1 故障树模型建立 |
5.2.2 故障树推理流程优化 |
5.3 ICD解析模块设计 |
5.3.1 ICD总体结构设计 |
5.3.2 ICD接口与管理优化 |
5.4 故障监测模块设计 |
5.5 故障诊断模块设计 |
5.5.1 故障诊断流程优化 |
5.5.2 故障处理流程优化 |
5.6 信息管理模块设计 |
5.6.1 数据信息管理模块 |
5.6.2 故障信息管理模块 |
5.7 软件驱动与应用程序实现 |
5.7.1 驱动程序实现 |
5.7.2 应用程序实现 |
5.8 本章小结 |
第六章 测试验证与结果分析 |
6.1 测试系统的搭建 |
6.2 测试结果的提取 |
6.3 结果分析与讨论 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简介 |
(9)系统级测试性设计关键问题研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 文献综述 |
1.2.1 测试性设计总体发展现状概述 |
1.2.2 测试性分配技术发展现状 |
1.2.3 测试选择技术发展现状 |
1.2.4 诊断策略设计技术发展现状 |
1.3 论文的主要内容和组织结构 |
1.3.1 论文研究内容 |
1.3.2 论文组织结构 |
第二章 集成故障与集成测试内涵及影响分析 |
2.1 集成故障内涵与分类 |
2.1.1 集成故障内涵 |
2.1.2 集成故障分类 |
2.2 连接型集成故障模式分析 |
2.2.1 电气连接故障模式 |
2.2.2 机械连接故障模式 |
2.2.3 管道连接故障模式 |
2.3 集成故障对测试性设计影响分析 |
2.3.1 对测试性分配的影响分析 |
2.3.2 对故障诊断的影响分析 |
2.4 集成测试内涵与分类 |
2.4.1 集成测试内涵 |
2.4.2 集成测试分类 |
2.5 集成测试对测试性设计影响分析 |
2.5.1 对测试性分配的影响分析 |
2.5.2 对故障诊断的影响分析 |
2.6 本章小结 |
第三章 考虑集成故障与单元互测的指标分配 |
3.1 技术思路 |
3.2 第一次指标分配 |
3.2.1 问题分析 |
3.2.2 连接型集成故障率计算 |
3.2.3 初次分配函数的推导 |
3.2.4 分配算法设计 |
3.2.5 仿真算例 |
3.3 第二次指标分配 |
3.3.1 问题分析 |
3.3.2 二次分配函数的推导 |
3.3.3 分配算法设计 |
3.3.4 仿真算例 |
3.4 本章小结 |
第四章 基于混合相关性矩阵的系统级测试选择 |
4.1 技术思路 |
4.2 面向系统级测试选择的测试性模型 |
4.2.1 系统级测试选择对模型的需求 |
4.2.2 混合相关性矩阵定义 |
4.2.3 混合相关性矩阵生成方法 |
4.2.4 演示案例 |
4.3 基于混合相关性矩阵的系统级测试性预计 |
4.3.1 系统级故障检测率预计 |
4.3.2 集成故障检测率预计 |
4.3.3 系统级故障隔离率预计 |
4.3.4 仿真算例 |
4.4 基于混合相关性矩阵的系统级测试选择技术 |
4.4.1 问题数学描述 |
4.4.2 基于二进制遗传算法的系统级测试优化选择 |
4.4.3 仿真算例 |
4.5 本章小结 |
第五章 非完美测试下的系统级诊断策略设计 |
5.1 技术思路 |
5.2 测试结果有效性核查 |
5.2.1 单个测试自查 |
5.2.2 测试间的互查 |
5.2.3 演示案例 |
5.3 基于相关性矩阵的推理 |
5.3.1 推理方法 |
5.3.2 演示案例 |
5.4 基于故障有向图的推理 |
5.4.1 几种典型有向图的故障推理 |
5.4.2 有向图推理算法 |
5.4.3 仿真算例 |
5.5 本章小结 |
第六章 典型案例应用与验证 |
6.1 总体验证方案 |
6.1.1 案例系统概述 |
6.1.2 技术验证方案 |
6.2 考虑集成故障的指标初次分配 |
6.2.1 考虑集成故障的测试性模型(模型-I) |
6.2.2 第一次测试性分配 |
6.3 系统级测试选择 |
6.3.1 系统级测试选择 |
6.3.2 考虑系统级方案的测试性模型(模型-II) |
6.4 测试性指标二次分配 |
6.5 单元级测试性设计 |
6.5.1 单元级测试选择 |
6.5.2 融合系统级和单元级方案的测试性模型(模型-III) |
6.6 系统级诊断策略能力对比分析 |
6.6.1 状态A诊断能力评价 |
6.6.2 状态B诊断能力评价 |
6.6.3 状态C诊断能力评价 |
6.6.4 三状态诊断能力对比分析 |
6.7 本章小结 |
第七章 结论与展望 |
7.1 研究结论 |
7.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(10)关于故障预测与健康管理技术的几点认识(论文提纲范文)
0 引言 |
1 作用与地位 |
1.1 PHM技术是改变传统维修保障方式的新理念 |
1.2 PHM技术是提高设备安全性的重要手段 |
1.3 PHM技术是提高设备完好性的重要手段 |
1.4 PHM技术是降低维修保障成本的重要手段 |
1.5 PHM技术是实现自主保障的重要手段 |
2 国外PHM技术发展现状及应用 |
2.1 战斗机PHM发展现状 |
2.2 民用飞机健康管理系统 (AHM) 发展现状 |
2.3 直升机健康与使用监测系统 (HUMS) 发展现状 |
2.4 航天飞行器综合健康管理 (IVHM) 发展现状 |
2.5 舰船综合状态评估系统 (ICAS) 发展现状 |
2.6 车辆健康管理系统 (VHMS) 发展现状 |
3 我国PHM技术发展现状及存在问题 |
3.1 我国PHM技术发展现状 |
1) 状态监测与嵌入式测试技术日趋成熟 |
2) 故障诊断技术已有较好发展基础 |
3) 故障预测技术日益完善 |
3.2 我国PHM技术发展存在的主要问题 |
1) 对PHM作用地位与应用范围的认识还存在误区 |
2) 对关键零部件失效模型和数据积累不够 |
3) 设备状态监测手段较差 |
4) 缺乏PHM技术集成与验证经验 |
4 未来PHM技术发展趋势及应用预测 |
4.1 未来PHM技术发展趋势 |
4.2 未来PHM技术应用前景预测 |
5 体系架构与发展重点 |
5.1 体系架构 |
5.2 关键技术与研究重点 |
1) 故障建模技术 |
2) 状态监测与测试性设计技术 |
3) 数据融合与数据挖掘技术 |
4) 故障诊断与预测技术 |
5) 健康状态管理技术 |
6) 维修保障策划与自动生成技术 |
7) 综合信息自主保障系统技术 |
6 措施与建议 |
6.1 加强PHM技术顶层设计与统筹规划 |
6.2 加强PHM技术基础研究 |
6.3 加强PHM技术集成验证与示范应用 |
四、建立飞机电气故障诊断信息系统(论文参考文献)
- [1]基于专家系统的飞机配电系统辅助排故综合决策研究[D]. 周广宇. 华南理工大学, 2020(02)
- [2]飞机液压系统故障特性分析及故障诊断使用技术研究[D]. 寇旭. 西安科技大学, 2018(01)
- [3]智能产品服务生态系统理论与方法研究[D]. 郑茂宽. 上海交通大学, 2018(01)
- [4]面向客户服务的民用飞机健康管理系统的若干问题研究[D]. 马小骏. 南京航空航天大学, 2014(01)
- [5]建立飞机电气故障诊断信息系统[J]. 彭若梅,杨松. 中国民航学院学报, 2004(S1)
- [6]智能BIT诊断方法研究及其在多电飞机电源系统中的应用[D]. 刘震. 西北工业大学, 2007(04)
- [7]基于测试信号融合的电液伺服阀智能故障诊断算法研究[D]. 杨东. 燕山大学, 2021(01)
- [8]机上故障诊断系统研究与设计[D]. 张创. 西安电子科技大学, 2020(08)
- [9]系统级测试性设计关键问题研究[D]. 谢皓宇. 国防科技大学, 2019(01)
- [10]关于故障预测与健康管理技术的几点认识[J]. 年夫顺. 仪器仪表学报, 2018(08)