本文關(guān)鍵詞：基于敏感部件檢測(cè)的APU智能故障診斷方法研究

  更多相關(guān)文章： APU 智能故障診斷 小波濾波算法 神經(jīng)網(wǎng)絡(luò)

【摘要】：輔助動(dòng)力裝置(簡(jiǎn)稱APU)是飛機(jī)上僅次于航空發(fā)動(dòng)機(jī)的重要設(shè)備,它的健康狀況直接影響著航空公司的運(yùn)行成本和社會(huì)效益。為解決APU使用維護(hù)中的過度維修、欠維修、故障診斷智能化與自動(dòng)化水平較低等問題,本文展開了基于可測(cè)信息源的APU故障智能診斷方法研究。本文首先論述了小波算法的特性、理論推導(dǎo)方法和濾波算法的實(shí)現(xiàn)方法,并從算法的實(shí)現(xiàn)原理方面論證了小波包濾波算法在APU監(jiān)測(cè)傳感器輸出數(shù)據(jù)中的可行性與有效性。創(chuàng)造性的采用基于改進(jìn)“Min-Max”算法,實(shí)現(xiàn)了對(duì)APU監(jiān)測(cè)傳感器的故障診斷。APU故障智能診斷的本質(zhì)就是通過對(duì)其性能參數(shù)的狀態(tài)變化趨勢(shì)進(jìn)行系統(tǒng)故障預(yù)測(cè)。因此,本文在傳感器故障診斷基礎(chǔ)上,結(jié)合神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù),分別采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)與改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)建立了故障智能診斷模型。經(jīng)仿真與現(xiàn)場(chǎng)實(shí)際驗(yàn)證,本文所建立的APU智能故障診斷模型可對(duì)APU典型故障作出準(zhǔn)確診斷,達(dá)到了預(yù)期目標(biāo)。同時(shí),仿真結(jié)果進(jìn)一步表明,雖然兩種神經(jīng)網(wǎng)絡(luò)建模方法均有效,但基于改進(jìn)的RBF方法所建立的故障診斷模型在學(xué)習(xí)速率、診斷效率、診斷精度、特征模式分類能力和逼近能力等方面較優(yōu)于BP網(wǎng)絡(luò)的算法。項(xiàng)目研究成果對(duì)于提高我國(guó)APU維修自動(dòng)化水平、維修效率,提高航空公司經(jīng)濟(jì)效益等方面具有重要意義。
【關(guān)鍵詞】：APU 智能故障診斷 小波濾波算法 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V267;TP277
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-17
• 1.1 課題研究的背景和意義9-11
• 1.2 課題的國(guó)內(nèi)外研究現(xiàn)狀及應(yīng)用概況11-13
• 1.3 智能故障診斷常用方法13-15
• 1.3.1 基于模型的方法13
• 1.3.2 基于案例的推理方法13-14
• 1.3.3 基于神經(jīng)網(wǎng)絡(luò)的方法14
• 1.3.4 基于專家系統(tǒng)的方法14-15
• 1.3.5 基于模式識(shí)別的方法15
• 1.4 本文的主要研究?jī)?nèi)容與章節(jié)安排15-17
• 第二章 APU監(jiān)測(cè)傳感器參數(shù)及其常見故障類型的選取17-21
• 2.1 APU監(jiān)測(cè)傳感器參數(shù)的選取17-18
• 2.2 APU常見故障類型分析與選取18-20
• 2.3 本章小結(jié)20-21
• 第三章 APU監(jiān)測(cè)傳感器輸出數(shù)據(jù)的處理21-35
• 3.1 APU監(jiān)測(cè)傳感器濾波算法的小波理論基礎(chǔ)21
• 3.2 基于小波的APU監(jiān)測(cè)傳感器輸出數(shù)據(jù)數(shù)字濾波算法21-33
• 3.2.1 小波變換22-27
• 3.2.2 小波包算法的引入27-29
• 3.2.3 小波濾波算法在APU監(jiān)測(cè)傳感器輸出數(shù)據(jù)處理中的應(yīng)用實(shí)例29-33
• 3.3 APU監(jiān)測(cè)傳感器故障診斷研究33-34
• 3.3.1 傳感器故障分析33
• 3.3.2 基于改進(jìn)“Min - Max”算法的傳感器故障診斷33-34
• 3.4 本章小結(jié)34-35
• 第四章 APU故障智能診斷算法建模35-56
• 4.1 智能故障診斷原理引入35-36
• 4.2 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法的APU智能故障診斷模型的建立36-42
• 4.2.1 BP網(wǎng)絡(luò)數(shù)學(xué)模型的建立36-39
• 4.2.2 BP網(wǎng)絡(luò)的算法改進(jìn)39-41
• 4.2.3 APU智能故障診斷模型的BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)41-42
• 4.3 基于改進(jìn)RBF網(wǎng)絡(luò)算法的APU智能故障診斷模型的構(gòu)建42-49
• 4.3.1 RBF網(wǎng)絡(luò)結(jié)構(gòu)和算法的數(shù)學(xué)模型43-48
• 4.3.2 參數(shù)優(yōu)化48-49
• 4.4 實(shí)例驗(yàn)證與分析49-55
• 4.4.1 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法的APU智能故障診斷模型實(shí)例與分析50-53
• 4.4.2 基于改進(jìn)RBF網(wǎng)絡(luò)的APU智能故障診斷模型實(shí)例與分析53-55
• 4.5 本章小結(jié)55-56
• 第五章 總結(jié)與展望56-58
• 5.1 本文研究設(shè)計(jì)工作總結(jié)56
• 5.2 進(jìn)一步的研究開發(fā)工作規(guī)劃56-58
• 致謝58-59
• 參考文獻(xiàn)59-63
• 攻讀碩士研究生期間的科研成果63

，

本文編號(hào)：571141