隨著國家航空技術(shù)的迅猛發(fā)展,現(xiàn)代飛機(jī)機(jī)載部件的復(fù)雜性、綜合化、智能化程度不斷提高,使得其維護(hù)和保障的成本不斷增加。同時,加之復(fù)雜系統(tǒng)的構(gòu)成環(huán)節(jié)和外部影響因素的增加,使其發(fā)生故障和部件功能失效的概率逐漸加大,因此對飛機(jī)運(yùn)行的安全性和可靠性提出了更高的要求。舵機(jī)是驅(qū)動飛機(jī)主控舵面的核心執(zhí)行機(jī)構(gòu),其可靠性直接影響到飛行控制系統(tǒng)乃至整架飛機(jī)的安全,因此,舵機(jī)的穩(wěn)定性、可靠性和精準(zhǔn)性對飛機(jī)總體性能提升至關(guān)重要。舵機(jī)故障預(yù)測是減少可能導(dǎo)致嚴(yán)重事故風(fēng)險的關(guān)鍵性技術(shù),開展針對飛機(jī)舵機(jī)的故障預(yù)測研究具有非常重要的現(xiàn)實意義和理論價值。論文主要提出了基于改進(jìn)相關(guān)向量機(jī)（Relevance Vector Machine,RVM）的舵機(jī)故障預(yù)測算法。具體工作內(nèi)容如下:首先,研究了相關(guān)向量機(jī)的核心思想即貝葉斯理論,指出目前相關(guān)向量機(jī)算法亟待解決的兩個問題,即長周期預(yù)測精度較低和預(yù)測模型不能實現(xiàn)動態(tài)更新問題,并給出了相關(guān)向量機(jī)模型的簡要推導(dǎo)過程。其次,提出了相關(guān)向量機(jī)與差分自回歸滑動平均融合的舵機(jī)故障預(yù)測方法（RVM-ARIMA）。該方法采用ARIMA技術(shù)對RVM模型的預(yù)測結(jié)果進(jìn)行誤差校正,另外,采用滑窗的方法對訓(xùn)... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀與發(fā)展趨勢
        1.2.1 航空界的研究情況
        1.2.2 學(xué)術(shù)界的研究情況
    1.3 課題研究的主要工作和結(jié)構(gòu)安排
        1.3.1 課題研究的主要工作
        1.3.2 本文的結(jié)構(gòu)安排
第二章 相關(guān)向量機(jī)基礎(chǔ)理論
    2.1 貝葉斯學(xué)習(xí)框架
    2.2 相關(guān)向量模型描述
    2.3 超參數(shù)優(yōu)化
    2.4 RVM訓(xùn)練算法
        2.4.1 MacKay迭代估計法
        2.4.2 快速序列稀疏貝葉斯學(xué)習(xí)算法
        2.4.3 EM迭代訓(xùn)練算法
    2.5 RVM預(yù)測模型仿真實驗
    2.6 本章小結(jié)
第三章 基于相關(guān)向量機(jī)和差分自回歸滑動平均的故障預(yù)測
    3.1 自回歸滑動平均算法原理
        3.1.1 自回歸滑動平均模型
        3.1.2 數(shù)據(jù)平穩(wěn)化處理
    3.2 基于RVM-ARIMA的預(yù)測模型
        3.2.1 RVM建模過程
        3.2.2 ARIMA建模過程
        3.2.3 RVM-ARIMA融合模型
    3.3 RVM-ARIMA算法仿真設(shè)計
        3.3.1 仿真實驗平臺
        3.3.2 初始模型預(yù)測結(jié)果
        3.3.3 新模型的預(yù)測結(jié)果
        3.3.4 算法評估分析
    3.4 本章小結(jié)
第四章 基于改進(jìn)的增量學(xué)習(xí)相關(guān)向量機(jī)故障預(yù)測
    4.1 RVM增量學(xué)習(xí)算法
    4.2 樣本熵基本原理
    4.3 Optimized I-RVM在線預(yù)測模型
        4.3.1 數(shù)據(jù)處理
        4.3.2 訓(xùn)練RVM模型
        4.3.3 在線更新模型
        4.3.4 剩余壽命(RUL)和置信區(qū)間
        4.3.5 Optimized I-RVM動態(tài)預(yù)測過程
    4.4 Optimized I-RVM算法仿真設(shè)計
        4.4.1 仿真實驗平臺
        4.4.2 Optimized I-RVM算法RUL預(yù)測的案例研究
        4.4.3 算法評估和結(jié)果分析
    4.5 本章小結(jié)
第五章 舵機(jī)故障預(yù)測實驗驗證
    5.1 舵機(jī)實驗平臺原理介紹及實驗設(shè)置
    5.2 舵機(jī)故障統(tǒng)計結(jié)果
    5.3 基于滲漏故障下舵機(jī)平臺的實驗驗證
    5.4 本章小結(jié)
第六章 結(jié)論與展望
致謝
參考文獻(xiàn)
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于安全監(jiān)測的水庫岸坡PHM系統(tǒng)框架及故障預(yù)測技術(shù)研究[J]. 李明,黃銘.  水利科技與經(jīng)濟(jì). 2018(06)
[2]航空裝備PHM技術(shù)發(fā)展及需求應(yīng)用分析[J]. 施小弟.  數(shù)字技術(shù)與應(yīng)用. 2018(06)
[3]基于參數(shù)辨識的電動舵機(jī)系統(tǒng)健康仿真和評估[J]. 周維正,李學(xué)鋒,曾慶華.  國防科技大學(xué)學(xué)報. 2016(04)
[4]基于小波去噪及ARMA模型的故障率預(yù)測方法研究[J]. 茹斌,張?zhí)靷?王宇欣.  測控技術(shù). 2014(10)
[5]用于混沌時間序列預(yù)測的組合核函數(shù)最小二乘支持向量機(jī)[J]. 田中大,高憲文,石彤.  物理學(xué)報. 2014(16)
[6]數(shù)據(jù)驅(qū)動故障預(yù)測和健康管理綜述[J]. 彭宇,劉大同.  儀器儀表學(xué)報. 2014(03)
[7]大型飛機(jī)機(jī)載系統(tǒng)預(yù)測與健康管理關(guān)鍵技術(shù)[J]. 王少萍.  航空學(xué)報. 2014(06)
[8]基于高斯過程回歸的短期風(fēng)速預(yù)測[J]. 孫斌,姚海濤,劉婷.  中國電機(jī)工程學(xué)報. 2012(29)
[9]一種基于貝葉斯網(wǎng)絡(luò)的故障預(yù)測方法[J]. 陸寧云,何克磊,姜斌,呂建華.  東南大學(xué)學(xué)報(自然科學(xué)版). 2012(S1)
[10]自動駕駛儀PHM系統(tǒng)健康評估方法研究[J]. 楊洲,景博,張劼,衛(wèi)曉娟,孫松山.  儀器儀表學(xué)報. 2012(08)

博士論文
[1]基于RVM的鋰離子電池剩余壽命預(yù)測方法研究[D]. 周建寶.哈爾濱工業(yè)大學(xué) 2013
[2]基于多模型的飛機(jī)舵面故障診斷與主動容錯控制[D]. 郭玉英.南京航空航天大學(xué) 2009

碩士論文
[1]直升機(jī)電動舵機(jī)狀態(tài)監(jiān)測與壽命預(yù)測方法的研究[D]. 譚榕容.哈爾濱工業(yè)大學(xué) 2013
[2]基于相關(guān)向量機(jī)的航空發(fā)動機(jī)故障診斷研究[D]. 沈默.湘潭大學(xué) 2012
[3]基于RVM-PF的衛(wèi)星關(guān)鍵部件壽命預(yù)測[D]. 郝旭東.國防科學(xué)技術(shù)大學(xué) 2011
[4]基于AMESim的某型飛機(jī)武器艙門液壓系統(tǒng)設(shè)計與仿真分析[D]. 楊益.南京航空航天大學(xué) 2009



本文編號：3692105