基于模糊粗集的診斷算法研究及在飛機上的應(yīng)用.pdf

1、本文將粗集和模糊集相結(jié)合，從數(shù)據(jù)預(yù)處理、特征提取、故障識別等方面。對以粗集和模糊集相結(jié)合的飛機故障診斷算法做了探索性研究： 在論文第一章中，綜述了國內(nèi)外故障診斷和民航中故障診斷技術(shù)發(fā)展?fàn)顩r，并根據(jù)粗集和模糊集的發(fā)展現(xiàn)狀和民航故障診斷的特點，指出將粗集和模糊集相結(jié)合用于飛機故障診斷的必要性，并進行了可行性分析；第二章對粗集和模糊集理論進行了介紹：第三章針對飛機故障特征提取面臨的諸多問題，重點討論了飛機故障信息系統(tǒng)中屬性離散和屬性約

2、簡問題，研究并提出了基于粗集和模糊集相結(jié)合的特征參數(shù)獲取算法。采用真實的發(fā)動機數(shù)據(jù)驗證了算法的有效性。第四章針對飛機故障數(shù)據(jù)缺失問題，考慮到飛機故障缺失數(shù)據(jù)的隨機性和不確定性，重點討論了各參數(shù)屬性值的概率分布以及隨機落影函數(shù)的最大值問題，研究并提出了基于隨機集數(shù)據(jù)補齊算法。研究結(jié)果表明，算法對補齊具有模糊性、連續(xù)性、平穩(wěn)性的飛機故障數(shù)據(jù)非常有效，精度較高，具有較小的隨機誤差：第五章針對飛機故障識別和狀態(tài)監(jiān)測中的參數(shù)冗余問題，重點討論了如

3、何提高識別正確率和改善由于故障特殊性帶來的識別算法的魯棒性問題，研究并提出了一系列的基于模糊集距離、貼近度、聚類等飛機故障識別算法。研究結(jié)果表明，這些算法能夠去除干擾因素的影響,提高了識別的效率和精度，在同等條件下，識別精度高于BP網(wǎng)絡(luò)。在論文最后，將以上研究的算法進行計算機仿真，編制相應(yīng)的程序，分別封裝成單個模塊，集成到飛機遠程故障診斷系統(tǒng)平臺系統(tǒng)中，為進一步實現(xiàn)飛機的遠程故障診斷奠定了基礎(chǔ)；將以上研究的算法用于飛機故障診斷實踐中，并

4、取得了較好的效果：提取的特征參數(shù)分別是導(dǎo)致航空發(fā)動機故障和影響飛機起落架維修性的關(guān)鍵因素；軍用和民用發(fā)動機故障數(shù)據(jù)補齊的精度達到96.42％；在民用發(fā)動機狀態(tài)監(jiān)測實例中，基于模糊粗集的識別算法正確率達到98.4％，在同等條件下，BP網(wǎng)絡(luò)的識別正確率最高達到84.1％：在發(fā)動機轉(zhuǎn)子故障識別實例中，識別結(jié)果全部正確：對于飛機燃油系統(tǒng)健康監(jiān)控中的噴嘴堵塞故障模式。基于模糊粗集的識別算法比改進的狀態(tài)因子診斷法有一定的優(yōu)勢. 以上研究的診

5、斷算法具有一定的創(chuàng)新性和實用性，算法的有用性得到真實飛機故障實例的驗證?；谀：旨娘w機故障特征參數(shù)獲取算法為解決飛機故障診斷中知識庫龐大和故障參數(shù)冗余等問題，提供了一種有效途徑和手段；基于隨機集的故障數(shù)據(jù)補齊算法為解決當(dāng)前飛機故障診斷中存在的不完整性、不確定性等問題，提供了一個有效的工具：基于模糊粗集的飛機故障識別算法為解決當(dāng)前飛機故障識別中的算法魯棒性不強、抗干擾能力差、計算量大等問題，提供了一種新的思路。這些算法在飛機故障診斷中