基于系統(tǒng)原理的飛機(jī)系統(tǒng)測(cè)試診斷與預(yù)測(cè)技術(shù)

目錄
前言
第1章 緒論 1
1.1 概述 1
1.2 測(cè)試性設(shè)計(jì)分析技術(shù)研究現(xiàn)狀 2
1.2.1 測(cè)試性建模方法研究現(xiàn)狀 6
1.2.2 測(cè)試策略優(yōu)化方法研究現(xiàn)狀 8
1.3 故障診斷技術(shù)研究現(xiàn)狀 9
1.3.1 故障診斷方法研究現(xiàn)狀 9
1.3.2 診斷策略研究現(xiàn)狀 12
1.3.3 飛機(jī)系統(tǒng)故障診斷研究現(xiàn)狀 13
1.4 測(cè)試診斷圖論模型理論方法研究現(xiàn)狀 16
1.4.1 多信號(hào)流圖模型研究現(xiàn)狀 17
1.4.2 Petri網(wǎng)模型理論方法研究現(xiàn)狀 18
1.5 故障預(yù)測(cè)技術(shù)研究現(xiàn)狀 20
1.6 維修排故技術(shù)研究現(xiàn)狀 22
第2章 基于系統(tǒng)原理與功能結(jié)構(gòu)樹(shù)的飛機(jī)系統(tǒng)故障傳播關(guān)系分析 25
2.1 基于系統(tǒng)原理的故障傳播關(guān)系分析思路 25
2.2 基于FFA的飛機(jī)系統(tǒng)功能結(jié)構(gòu)層次分析 27
2.3 基于功能結(jié)構(gòu)層次的飛機(jī)系統(tǒng)故障模式與傳播關(guān)系分析 27
2.3.1 故障特征信息分析 27
2.3.2 故障模式及傳播影響分析 28
2.3.3 基于功能結(jié)構(gòu)樹(shù)的故障傳播知識(shí)表示 30
2.4 實(shí)例 31
2.4.1 氣源系統(tǒng)功能結(jié)構(gòu)層次分析 31
2.4.2 氣源系統(tǒng)功能結(jié)構(gòu)樹(shù) 32
第3章 基于系統(tǒng)原理與多信號(hào)流的飛機(jī)系統(tǒng)測(cè)試性分析 34
3.1 基于系統(tǒng)原理與多信號(hào)流的飛機(jī)系統(tǒng)測(cè)試性建模技術(shù) 34
3.1.1 多信號(hào)流模型基本理論 34
3.1.2 SDG圖模型方法 39
3.1.3 多信號(hào)流圖建模步驟 39
3.1.4 實(shí)例 40
3.2 基于相關(guān)性矩陣的飛機(jī)系統(tǒng)測(cè)試性分析 55
3.2.1 擴(kuò)展D矩陣 55
3.2.2 測(cè)試性分析的內(nèi)容與算法 56
3.2.3 實(shí)例 60
3.3 基于DPSO-AO*算法的飛機(jī)系統(tǒng)測(cè)試策略優(yōu)化設(shè)計(jì) 62
3.3.1 測(cè)試策略優(yōu)化問(wèn)題的數(shù)學(xué)描述 63
3.3.2 AO*算法與測(cè)試序列優(yōu)化問(wèn)題的結(jié)合 64
3.3.3 離散粒子群優(yōu)化算法 67
3.3.4 基于DPSO-AO*算法的測(cè)試策略優(yōu)化步驟 68
3.3.5 實(shí)例 71
第4章 基于系統(tǒng)原理和多信號(hào)流的飛機(jī)系統(tǒng)測(cè)試診斷 75
4.1 基于系統(tǒng)原理與多信號(hào)流的測(cè)試診斷建模 75
4.1.1 基于系統(tǒng)原理與多信號(hào)流的測(cè)試診斷建模思想 75
4.1.2 基于系統(tǒng)原理和多信號(hào)流的測(cè)試診斷骨架建模 77
4.1.3 基于 FMEA 的故障和測(cè)試信息建模 79
4.2 測(cè)試診斷模型的測(cè)試性分析和評(píng)估 81
4.2.1 故障-測(cè)試相關(guān)性矩陣 81
4.2.2 測(cè)試性指標(biāo) 82
4.3 基于AO*算法的診斷策略優(yōu)化生成 83
4.3.1 診斷策略的基本理論 83
4.3.2 診斷策略優(yōu)化生成的AO*搜索算法步驟 85
4.3.3 氣源系統(tǒng)診斷策略優(yōu)化 89
4.4 飛機(jī)系統(tǒng)基于多值測(cè)試的診斷策略優(yōu)化 90
4.4.1 飛機(jī)系統(tǒng)的故障診斷問(wèn)題 90
4.4.2 多值測(cè)試診斷策略的構(gòu)成要素 91
4.4.3 診斷策略優(yōu)化目標(biāo) 91
4.4.4 基于測(cè)試診斷模型的多值測(cè)試相關(guān)性矩陣 92
4.5 基于rollout和信息熵的多值測(cè)試診斷策略構(gòu)建 92
4.5.1 多值測(cè)試診斷策略的構(gòu)建流程 92
4.5.2 基于rollout和信息熵的多值測(cè)試診斷策略 94
4.6 實(shí)例 97
4.6.1 發(fā)動(dòng)機(jī)引氣系統(tǒng)測(cè)試診斷模型建立 97
4.6.2 發(fā)動(dòng)機(jī)引氣系統(tǒng)測(cè)試策略優(yōu)化 100
第5章 基于故障傳播機(jī)理和Petri網(wǎng)的飛機(jī)系統(tǒng)故障診斷技術(shù) 103
5.1 故障診斷Petri網(wǎng)模型 103
5.1.1Petri網(wǎng)模型理論基礎(chǔ) 103
5.1.2 擴(kuò)展染色模糊故障Petri網(wǎng)(CFFPN)模型 107
5.1.3 CFFPN模型建模方法 109
5.2 基于CFFPN模型的故障診斷推理 111
5.2.1 基于CFFPN模型的正向推理算法 112
5.2.2 基于CFFPN模型的逆向推理算法 114
5.3 故障診斷過(guò)程CFFPN模型參數(shù)優(yōu)化 115
5.3.1 CFFPN模型模糊推理函數(shù)建立 115
5.3.2 基于BP誤差算法的CFFPN模型參數(shù)優(yōu)化 116
5.4 實(shí)例 119
5.4.1 某型飛機(jī)氣源系統(tǒng)CFFPN模型建立 119
5.4.2 確定初始值 123
5.4.3 APU引氣系統(tǒng)正向推理 123
5.4.4 APU引氣系統(tǒng)逆向推理 125
5.4.5 參數(shù)優(yōu)化和性能評(píng)估 127
第6章 基于系統(tǒng)原理和TFM三維信息流的飛機(jī)系統(tǒng)診斷排故技術(shù) 130
6.1 TFM三維信息流建模 130
6.1.1 TFM三維信息流建模思路 130
6.1.2 TFM三維信息流模型定義 131
6.1.3 TFM框架建模 131
6.1.4 基于多信號(hào)流圖方法的測(cè)試-故障信息關(guān)聯(lián) 136
6.1.5 基于貝葉斯網(wǎng)絡(luò)的故障-維修信息映射 137
6.2 基于本體與蟻群的維修排故信息集成 144
6.2.1 基于本體與蟻群的維修排故信息集成思路 144
6.2.2 維修排故信息初始本體建模 146
6.2.3 基于蟻群信息素的本體合成優(yōu)化 150
6.2.4 實(shí)例 153
6.3 基于TFM三維信息流模型的診斷排故算法 155
6.3.1 基于優(yōu)化信息熵的故障診斷算法 155
6.3.2 基于模糊遺傳神經(jīng)網(wǎng)絡(luò)與語(yǔ)義關(guān)聯(lián)搜索的排故信息推送算法 159
6.3.3 語(yǔ)義關(guān)聯(lián)搜索算法 159
6.3.4 排故信息推送的實(shí)現(xiàn)流程 160
第7章 基于測(cè)試診斷模型的飛機(jī)系統(tǒng)故障狀態(tài)識(shí)別和故障預(yù)測(cè) 161
7.1 故障特征提取方法 161
7.2 基于HSMM的故障狀態(tài)識(shí)別和故障預(yù)測(cè) 162
7.2.1 隱馬爾可夫模型和隱半馬爾可夫模型的原理 162
7.2.2 HSMM的基本算法 164
7.2.3 基于HSMM的故障狀態(tài)識(shí)別過(guò)程 167
7.2.4 基于HSMM的故障預(yù)測(cè)過(guò)程 168
7.3 基于改進(jìn)粒子群的HSMM模型訓(xùn)練方法 169
7.3.1 粒子群優(yōu)化 169
7.3.2 改進(jìn)的粒子群算法 170
7.3.3 基于改進(jìn)粒子群的HSMM模型訓(xùn)練算法 171
7.4 基于遺傳模糊神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)預(yù)測(cè)算法 171
7.4.1 遺傳算法 171
7.4.2 模糊神經(jīng)網(wǎng)絡(luò) 172
7.4.3 基于模糊神經(jīng)網(wǎng)絡(luò)與遺傳算法的動(dòng)態(tài)預(yù)測(cè)算法 174
7.5 實(shí)例 175
7.5.1 故障狀態(tài)識(shí)別 175
7.5.2 故障預(yù)測(cè) 177
參考文獻(xiàn) 179