飞机故障诊断研究现状
摘要目前飞机故障诊断主要有基于粗糙集理论方法和基于案例推理方法，本文着重介绍这两种方法。从而不但明确了飞机故障诊断的研究现状，还使飞机故障诊断得知识结构更加完整，具有明显的实用性。
关键词：故障诊断；粗糙集；案例推理
The Study of Integrated Neural Network
Abstract:Nowadays, the methods of Integrated Neural Network are mainly involved in Roughts theory and ca badreasoning .This paper will introduce the two ways. It not only make Integrated Neural Network more clear, but the knowlege more intact, which is very practical.
风字成语0引言
将粗糙集理论应用到航空发动机磨损故障诊断中据属性的重要性和决策表的相容性，用自组织神经网络完成连续数据离散处理这一关键环节，采用粗糙集理论对征兆信息进行属性约简，获取征兆的主要特征，通过基于D- S证据理论的方法得到最终的融合结果。将该方法用于某型航空发动机的磨损故障诊断专家系统中，实验证明了该方法的有效性。
老师帮我一次飞机
基于案例推理( CBR, Ca Bad Reasoning)方法是一种基于经验知识进行推理的求解方法, 适合于经验丰富的领域. 针对飞机售后服务过程中积累的大量故障诊断和维修经验, 将CBR方法应用于飞机故障诊断和维修决策支持. 从飞机维修的需求出发, 分析了CBR飞机故障诊断方法的基本过程; 讨论了飞机故障案例库的构建、案例表达、案例检索、匹配、案例修改和维护等关键技术; 重点研究了故障案例的知识表达, 应用字符型字段匹配和K近邻方法( KNN, K Nearest Neighbor)相结合的检索模型实现了案例检索和匹配; 提出了辅助飞机故障诊断系统的结构。
1粗糙集(Rough Set, RS)理论
粗糙集(Rough Set, RS)理论是波兰华沙理工大学计算机科学研究所的数学家Zdzislaw Pawlak[1]于1982年提出的一种用于处理不完整不精确知识的数学方法。该理论不需要任何预备的或额外的先验知识, 能有效分析和处理不精确、不一致、不完整等各种不完备数据, 并从中发现隐含的知识，揭示潜在的规律。该理论具有很强的实用性, 近年来日益受重视, 方法日趋成熟, 在很多领域产生了一些令人关注的应用。学习包子
神经网络的研究已经持续了40多年。神经网络本身所具有的强大的非线性映射能力使其在许领域成为一种强有力的工具。但神经网络自身的复杂结构常常会致使训练神经网络耗费很长时间。
1.1基于粗糙集(Rough Set, RS)理论的方法
航空发动机是一个非常复杂的非线性对象，其故障诊断的难度较大。近年来, 一些智能化的发动机状态监视和故障诊断技术得到了发展和应用[7]。这一技术的一个重要关键是发展一个准确、快速的诊断方法。然而, 航空发动机在实际使用中常常发生多特征、多过程和突发性故障, 另外由于使用环境的限制, 不可能测量很多参数, 而且得到的测量数据也并不在草地上英语
完全, 如何从有限的监视信息中正确诊断出发动机的故障便成了一个技术难点。针对这种情况, 本文以某型涡扇发动机为对象, 提出了基于粗糙集理论和神经网络的智能故障诊断方案, 对航空发动机的气路部件故障进行诊断。
文献[5]中讨论了在模式识别中将粗糙集作为神经网络数据预处理的方法, 文献[6]分析了这一方法的步骤。但在这两篇文献中神经网络为分类器, 粗糙集的用途是减少神经网络分类器的输入维数。另外, 这两篇文献中的方法并没有用于故障诊断。如果用于故障诊断, 则其只能实现故障的定性隔离而不能实现定量的诊断。本文中BP神经网络作为一个非线性映射工具, 可以定量的诊断出发动机的故障, 而粗糙集作为分类器, 将对故障进行隔离和分类。
2 基于案例推理方法
2.1 CBR故障诊断基本过程
CBR故障诊断方法核心思想是借鉴以前求解的经验来解决新的问题[ 2], 为新的故障分析提供参考和依据. 故障诊断基本过程, 包括案例表示、案例检索、案例匹配、添加新的案例等主要步骤, 具体描述如下:
1) 案例表示. 采用一定的知识表示方法描述当前故障的环境状态和具体内容, 形成目
标案例.月饼价格
2) 案例检索与匹配. 从案例库中检索出与当前案例在特征属性上相似、并对当前故障的诊断有启发和指导意义的案例, 形成候选案例集; 分别计算候选案例与当前案例的相似度, 同时参考飞机结构信息、零部件特征等相关信息选择出最有
参考价值的案例.
3) 案例调整与修改. 通过运用专家经验知识和人为干预对检索得出的案例进行调整、修改, 形成适合于当前故障的案例, 得出诊断结论.早餐食谱
4) 案例添加. 将新案例的诊断过程、评价结果添加到案例库中.农科院研究生院
2.2 CBR飞机故障诊断方法
在飞机故障诊断过程中, 故障常以个案的方式处理, 一个故障案例就是一次故障现象完整的
解决方案, 案例是CBR系统的核心要素, 丰富的案例是实现案例推理的基础和前提. 因此, CBR方法用于飞机故障诊断的效果很大程度上取决于案例库的规模和质量.
2. 2.1故障案例库的构建
2. 1. 2 故障案例的搜集和提取
本文涉及的飞机故障诊断系统是以飞机售后服务系统为支撑的, 案例主要来源于服务
过程中的排故和维修记录, 通过对某型号飞机3年的故障维修记录进行收集、整理、知识提取, 获取了典型飞机故障案例. 收集、整理历史记录过程中, 针对故障信息的分散和缺失, 通过由飞机维修领域专家建立故障信息和维修信息的关联, 增加飞机部件的结构信息、环境信息和状态信息等方法, 对原始信息进行补充和提炼, 提高案例的完整性和可靠性。
3结论
如果在决策表出现了条件属性相同而决策属性不同的情况, 则选择正确率accuracy最大
的规则作为最终的决策规则。粗糙集可以隔离发动机故障, 这使得作为诊断子系统的神经网络的结构得到简化, 神经网络的训练步数得到减少。粗糙集可以定性的隔离发动机故障, 神经网络可以定量的诊断出故障程度, 将这两者结合使用可以得到比单一使用这两种方法更好的诊断结果。
针对飞机结构复杂, 故障树难以建立和维护的特点, 利用飞机售后服务积累的维护记录和诊断经验, 将CBR方法应用于飞机故障诊断和维修. 探讨了CBR的辅助故障诊断系统的结构, 以及案例表示、案例检索和匹配等CBR方法的关键技术, 基于Web开发工具实现了原型系统, 并在某航空企业进行了实例验证。因此，故障诊断关于这两个大的方面的研究具有很强的使用性。
参考文献
[1] Chiu C, Chiu N H, Hsu C I. Intelligent aircraft maintenance support system using genetic algorith mand ca bad reasoning[ J]. Int J A dv Manuf Techno,l 2004, 24(5/6): 440-446
[2] 李永平. 基于CBR方法的飞机排故支持技术研究与应用[D]. 南京: 南京航空航天大学民航学院, 2006 Li Y ongping. Rearch and application of aircraft trouble shooting up port technology bad on CBR[D]. Nanjing: Civil Aviation College, Nanjing University of Aeronautics and Astronaotics,2006( in Chine)
[3] Y an L,i Shiu Simon CK, Pal SankarK. Combining featurere duction and ca, lection in building CBR classifiers[ J].IEEET ransactions on Knowledge and Data Engineering, 2006,18(3): 415-429
[4] 陈挺, 郭颖, 刘云超. 中文字段匹配算法[ J]. 计算机工程,2003, 29( 13): 118-119, 124
ChenTing, GuoYing, Liu Y unchao. Chine field matchingal gorithm[ J]. Computer Engineering, 2003, 29(13): 118-119,124( in Chine)12月英语怎么读
[5]James F, Z bigniewS, Shan S, SheelaR, Witold P, Pizzi N.Classification of Meteorological V olumetric Radar DataUsing Rough Set Methods[R]. Pattern Recognition Let2ters, 2003, 24(6): 911～920.
[6]Roman WS winiarski, Andrzej Skowron. Rough SetMeth2ods in Feature Selection and Recognition [R]. PatternRecognitionLetters, 2003, 24(6): 833～849.
[7]陈恬, 孙健国, 杨蔚华, 等. 自组织神经网络航空发动机气路故障诊断[J]. 航空学报, 2003, 24(1): 46～48.Chen Tian, SunJianguo, Y angWeihua, et al. Self2Organiz2ingNeuralNetworkBad Fault Diagnosis for AeroengineGas Path[J ]. ACTA AERONAUTICA ETASTRONAU2TICA SINICA, 2003, 24(1): 46～48.
[8]Wrobl ewski, Jakub. FindingMinimalReductsUsingGenet2icAlgorithm (Extended V ersion) [R]. Warsaw University of Technology, Institute of Computer Science, Reports- 16ö95.
