航空诊断（EI）文献综述

航空诊断（EI）文献综述
航空诊断文献综述
文献[1] 从分析飞机故障诊断的特点出发，采用了神经网络的知识处理方法来构建一个基于飞机故障现象的故障诊断专家系统。

文献[2] 将互联网技术运用到航空发动机远程故障诊断中，并讨论了网络信息数据的获得、处理与传输及系统的两种运行模式。

文献[3] 提出一种将遗传算法和粗糙集理论相结合的航空电子系统故障诊断方法。

该方法运用遗传算法对系统输出的连续数据进行离散化，运用粗糙集理论提取知识规则，用得到的规则进行系统的故障诊断。

同时给出了一种运用粗糙集理论增减规则库中规则的方法，便快速提取新样本知识。

文献[4] 针对军用航空发动机的状态监测与故障诊断问题，建立了可扩展诊断样本库，实现样本库中故障征兆和故障模式的动态增减;运用粗糙集理论对样本集进行处理，实现冗余属性的约简、冗余样本的去除及样本冲突的消除;用神经网络通过对处理后的样本集进行学习以动态获取知识。

文献[5] 针对民航飞机结构和故障机理复杂的特性，建立了基于Petri网的民航飞机故障诊断工作流模型。

文献[6] 针对传统的民航飞机故障诊断规则来源于适航审定的标准文件，不能满足改善诊断效率的要求，在建立民航飞机故障诊断的知识复合模型的基础上，从可靠性报告中提取原始数据，进而基于粗糙集对这些数据进行预处理和约简，获取新的诊断规则，有效地提高了故障诊断的效率.
文献[7] 通过先进的设备采集紫外图像，并进行紫外图像统计计算和分析来诊断。

文献[8] 提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法一DiverseAdaBoost-SVM。

文献[9] 提出了一种基于T- S模糊模型的故障诊断方法，该方法从样本空间提取模糊规则，在模糊系统参数最优化的同时实现了对模糊
系统结构的自适应优化，并给出了故障判定的阀值确定方法。

文献[10] 基于M AT LAB/ SIM U LINK高级图形仿真环境，利用图形模块化技术开发了某型双轴涡扇发动机的通用部件级模型仿真系统。

模型主要利用SIMULINK的模块库和S函数构建，提出了构建发动机模型的四层次结构，具有模型层次化、可封装模块化、面向结构图和高度可视化等特点。

文献[11] 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。

文献[12] 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”，在对某型号飞机供电系统进行故障模式分析的基础上，利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点，提出了一种诊断规则的自动获取方法。

在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中，针对“不确定测量状态”提出了改进的约简规则。

文献[13] 在分析粗糙集理论缺陷的基础上，引入变精度粗糙集模型对专家给出的样本集进行处理，并将所得到的极小化决策算法用于历史故障样本集的分析，得到了高的识别率。

文献[14] 针对实际航空发动机故障参数所具有的模糊和连续性特点，提出了一种基于模糊粗糙集的特征参数提取算法，并应用到某型航空发动机故障识别。

文献[15] 针对神经网络智能诊断与专家系统中知识难于理解和诊断解释能力差等问
题，研究了一种新的基于功能性观点的神经网络规则提取方法。

文献[16] 针对飞机舵面故障预报系统的设计要求，建立了神经网络故障预测模型以及训练算法。

该预测模型采用三层BP网络模型。

文献[17] 将灰色聚类和滤波理论结合提出了一种新的辨识算法—灰色聚类滤波算法，将常增益滤波引入灰色聚类算法，在灰色聚类算
法中使用AGARS报文故障的当前数据分类故障、判断虚警的基础上，增加报文故障的历史数据，用滤波方法将历史的和当前的数据结合起来，提高辨识虚警的准确性。

文献[18]全面考虑复杂系统诊断的数据来源，用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理。

解决了传统的复杂系统故障诊断规则不易获取且方法单一，不能满足系统维护要求。

文献[19] 针对传统神经网络故障诊断过程中网络训练时间长、结构复杂以及仅能进行单值输入的缺陷，设计了一种基于粗神经网络的民用飞机故障诊断系统。

将粗糙集理论应用在神经网络的前端对民用飞机故障样本数据进行约简处理，以此去除冗余属性的干扰，克服了无关样本数据对网络学习性能的影响，简化了网络结构;利用粗神经元代替传统神经元，提高了网络性能，扩展了网络的应用范围。

小结
上述文献中主要解决的问题有：远程故障诊断、故障诊断流程的优化、故障诊断预测、故障诊断效率及准确性。

远程故障诊断主要是采用了网络技术，故障诊断流程的优化是建立了基于Petri网的民航飞机故障诊断工作流模型，故障诊断预测方面为建立了神经网络故障预测模型，工作诊断方法主要有：故障诊断专家系统、提取故障诊断规则、采集紫外图像、T- S模糊模型、故障诊断模型仿真、智能神经网络等。

在航空诊断方面我们还可以研究的问题有：
(1)航空故障诊断知识源的元数据表达问题及其搜索规则。

(2)云计算与云搜索是否能够运用到航空故障诊断中。

(3)在航空故障诊断中，各专家如何决策及其工作流程。

(4)故障特征编码在航空故障诊断中的应用。

参考文献：
[1] 潘茂庆,惠克翔.基于神经网络的飞机故障诊断专家系统[J].航空工程与维修,2002
[2] 孙护国、霍武军、韩强.航空发动机远程故障诊断系统研究[J].航空维修与工程, 2003
[3] 杜昌平、周德云、江爱伟. 遗传算法和粗糙集相结合的航空电子系统故障诊断方法
研究[J]. 西北工业大学学报,2005
[4] 陈果、宋兰琪、文振华、张占纲.航空发动机诊断知识的动态获取与柔性诊断技术[J].
中国机械工程,2006
[5] 郭亚中、左洪福、王华伟.基于Petri网的民航飞机故障诊断工作流模型[J]. 系统工
程与电子技术,2006
[6] 郭亚中、左洪福、王华伟. 基于粗糙集的民航飞机故障诊断规则获取方法[J]. 系统
工程理论与实践,2006
[7] 邰学勇、常胜利、沈曦、叶瑞泉. 紫外图像处理在飞机引擎故障诊断中的研究[J]. 仪
器仪表学报,2006
[8] 胡金海、谢寿生、蔡开龙、何秀然、彭靖波. Diverse AdaBoost SVM分类方法及
其在航空发动机故障诊断中的应用[J]. 航空学报,2007
[9] 蔡开龙、谢寿生、吴勇. 航空发动机的模糊故障诊断方法研究[J]. 航空动力学报,2007
[10] 夏飞、黄金泉、周文祥. 基于MATLAB/ SIMULINK的航空发动机建模与仿真研究[J]. 航空动力学报,2007
[11] 李青、史雅琴、周扬. 基于案例推理方法在飞机故障诊断中的应用[J]. 北京航空航天大学学报,2007
[12] 牛星岩、沈颂华、董世良. 基于粗糙集理论的飞机供电系统诊断规则提取[J]. 航空学报,2007
[13] 索中英、朱林户、吴华、苏强. 基于变精度粗糙集的航空发动机故障诊断[J]. 航空动力学报,2008
[14] 宋云雪、张传超、史永胜. 基于模糊粗集的航空发动机特征参数提取算法[J]. 航空动力学报,2008
[15] 陈果、宋兰琪、陈立波. 基于神经网络规则提取的航空发动机磨损故障诊断知识获取[J]. 航空动力学报,2008
[16] 李斌、章卫国、宁东方、尹伟. 基于神经网络技术的飞机舵面故障趋势预测研究[J]. 系统仿真学报,2008
[17] 耿宏、董健康. 基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法[J]. 航空学报,2008
[18] 刘永建、朱剑英、夏洪山、郭亚中. 飞机复杂系统故障诊断的灰色粗集推理方法[J]. 南京航空航天大学学报,2009
[19] 刘永建、朱剑英、夏洪山. 基于粗神经网络的民用飞机故障诊断[J]. 北京航空航天大学学报,2009。