基于最优方案的民用飞机故障诊断技术研究

神经网络作为一种 自适应 的模式识别技术 ， 并不 需要预先给出有关模式的经验知识和判别 函数 ，可通 过 自身的学习机制 ， 自动形成所要求的决策区域四 。 网络特性 由其拓扑结构 、 神经元特性 、 习和训 学 练规则决定 ， 其可 以充分利用状态信息 ， 对来 自不 同 状态 的信息逐一进行训练 ， 而获得某种映射关 系 ， 而 网络可 以连续学 习 ， 如果环境改变 ， 此映射关 系还可 以 自适应 的进行调整网 。由于神经网络的 自身特性 ， 在故障模式识别领域中 ， 有着越来越广泛 的应用。 ２２１ 神 经 网络 可应 用 于故 障诊 断 的原 因 ＿． （） １ 神经 网络具有滤除噪声及再有 噪声 情况下 得 出正确 结论 的能力 ； （） ２ 神经 网络具有分辨故障原因及 故障类 型的 能力 。 ２２２ 利 用神 经 网络 进 行故 障模 式识 别 的特 点 ．． （） １ 可用于系统模型未知或系统模型较为复杂 ， 以及非线性系统 的故障模式识别 ； （） ２ 兼有故障信号 的模式变换和特征提取功能； （） ３ 对系统含有不确定 因素、 噪声及输入模式不 完备的情况不太敏感 ； （） ４ 可用于复杂多模式的故障诊断 ； （） ５ 可用于离线诊断 ， 也能适应实时监测的要求ｔ Ｔ ］ 。 ２２３ 基 于神 经 网络 的故 障诊 断 的过 程 ．． 传统 的故障诊断的数据处理方法 ，可为神经网 络诊 断提供可利用 的数据参数。
（） ３ 模糊模式识别 。利用模糊数学理论和方法 ， 解决模糊识别 的问题 ，适用于分类识别对象或要求 的识别结果具有模糊性场合［ ４ ］ 。 ２２ 神经 网络在故障诊断模式识别 中的应用 ．
图 １ 融合诊 断原 理
（） ２ 融合诊断策略。 从所建立的融合诊断模型来 看， 我们 可以得出诊 断的结果 ， 但是从 系统 的故障树 模型所得到的最小割集可以看 出， 每一个底事件 ， 都 是导致系统失效的故障模式 ，而通过案例推理所得 出的故障概率 ， 只能起一个指导作用 ， 以将案例推 所 理和本文所建立的故障树模型进行融合 ，不能达到 我们预期的 目的 ，这里我们通过建立系统的故障诊 断流程图 ， 来阐明融合诊断的策略。 对于这个故障现象 ，首先在 飞机着陆后 在地面 进行模拟检查 ， 其次搜 索案例库 ， 查询与这种故障现 象相 同或相似的处理方案 ，如果存在现象相同的案 例， 就利用 这种方案进行诊断。诊断成功后 ， 启动故 障树诊断方法 ，看故障树的底事件中有没有这个事 件， 如果存在 ， 则结束诊断 ； 否则 ， 将此事件添加到故 障树 的底事件 中，并且根据历史案例 的统计概率调 整故障树底事件 的重要度 ， 使故 障树进一步完善 ； 如 果利用案例推理的方法失败 ，则基于故障树方法进 行诊断 ， 根据故障树底事件的重要度 ， 来决定诊 断的 顺序 。如果没有解决 ，用同样 的方法先进行案例推 理， 再进行故障树诊断。 （） ３ 融合诊断策略的实现。案例推理虽然具有快 （） １ 基于一定 数量的训练样本集对 神经网络进 速性 ， 但不一定能完成诊断任务 ； 故障树诊断方法 ， 得 行训练 ， 得到期望 的诊断 网络； 出了几种可能的故障模式，为系统的故障诊断增加了 （） ２ 根据诊 断输入对系统进行诊断 ， 诊断过程就 难度。为此 ， 采用融合诊断的方法， 充分结合两者的优 是利用神经网络进行 向前计算的过程Ｉ ｓ ］ 。 点， 并将故障现象细化 ， 减少了可能的故障模式。通过
１ ２
《 装备制造技术｝ｏ 年第 １ 期 ２ｌ １ ２
断， 就是为 了达到两种诊断方法的优势互补。对于观 括最小误判概率准则和最小损失判决准则等。 察到的故障现象 ， 首先利用案例推理进行故障诊断 ， （） ２ 聚类分类方法。是一种无监督的学习方法 ， 如果成功 ， 就不必进行进一 步诊 断 ； 则 ， 基于故 即不利用样本 的类别属性知识 ，只根据样本 的相似 否 就 障树方法进行精确诊断 。这样 ，通过两种方法 的配 性进行分类的方法。 合， 来实现快速诊断和精确诊断的统一（ 图 １ 。 如 ）
收稿 日期 ：０ １ｏ － ０ ２ １— ９ ２
作者简介 ： 宝（９４ ）男， 王佳 １８一 ， 天津人 ， 中国民航大学硕 士研究生 ， 研究方 向为人为 因素与维修误差 ； 西 （９７ ）女 ， 刘 １７一 ， 四川西 昌人 ， ， 士学位 ， 讲师 博 中国民航大学民用航空器适航审定技术与管理研究 中心研究员 ， 研究方 向为人 机工程 。
关键词 ： 民用飞机 ； 融合方法 ； 障诊 断 故
中图分类号 ：Ｐ ７ Ｔ ２７ 文献标识码 ： Ａ
、
文章编号 ：６ ２ ５ ５ ２ １ ）２ ０ １ — ３ １ ７ — ４ Ｘ（ ０ １ １ — ０ ２ ０
目前 ， 国民航飞机的故 障诊断水平 ， 我 仍处于人 工判 断的低级 阶段 ， 维修效率十分低下 ， 飞机经常 由 于无法及时维修等机务原因， 而造成航班延误 。 民航飞机的维修 ，在很大程度上根据经验进行 排故 ， 通常是逐条排查相应维修手册 中的排故方法 。 当然 ，机务人员可以依据丰富的经验迅速找到正确 排除故障的方法 ， 但对于缺乏经验 的机务人员来说 ， 排故是一个极为繁琐的过程。为此 ， 航空公司消耗了 大量的人力成本和时间成本。 从某种程度上说 ， 这是 由于很多机务人员的宝贵经验得不到共享 ，丰富的 资源未得到充分的利用。 因此 ，为提高民航飞机故障诊断的高效性与精 确性 ， 现代 民用飞机故障诊断技术手段 ， 越来越多地 呈现 出了多元化和适应不 同情况下采用的各种诊断 手段间的相互融合技术 。其中包括故障树诊断 、 神经 网络技术 、 基于案例推理技术 的专家系统 、 模拟重现 技术以及一些相关方法的相互融合 、 优化等。
和案例推理的方法以及故障树诊断方法 比较 ， 融合诊 ３ 基 于粗神经 网络的故障诊 断 断的方法明显提高了诊断速度 ， 加速了故障定位。
２ 基于人工神经 网络诊断
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人 的缺 陷 ， 设计 的一种基于粗神经网络的民用飞机故障诊断系统 。 ２１故障诊断中常用的模式识别方法 ． 基 于粗神经 网络 （ Ｎ ， ｏｇ— ｅｒ ｅ ｏ ） Ｒ Ｎ Ｒ ｕｈ Ｎ ｕａＮ ｔ ｒ ｌ ｗｋ （） １ 统计分类方法 。直接利用各类概率密度 函 的智能民用飞机故障诊 断系统 。利用粗糙集对 民用 数、 后验概率或隐含利用这些概念进行分类识别 ， 包 飞机故障样本进行简化处理 ，降低神经网络结构 的
１ 案例推理 和故障树融合诊 断法
等， 其受到各种因素的影 响。 （） ２ 顶事件的故障概率。 由于不知道底事件的故 障概率 ， 所以很难确定顶事件 的故障概 率。为此 ， 可 通过案例推理 ， 出底 事件 的统计概率 ， 得 来判断底 事
件 的重要度 ，以指导诊断决策并且将案例推理和故 障树诊断方法进行融合 ， 进行系统 的故 障诊断问题。 １１ 案例 推理 ． １ 案例推理和故障树诊 断方法的融合策 略 ． ３ 案例推理 的方法 ，实质上是将 以前发生 的故障 由于案例推理具有一定 的片面性 ，不能作为故 归纳总结 ， 建立一个案例数据库。 当飞机发生故障时 ， 打开数据库 ， 查询 以前发生 障诊断的最终手段 ；故障树诊断方法产生 的诊断结 有较多 的原因组合 ， 以针对各种方法 的优势和 所 的现象相 同或相似 的故障进行诊断。其克服了进行 果 ，
Ｅｑ ｉ ｍｅ ｔ ｕ ｐ ｎ Ｍａ ｕａ ｔ ｎ ｅ ｈ ｏ ｏ ｙ Ｎｏ１ ２ ｎ ｆｃ ｒ ｇＴ ｃ ｎ ｌ ｇ ．２， ０１ ｉ １
基于最优 方案 的 民用飞机故 障诊 断技术研 究
，
王佳 宝 ’ 西 。 ， 刘
ｆ． 中国民航大学 航空工程学院， 故 障树 诊断 方 法 ．
故障树分析结构函数
（ ） （ ， ， ， ） ｌ ＋… ｆ ＝ ｌ … ＝ ＋ Ｘ２ ２
其 中， 表 示 顶事 件状 态 ，
Ｘ（＝ ，， ８ 表示底事件状态［ １２ …， ） ｉ ２ １ 。 上式表 明， 当系统中有一个底事件发生 时 ， 顶事 件就 发生 。 由结构函数可以看出 ， 故障树的最小割集为
２中国民航 大学民用航空器适航审定技术与管理研究 中心 ， － 天津 ３０ ０ ） ０ ３０
摘 要： 各种基 于人 工智能方法的故 障诊 断技 术在 应 用中存在 一定的局限性 ，以至采用单一的诊 断方法很难 满足对 复 杂飞机 系统的故 障诊 断任 务。通过 对 多种人 工智能故障诊 断方 法的研 究比较 ， 为在民 用飞机故 障诊 断过程 中通过 采 认 用 多方法配合及融合技 术可以 高效准确的确定故障原 因， 完成复杂的飞机 系统故障诊断任务 。
我们提出融合诊断的策 略 ， 充分 发挥各种诊断 设备机理分析的费时的工作 ， 提高 了诊断速度 ， 但仍 不足 ， 克服不足 ， 提高诊断 的效率［ ３ １ 。 具有一定的片面性 ， 以对诊断结果加以解释 ， 难 不能 方法的优势 ， （） １ 融合诊断原理 。案例推理 和故障树融合诊 作为故障诊断的最终手段【 １ ］ 。
（ ）｛ ｚ … ， ｓ， ， ） ， ｛ ｝
即每一个底事件 ，就是导致顶 事件 发生 的一个 模式 。 （） １ 底事件 的结构重要度 。 在故 障概率相等的情 况下 ， 每个底事件对顶事件 的影响程度是相 同的 ， 然 而在实 际系统中 ，底事件的故障概率不可能完全相
１ ３
Ｅｑ ｉ ｍｅ ｔ ｕ ｐ ｎ Ｍａ ｕ ａ ｔ ｎ ｅ ｈ ｏｏ ｙ Ｎｏ １ ２ １ ｎ ｆ ｅｒ ｇ Ｔ ｃ ｎ ｌｇ ．２， ０ ｉ １
复杂度 ， 并构建粗神经元 ， 提高神经网络的容错和抗 ４ 飞机故 障诊 断 中的模 型重建 干扰 的能 力 。 ３１ 粗神 经 网络 ． 在飞机故障诊断中 ， 以利用手 中资料 ， 可 分析各 神经 网络故 障诊 断技 术通过对样 本的学 习 ， 将 专家知识以权值和阈值的形式保存在 网络中 ，利用 系统之间的协 同机理 ，在对 系统原理及线路熟练掌 采取恰当的模拟重现技术 ， 以方便的 可 网络 的信息进行诊断推理［ ９ １ 习的样本越多 ， 。学 神经 握 的情况下 ， 网络的故 障诊断能力越强。 但是 ， 使用大量的故障样 本训练 网络 ， 将导致过 于复杂的网络结构 ， 极大地降 低了网络的运算速度【。 捌 此外 ， 传统神经网络的输入 ， 仅限于单 值输入 的情况 ， 应用 范围受到了限制。 基 于 以上分 析 ： （） １ 有必要对故障样本进行优化 ， 去除冗余属性 的干扰 ， 减少神经 网络需要处理的数据量 ， 改善神经 网络对样本 的学习效果 ； （） ２ 需要构建新 的神经元 ， 以兼容非单值输入信 息， 扩展网络的使用领域 ， 提高故障诊断的准确性。 ３２ 民用 飞机 Ｒ Ｎ 诊断 模型 ． Ｎ 根据前面介绍的 Ｒ Ｎ模型 ， Ｎ 可以构造基于 Ｒ Ｎ Ｎ 的民用飞机故障诊断模型（ 如图 ２ 。 ） 模拟发 动机启 动 、 起落架 收起 、 发动机火警 、 至线 甚 路短断路等极端情况 ，从 而将 飞行员反映的故障模 拟重现 出来 ， 以找到飞机 的故障根源 ， 准确定位飞机 故 障件 ，从而减少或者取消机务跟机 ，缩短排故周 期， 提高飞机 的利用率【。 “ 】 在一些极端情况下 ， 一些故障只在特定的时间环 境下才会 出现 ， 当飞机落地后 ， 故障便会消失 ， 这就给 我们的维护人员进行故障甄别造成麻烦。故障涉及的 可能原因， 有多个部件 ， 如果采用每次更换一个部件 ，