粒子群RBF网络在飞机燃油系统故障诊断中的应用研究

论文摘要

飞机是典型的复杂系统,由于人为失误、材料缺陷、制造误差及使用环境波动等因素的影响以及疲劳、磨损和老化等效应的存在,使飞机在使用过程中不可避免地会发生各种故障,而飞机故障可能会带来灾难性的后果,因此及时准确地对飞机系统故障进行诊断,给出排故策略,提高维修效率,保证其安全正常地运营十分重要。本文针对飞机故障类型复杂的特点,以波音737飞机的燃油系统作为研究对象,对其故障诊断过程进行分析,运用改进的粒子群算法优化RBF神经网络方法对飞机燃油系统进行故障诊断,以实现飞机设备故障的快速与精确诊断,从而缩短飞机排除故障停场时间,提高航空公司的经济效益。本文主要的研究内容包括:以民航飞机维修手册、维修大纲以及可靠性报告作为故障诊断的知识来源,将三种信息综合考虑,建立民航飞机故障诊断知识复合模型,对飞机燃油系统进行故障分析,整理得到神经网络的训练样本;设计基于粒子群RBF网络的故障诊断模型,采用减聚类算法确定RBF网络隐单元中心的数量,利用粒子群算法优化RBF网络,再以最小二乘法得到相应的中心宽度值,并在Matlab上实现模型仿真,对基于粒子群RBF网络的故障诊断方法进行验证。结果表明该方法可有效地提高故障诊断效率,从而减少因排故导致的航班延误,具有实际应用价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 民航飞机的故障诊断特点及要求
• 1.2.1 故障诊断概述
• 1.2.2 飞机故障来源及特点
• 1.2.3 飞机故障诊断的特点
• 1.2.4 民航飞机一般排故流程
• 1.3 国内外的研究现状
• 1.3.1 飞机智能故障诊断技术研究现状
• 1.3.2 神经网络应用于故障诊断的优势与不足
• 1.3.3 神经网络优化研究现状
• 1.4 本文的所做的工作及内容安排
• 第二章 飞机燃油系统与故障分析
• 2.1 飞机燃油系统概述
• 2.2 飞机燃油系统的部件
• 2.3 飞机燃油系统的子系统
• 2.3.1 燃油储存系统
• 2.3.2 压力加油系统
• 2.3.3 发动机供油系统
• 2.3.4 APU供油系统
• 2.3.5 抽油系统
• 2.3.6 燃油量指示系统
• 2.3.7 燃油温度指示系统
• 2.4 飞机燃油系统故障分析
• 2.5 本章小结
• 第三章 基本粒子群优化算法及其改进
• 3.1 基本粒子群优化算法
• 3.1.1 算法的基本原理
• 3.1.2 算法流程
• 3.2 粒子群优化算法的改进
• 3.2.1 惯性权重的引入
• 3.2.2 收缩因子的引入
• 3.2.3 扰动因子的引入
• 3.2.4 粒子群算法的综合改进
• 3.3 改进前后粒子群算法的比较
• 3.4 本章小结
• 第四章 基于粒子群算法的RBF网络
• 4.1 径向基神经网络
• 4.1.1 径向基网络的结构及数学模型
• 4.1.2 RBF网络的参数分析
• 4.1.3 RBF神经网络的泛化能力分析
• 4.2 进化算法在神经网络优化中的应用
• 4.3 PSO算法应用于RBF神经网络的详细设计
• 4.3.1 粒子编码
• 4.3.2 减聚类算法确定网络中心个数
• 4.3.3 粒子群RBF网络的参数设置
• 4.3.4 最小二乘法确定网络权值
• 4.3.5 PSO算法优化RBF神经网络的流程
• 4.4 粒子群RBF网络的性能评价指标
• 4.5 本章小结
• 第五章 粒子群RBF神经网络在飞机燃油系统故障诊断中的应用
• 5.1 飞机燃油系统故障诊断的知识来源
• 5.2 故障诊断的知识复合模型设计
• 5.3 飞机燃油系统故障特征向量设计
• 5.4 故障诊断流程框图设计
• 5.5 粒子群优化RBF神经网络故障诊断算法的Matlab实现
• 5.5.1 粒子群优化RBF神经网络的初始化
• 5.5.2 粒子群优化RBF神经网络的适应度值
• 5.5.3 粒子群优化RBF神经网络的粒子速度和位置计算
• 5.5.4 粒子群优化RBF神经网络的粒子适应度值更新
• 5.5.5 粒子群优化RBF神经网络的速度和位置更新
• 5.6 基于粒子群RBF网络的燃油系统故障诊断实现
• 5.6.1 粒子群优化RBF神经网络设计
• 5.6.2 RBF网络的训练及诊断结果分析
• 5.7 本章小结
• 结论
• 致谢
• 参考文献
• 作者简介