飞机液压系统磨损综合监控专家系统研究

论文摘要

飞机液压系统是飞机的重要组成部分,主要是给飞机操纵系统、起落架系统和反推装置等提供操纵动力。飞机液压系统故障将影响飞机的正常运行,严重时将导致灾难性的飞行事故。因此,及时地对飞机液压系统的状态进行综合监测,对于正确作出维修决策,防范事故于未然,适时进行液压系统的修理和维护具有重要意义。但是由于油样分析方法有信息种类多、信息的表征各异、信息的离散性和随机性、定量和定性信息交叉、信息的冗余性、不确定性、不一致性和不完整性等特点,难于通过单一方法确定液压系统的故障。鉴于此,本文进行了飞机液压系统综合监测专家系统研究。（1）阐述了飞机典型的液压系统,包括能源子系统、襟翼收放系统、减速板、货舱门及弹性门等的工作原理;介绍了油样颗粒计数分析、铁谱分析、光谱分析和理化性能分析等主要的油样分析方法以及在液压系统污染监控中的应用;（2）提出液压系统综合监测的案例推理方法。专家系统首先通过在各子案例库中搜索得到各子相似度,然后再综合各子相似度,通过计算得到总相似度,最后按总相似度对相关案例进行排序,便于维修人员进行决策。（3）提出了一种飞机液压系统状态监控的多智体协同诊断方法,该方法能够综合运用各油样分析方法的冗余性和互补性,实现多油样分析方法的综合诊断,有效地利用各种油样分析方法的特点和优势以提高诊断精度。专家系统由污染分析Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent及综合诊断Agent构成,综合诊断Agent负责控制和管理其他Agent进行协同诊断。本文根据飞机液压系统诊断的实际情况,给出了各Agent诊断规则,并用具体的油样分析数据进行了验证,表明了多智体协同诊断的有效性。（4）由于严重磨损趋势具有随时间递增的特点,因此利用灰色系统理论能够对磨损的发展趋势进行准确预测。本文利用GM（1,1）模型对飞机液压系统磨损趋势进行了预测分析,并列举算例进行了验证分析。（5）利用Microsoft Visual C++6.0语言和Microsoft Access 2000数据库开发了飞机液压系统综合监控专家系统AHMES（Aircraft Hydraulic System Monitoring Expert System）。构建了系统的整体架构,实现了多智体协同诊断、案例综合诊断以及灰色预测等功能,并进行了验证和分析,表明了专家系统的诊断有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 液压系统故障诊断意义
• 1.2 液压系统磨损故障模式及故障原因
• 1.3 液压系统的磨损故障诊断研究现状
• 1.4 液压系统的污染控制现状
• 1.4.1 液压系统的维护观念的落后
• 1.4.2 对气体、水等其他污染控制研究重视不足
• 1.4.3 污染控制和主动维护的专家系统
• 1.5 飞机液压系统状态监测与故障诊断所存在的问题
• 1.6 本文研究的内容
• 第二章 飞机液压系统介绍
• 2.1 飞机液压系统的功能
• 2.2 能源子系统
• 2.3 执行子系统
• 2.3.1 飞机起落架收放系统
• 2.3.2 机轮刹车控制系统
• 2.3.3 前轮转弯控制系统
• 2.3.4 襟翼收放系统
• 2.3.5 减速板、货舱门、弹舱门等控制系统
• 2.4 本章小结
• 第三章 飞机液压系统磨损监控的油样分析方法
• 3.1 概述
• 3.2 颗粒计数分析
• 3.3 光谱分析
• 3.3.1 原子吸收/发射光谱
• 3.3.2 ICP 等离子体光谱仪
• 3.3.3 X 荧光光谱仪
• 3.4 铁谱分析
• 3.4.1 分析式铁谱
• 3.4.2 直读式铁谱仪的组成及工作原理
• 3.5 理化分析
• 3.6 红外光谱分析
• 3.7 本章小结
• 第四章 基于案例推理的综合诊断
• 4.1 案例专家系统原理
• 4.2 飞机液压系统的案例诊断方法
• 4.2.1 方法介绍
• 4.2.2 诊断流程
• 4.2.3 诊断案例
• 4.3 本章小结
• 第五章 飞机液压系统综合监控的多智体协同诊断
• 5.1 多智体方法原理
• 5.2 飞机液压系统的多智体协同诊断方法
• 5.2.1 诊断流程
• 5.2.2 智体诊断规则
• 5.2.3 诊断案例
• 5.3 本章小结
• 第六章 飞机液压系统磨损趋势的灰色预测
• 6.1 概述
• 6.2 GM（1,1）趋势预测方法
• 6.2.1 数据累加处理
• 6.2.2 数据累减处理
• 6.3 飞机液压系统的磨损趋势的灰色预测
• 6.4 本章小结
• 第七章 飞机液压系统状态监控专家系统开发
• 7.1 系统简介
• 7.2 飞机液压系统监控参数
• 7.3 系统框图
• 7.4 系统功能简介
• 7.4.1 系统设置模块
• 7.4.2 机械式学习模块
• 7.4.3 案例学习模块
• 7.4.4 油样来源注册模块
• 7.4.5 油样数据注册模块
• 7.4.6 诊断油样选取模块
• 7.4.7 基于案例推理诊断模块
• 7.4.8 多智体协同诊断诊断模块
• 7.4.9 趋势预测验证模块
• 7.5 本章小结
• 第八章 结论与展望
• 8.1 结论
• 8.2 展望
• 参考文献
• 致谢
• 攻读硕士期间所发表的论文