收藏本站
《电子科技大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于信息融合的航空发动机故障诊断方法

吴文杰  
【摘要】:航空发动机是飞机的心脏,因发动机故障造成民机航班延误和军机被迫停飞事件时有发生,其危害的严重性及维修费用的增加早已被人们普遍认识,这种情况对处于研制试验中的新机更是如此。本文因此提出了发动机状态监控与故障诊断这一热门的研究课题,以便能根据监测参数预报故障的发生,并对发生的故障做出正确的诊断结论,为达到保证地面试车安全,节约维修与试验费用,提高试车效率的目的提供技术支持。 本文从信源获取的一致性和提高故障诊断准确率和可靠性的目标出发,将多传感器信息与人工智能技术融合,对航空发动机试验中发生的诸如传感器故障、气路故障和机械振动故障的各种检测与诊断方法,进行了系统性的研究、仿真验证、比较和优化,主要内容有: (1)结合发动机性能故障诊断特点和现场试验用分布式测控网络环境,提出了分层次优化的发动机试验三级式融合系统结构。 (2)开展了多传感器数据(信息)时空配准的方法研究,应用样条插值与滤波重构、时钟同步与帧采集同步技术,提出了基于帧同步模型的系统同步整合新方法。 (3)应用多种改进BP网络、径向基网络、概率神经网络、SOFM自组织特征映射网络、ELman回归神经网络的基础理论,对其在不同规格化方式和噪声干扰条件下的故障诊断可靠性及准确率展开了对比研究。 (4)通过对模糊聚类诊断方法的研究,得到了“用隶属函数的模糊诊断,以选用高斯型隶属函数为最佳;而用距离贴近度方法的模糊诊断,以选用夹角余弦距离为最好”的结果。 (5)通过对支持向量机诊断方法的研究,为解决它存在不能正确识别区分两个线性相关性很强的故障样本的局限,提出“分类率”的概念,改进了诊断判决规则,形成了一种新的基于支持向量机的信息融合故障诊断方法,并仿真验证其可靠性和准确率。 (6)通过基于D-S证据理论的信息融合故障诊断方法研究,发现对同一故障例进行融合诊断时,两个用不同诊断算法的证据体的诊断输出可信度值大不相同,甚至出现矛盾的结果,本文提出“偏离率”概念,改进了诊断判决规则和算法,进一步提高了融合诊断准确率。 (7)通过将小波五层分解提取故障特征和应用概率神经网络诊断故障的方法相融合,构成小波概率神经网络应用,取得了对发动机振动故障的诊断十分满意的效果。
【学位授予单位】:电子科技大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:V263.6

【引证文献】
中国博士学位论文全文数据库 前2条
1 许同乐;基于多路传感器信息融合的旋转机械故障诊断方法研究[D];北京邮电大学;2012年
2 战卫侠;钢丝绳断丝损伤信号处理及定量识别方法研究[D];青岛理工大学;2013年
中国硕士学位论文全文数据库 前3条
1 张劲伟;信息融合技术在乳化器故障诊断中的应用[D];杭州电子科技大学;2012年
2 杜鑫;高空台试验数据融合的研究[D];电子科技大学;2012年
3 刘志仓;基于粒子滤波的非线性系统故障诊断与预测方法研究[D];西安电子科技大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 徐涛,王祁;一种神经网络预测器在传感器故障诊断中的应用[J];传感技术学报;2005年02期
2 闫莉萍;刘宝生;周东华;吕锋;;多速率传感器数据融合及在设备监测中的应用[J];传感器技术;2005年12期
3 张彦铎,姜兴渭;多传感器信息融合及在智能故障诊断中的应用[J];传感器技术;1999年03期
4 韩庆田,杨兴根,张振家;神经网络在发动机状态监控与故障诊断中的应用综述[J];导弹与航天运载技术;2004年05期
5 龙祥;钱志博;;模糊理论在设备故障诊断神经网络中的典型应用[J];广东工业大学学报;2006年04期
6 郁文贤,雍少为,郭桂蓉;多传感器信息融合技术述评[J];国防科技大学学报;1994年03期
7 丁凯峰,樊思齐;基于RBF网络的航空发动机辨识模型[J];航空动力学报;2000年02期
8 郝英,孙健国,白杰;航空燃气涡轮发动机气路故障诊断现状与展望[J];航空动力学报;2003年06期
9 徐启华,师军;基于支持向量机的航空发动机故障诊断[J];航空动力学报;2005年02期
10 陈恬;孙健国;;粗糙集与神经网络在航空发动机气路故障诊断中的应用[J];航空动力学报;2006年01期
中国博士学位论文全文数据库 前3条
1 刘先省;传感器管理方法研究[D];西北工业大学;2000年
2 王志鹏;基于信息融合技术的故障诊断方法的研究及应用[D];大连理工大学;2001年
3 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年
中国硕士学位论文全文数据库 前3条
1 赵鹏;基于信息融合技术的航空发动机故障诊断[D];西北工业大学;2007年
2 吴月伟;基于径向基神经网络的飞机发动机故障诊断研究[D];中国民用航空学院;2006年
3 许跃;基于自联想神经网络的传感器故障诊断方法研究[D];江苏大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 毕超;江波;;往复式单螺杆销钉挤出机停留时间分布研究[J];工程塑料应用;2007年12期
2 陈学锋;瞿金平;;注塑机曲肘式合模机构弹性振动的研究[J];工程塑料应用;2008年03期
3 赖鹏;;基于Moldflow和BP神经网络的超薄塑料制品流程长度预测[J];工程塑料应用;2011年02期
4 陈文元;李雪梅;迟晓梅;;小波分析与神经网络在结构多处损伤监测中的应用[J];四川建筑科学研究;2006年03期
5 郑少瑛;陈静茹;;基于神经网络在钢筋混凝土施工质量评价中的应用研究[J];四川建筑科学研究;2009年06期
6 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
7 谢晓娣;基于小波包变换的地铁远方短路电流分析[J];安徽电气工程职业技术学院学报;2005年01期
8 杨凡;李祥;涂军;;基于DSP的远程视频监控系统的研究和实现[J];安防科技;2008年01期
9 陈知新;;基于FPGA的蝶形运算的设计与实现[J];安徽电子信息职业技术学院学报;2010年05期
10 李素云;张德祥;;基于小波变换的汽车齿轮箱振动信号故障分析[J];安徽电子信息职业技术学院学报;2012年01期
中国重要会议论文全文数据库 前10条
1 杨为民;李龙澍;;基于GIT的信息融合在农业信息中的应用[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 丁光彬;庞培林;;基于小波网络的电厂汽轮发电机组故障诊断[A];第二十六届中国控制会议论文集[C];2007年
4 吕思颖;刘载文;王小艺;崔莉凤;;基于Elman神经网络的水华短期预测模型[A];第二十七届中国控制会议论文集[C];2008年
5 杜奕;迟毅林;伍星;;信息融合在设备监测和故障诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
6 张敏虎;任章;;神经网络辅助高动态GPS/INS组合导航融合算法[A];第二十七届中国控制会议论文集[C];2008年
7 李耀军;潘泉;杨峰;李军伟;朱英;;基于多源信息融合的无人机感知与规避研究[A];第二十九届中国控制会议论文集[C];2010年
8 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年
9 杨辰龙;;曲面变厚度工件超声检测中的波形自动跟踪技术研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年
10 王重阳;彭圆;张风珍;牟林;;CWT奇异值在水中目标回波信号特征提取中的应用[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 孟凡彬;基于随机集理论的多目标跟踪技术研究[D];哈尔滨工程大学;2010年
3 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
4 汤春瑞;水下目标声图像多分辨率分析及识别研究[D];哈尔滨工程大学;2009年
5 姜延吉;多传感器数据融合关键技术研究[D];哈尔滨工程大学;2010年
6 姜毅;GNSS接收机高性能跟踪与捕获环路算法研究[D];大连海事大学;2010年
7 邹玮;荧光分子断层图像的重建技术研究[D];苏州大学;2010年
8 陈广洲;多源信息耦合的成矿预测新模型研究[D];合肥工业大学;2010年
9 杨锦园;基于传感器管理的移动机器人融合算法研究[D];华中科技大学;2010年
10 周子冠;电网多数据源在线诊断方法研究[D];中国电力科学研究院;2010年
中国硕士学位论文全文数据库 前10条
1 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
2 何慧娟;基于多传感器的移动机器人障碍物检测与定位研究[D];安徽工程大学;2010年
3 杨传宽;深基坑变形监控与信息化施工研究[D];河南理工大学;2010年
4 简金辉;超声辅助硬态切削切屑形态与表面加工质量的试验研究[D];河南理工大学;2010年
5 代宏伟;布里渊散射水下探测目标的自动识别[D];南昌航空大学;2010年
6 谌业滨;无线传感器网络自身健康状态融合机制研究[D];南昌航空大学;2010年
7 王辉;基于改进遗传算法的物流配送路径优化研究[D];山东科技大学;2010年
8 杨焱麟;基于小波变换理论与比值分析法的变压器励磁涌流识别的研究[D];山东科技大学;2010年
9 王永;消防单兵综合信息采集系统研究[D];山东科技大学;2010年
10 高鹏;基于DSP的WiMAX自适应调制解调器的设计[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 蒋洪明,张庆;多分辨力传感器信息融合中的故障检测与恢复[J];传感技术学报;1995年02期
2 李春光,刘国栋;基于D-S证据理论的移动机器人多传感器信息融合方法研究与应用[J];传感技术学报;2003年04期
3 孙勇,景博,张吉力;最优加权与递推最小二乘法相结合的多传感器信息融合[J];传感技术学报;2004年04期
4 孙勇,景博;基于支持度的多传感器一致可靠性融合[J];传感技术学报;2005年03期
5 钱徽;一种机器人多传感器联合系统的逻辑和代数分析方法[J];传感技术学报;2005年03期
6 王俊林;张剑云;;基于统计证据的Mass函数和D-S证据理论的多传感器目标识别[J];传感技术学报;2006年03期
7 卢文科;朱长纯;方建安;文常保;袁杏芳;;小波变换用于钢丝绳断丝检测的研究[J];传感技术学报;2007年07期
8 涂国平,邓群钊;多传感器数据的统计融合方法[J];传感器技术;2001年03期
9 万树平;;多传感器数据融合的概率权方法[J];传感器与微系统;2009年08期
10 赵英亮,王黎明,宋文爱;高噪下的钢丝绳断丝定量检测[J];测试技术学报;2002年04期
中国重要会议论文全文数据库 前1条
1 郑建宁;;设备故障诊断技术的经济价值[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
中国博士学位论文全文数据库 前10条
1 单佩韦;时频分析系统及其应用[D];华东师范大学;2011年
2 王志鹏;基于信息融合技术的故障诊断方法的研究及应用[D];大连理工大学;2001年
3 魏云冰;小波变换在电机故障诊断与测试中的应用研究[D];浙江大学;2002年
4 衡彤;小波分析及其应用研究[D];四川大学;2003年
5 胡劲松;面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D];浙江大学;2003年
6 廖瑞金;变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D];重庆大学;2003年
7 郭健;基于小波分析的结构损伤识别方法研究[D];浙江大学;2004年
8 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年
9 伍奎;汽轮发电机组在线监测诊断的网络化、智能化研究[D];重庆大学;2005年
10 张育智;基于神经网络与数据融合的结构损伤识别理论研究[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 赵大伟;数据融合技术在球磨机料位检测中的应用[D];哈尔滨理工大学;2010年
2 朱林富;基于粒子滤波的故障诊断方法研究[D];北京交通大学;2011年
3 李丹;神经网络信息融合故障诊断方法及其在输油管道中的应用[D];河北科技大学;2011年
4 梅杰;基于人工神经网络的旋转机械故障诊断专家系统[D];武汉理工大学;2011年
5 尹保明;小波神经网络故障诊断方法及其在变频调速系统中应用研究[D];河南理工大学;2011年
6 范志鹏;基于小波与聚类分析相结合的旋转机械的故障诊断[D];江西理工大学;2011年
7 孙伟;基于混沌神经网络的故障诊断方法研究[D];燕山大学;2012年
8 孙增国;神经网络和模糊专家系统在故障诊断中的应用[D];大连理工大学;2004年
9 殷跃;基于BP神经网络的电力变压器故障诊断的研究[D];吉林大学;2007年
10 徐银炼;乳化炸药生产线单螺杆泵运行安全性研究[D];南京理工大学;2008年
【二级参考文献】
中国期刊全文数据库 前10条
1 朱明星,张德龙;RBF网络基函数中心选取算法的研究[J];安徽大学学报(自然科学版);2000年01期
2 汪澄,程慧霞;面向对象的程序设计方法的研究[J];安徽大学学报(自然科学版);1997年01期
3 戴筠;C~3Ⅰ中的多传感器数据融合技术[J];兵工学报;1998年04期
4 耿立恩,潘旭峰,李晓雷,祝嘉光;Dempster-Shafer证据推理在数据融合中的应用[J];北京理工大学学报;1997年02期
5 张晨,韩月秋,陶然,钮永胜;基于神经网络预测器的单传感器故障检测方法[J];北京理工大学学报;1999年02期
6 罗志增,蒋静坪;相关证据的融合及其在机器人多感觉信息融合中的应用[J];传感技术学报;2000年03期
7 房方,魏乐;传感器故障的神经网络信息融合诊断方法[J];传感技术学报;2000年04期
8 刘东,葛运建;基于SVM预测器的传感器故障诊断与信号恢复研究[J];传感技术学报;2005年02期
9 张彦铎,姜兴渭;某时变系统传感器故障的诊断方法与仿真研究[J];传感器技术;1999年04期
10 唐海峰,张合,李豪杰;D-S证据理论在多传感器目标识别中的应用[J];传感器技术;2002年12期
中国博士学位论文全文数据库 前4条
1 吴振锋;基于磨粒分析和信息融合的发动机磨损故障诊断技术研究[D];南京航空航天大学;2002年
2 王志鹏;基于信息融合技术的故障诊断方法的研究及应用[D];大连理工大学;2001年
3 徐德友;粗集信息分析在故障诊断中的应用及自修复飞行控制系统效能评估[D];南京航空航天大学;2002年
4 吴梅;小波理论在导弹故障诊断中的应用研究[D];西北工业大学;2003年
中国硕士学位论文全文数据库 前2条
1 张远;基于信息融合技术的故障诊断模型和方法研究[D];中南大学;2003年
2 文振华;智能诊断专家系统的知识获取方法研究及应用[D];南京航空航天大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 谢三山;;发动机瞬时角速度波动分析[J];浙江交通职业技术学院学报;2008年04期
2 杨慧,熊育婷,吴月伟;基于状态分类评价的发动机故障诊断决策系统[J];航空维修与工程;2005年01期
3 杨帆;钱华;刘惠明;刘红梅;;Prolog语言在发动机故障诊断中的研究[J];科技资讯;2006年15期
4 李友才;巴寅亮;;基于BP神经网络的电控发动机故障诊断应用研究[J];郑州轻工业学院学报(自然科学版);2008年05期
5 张富强;;凌志LS400发动机电控实验台架的研制及运用[J];交通科技;2010年S2期
6 赵福祥;刘玉庆;;马自达轿车故障自诊断系统[J];汽车与驾驶维修;1997年12期
7 王文山;;博世KTS诊断仪柴油发动机故障诊断功能测试介绍[J];汽车维修与保养;2009年04期
8 唐黎标;;电控发动机故障诊断经验谈[J];轻型汽车技术;2009年10期
9 张慧茹;;基于特征融合技术的发动机故障诊断分析[J];硅谷;2011年15期
10 尹雪晨;卡特彼勒3408型发动机故障诊断及维修[J];车用发动机;1987年03期
中国重要会议论文全文数据库 前4条
1 蔡勇;王晓武;;模糊专家系统在斯特林发动机故障诊断上的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
2 梁磊;陈杰;蒋东翔;;航空发动机常见气路故障和振动故障特征分析[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
3 万玉成;孙倩;袁文君;;基于可拓关联函数的航空发动机磨损故障诊断方法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
4 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任(A卷)——第五届沈阳科学学术年会文集[C];2008年
中国重要报纸全文数据库 前4条
1 梁艳生、特约通讯员赵凌宇;支持近百名技术骨干读研[N];解放军报;2003年
2 陈雄亮/编译;欧洲经销商对厂商新举措不满[N];中国商报;2003年
3 陈雄亮;2002国际汽车营销呈现新态势[N];中国商报;2003年
4 湖北 肖九梅;汽车电喷发动机燃料系统的故障诊断(二)[N];电子报;2011年
中国博士学位论文全文数据库 前3条
1 杜灿谊;基于建模仿真与振动分析的发动机故障诊断方法研究[D];华南理工大学;2013年
2 张晓丹;汽车发动机故障诊断中不确定性问题的贝叶斯网络解法[D];东北大学;2005年
3 刘洪刚;液体火箭发动机智能故障诊断理论与策略研究[D];国防科学技术大学;2002年
中国硕士学位论文全文数据库 前10条
1 戴德荣;基于虚拟仪器的轿车发动机故障诊断教学系统的设计与开发[D];南京理工大学;2013年
2 孙晟新;基于波形和数据流的电控发动机故障诊断实验研究[D];辽宁工业大学;2013年
3 全首杰;实车发动机故障诊断系统的研究[D];延边大学;2010年
4 高慧;基于虚拟仪器的发动机故障诊断[D];重庆交通大学;2011年
5 丁哲;基于排气气流动态特性的发动机故障诊断研究[D];桂林电子科技大学;2010年
6 秦荣;基于振动分析的发动机故障诊断实用方法研究[D];华南理工大学;2011年
7 邓吉文;基于ARM9的汽车发动机故障诊断及预报系统设计[D];哈尔滨理工大学;2011年
8 高丽;汽车发动机故障诊断中不确定性问题的贝叶斯网络解法研究[D];沈阳航空工业学院;2009年
9 杨亚军;车辆发动机气门间隙故障振动信号融合技术研究[D];中北大学;2007年
10 刘福华;丰田卡罗拉电控发动机故障诊断实训台设计[D];电子科技大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026