基于智能算法的航空發(fā)電機(jī)故障診斷方法研究

凌　超（中國(guó)南航航空股份有限公司上海分公司,上海　201202）

基于智能算法的航空發(fā)電機(jī)故障診斷方法研究

凌超
（中國(guó)南航航空股份有限公司上海分公司,上海201202）

摘要：航空發(fā)電機(jī)作為飛機(jī)上各類(lèi)設(shè)備的電力供給源頭，其作用是及其重要的。為了保證飛機(jī)各系統(tǒng)的良好運(yùn)行確保飛行安全，就必須要針對(duì)飛機(jī)發(fā)動(dòng)機(jī)可能產(chǎn)生的故障提前做出準(zhǔn)確的判斷，并在發(fā)現(xiàn)后及時(shí)有效地解決。針對(duì)航空發(fā)電機(jī)的故障難以準(zhǔn)確診斷的問(wèn)題，提出了基于智能算法的航空發(fā)電機(jī)故障診斷方法。

關(guān)鍵詞：航空發(fā)電機(jī)；故障診斷；故障定位

1　引言

近年來(lái)由于航空領(lǐng)域不斷受重視，各類(lèi)相關(guān)技術(shù)設(shè)備也在快速發(fā)展之中。航空發(fā)電機(jī)作為其中一種重要的部件負(fù)責(zé)為飛機(jī)其他部件提供電力供應(yīng)，在航空領(lǐng)域中有著極其廣泛的應(yīng)用。為保證其正常運(yùn)行設(shè)有大量的傳感器和數(shù)據(jù)采集裝置，故障發(fā)生時(shí)通過(guò)何種信息處理方法處理這些裝置所記錄的數(shù)據(jù)，找出發(fā)電機(jī)的產(chǎn)生故障的原因是航空發(fā)電機(jī)故障診斷的關(guān)鍵。本論文以此現(xiàn)實(shí)需求為基礎(chǔ)展開(kāi)研究，將智能算法引入到航空發(fā)電機(jī)的故障診斷過(guò)程中，縮短故障診斷時(shí)間，提高故障診斷能力。

2　航空發(fā)電機(jī)故障特點(diǎn)

由于航空發(fā)電機(jī)結(jié)構(gòu)極其復(fù)雜，相關(guān)數(shù)據(jù)也復(fù)雜多樣，因此其故障頻發(fā)且難以有效診斷，這也為航空發(fā)電機(jī)的故障診斷帶來(lái)了不少困難，總的來(lái)說(shuō)航空發(fā)電機(jī)的故障主要有以下兩個(gè)特點(diǎn)：（1）各類(lèi)構(gòu)成零件復(fù)雜繁多，且每個(gè)零件的運(yùn)行特點(diǎn)和可靠性指標(biāo)不同，工作期限也又長(zhǎng)又短；（2）故障產(chǎn)生類(lèi)型多樣，不同零件故障的組合會(huì)所引起航空發(fā)電機(jī)產(chǎn)生截然不同的故障。

3　故障診斷智能方法

3.1神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)是生物學(xué)、計(jì)算科學(xué)及計(jì)算機(jī)科學(xué)相互交叉的產(chǎn)物，它通過(guò)數(shù)量龐大的處理單元互連形成網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)不但可以進(jìn)行大規(guī)模的并行模擬處理，網(wǎng)絡(luò)全局，還具備很強(qiáng)的自適應(yīng)和學(xué)習(xí)能力、魯棒性和容錯(cuò)能力。因而其對(duì)于信號(hào)的處理更加貼近于人類(lèi)的思維方式。航空發(fā)電機(jī)由于其自身結(jié)構(gòu)的復(fù)雜性，與其他部件聯(lián)系的多樣性，導(dǎo)致其平時(shí)運(yùn)行時(shí)產(chǎn)生數(shù)量龐大的數(shù)據(jù)信息，而神經(jīng)網(wǎng)絡(luò)擁有強(qiáng)大的并行運(yùn)算能力可以保證這些信息得到同時(shí)處理，另外其信息儲(chǔ)存的方式又是分布式的，這對(duì)于處理后數(shù)據(jù)的整理又帶來(lái)的極大地便利，避免了通過(guò)建立模型和引入?yún)?shù)所導(dǎo)致的誤差，有效提高識(shí)別速度，增強(qiáng)故障診斷的能力。

3.2遺傳算法

遺傳算法是人們?cè)谀M環(huán)境的基礎(chǔ)上，結(jié)合生物優(yōu)勝劣汰的自然法則以上所歸納出來(lái)的。其優(yōu)點(diǎn)是通過(guò)將求解過(guò)程的優(yōu)化從而使得答案能夠出現(xiàn)在控制范圍內(nèi)。導(dǎo)致航空發(fā)電機(jī)產(chǎn)生故障的原因可能很復(fù)雜，并不是每一個(gè)因素單獨(dú)作用的結(jié)果，而是許多因素相互關(guān)聯(lián)相互作用后才形成的。對(duì)于這些復(fù)雜的因素可以通過(guò)遺傳算法將它們化為簡(jiǎn)單的位串形式編碼表示，從而簡(jiǎn)化問(wèn)題的結(jié)構(gòu)，然后在適應(yīng)度函數(shù)的輔助下，通過(guò)遺傳操作得到問(wèn)題的最優(yōu)解。正是通過(guò)簡(jiǎn)單的編碼方式和基礎(chǔ)的繁殖規(guī)律，遺傳算法將復(fù)雜困難的問(wèn)題簡(jiǎn)單化并找出其最優(yōu)解。

3.3多元統(tǒng)計(jì)分析法

多元統(tǒng)計(jì)分析的特點(diǎn)是在對(duì)包含噪聲和高度等數(shù)據(jù)進(jìn)行處理后，把高維度的數(shù)據(jù)轉(zhuǎn)換到維度低的空間，抽離出需要的有用信息。其具體過(guò)程是長(zhǎng)期監(jiān)視航空發(fā)電機(jī)工作狀態(tài)，在故障出現(xiàn)后，通過(guò)對(duì)歷史數(shù)據(jù)的總結(jié)，建立與之相符的統(tǒng)計(jì)模型，棄除多余的信息，保證原始數(shù)據(jù)的完整性，從而實(shí)現(xiàn)歷史數(shù)據(jù)的有效處理，及時(shí)發(fā)現(xiàn)并清除故障。而且在此過(guò)程之中所建立的數(shù)學(xué)模型不需要完全準(zhǔn)確，也無(wú)需對(duì)故障進(jìn)行采樣，有效減少維修任務(wù)，保證了航空發(fā)電機(jī)在平常使用過(guò)程中的安全性。

3.4貝葉斯網(wǎng)絡(luò)理論

貝葉斯網(wǎng)絡(luò)又稱(chēng)為信度網(wǎng)絡(luò)，其原理是通過(guò)將航空發(fā)電機(jī)以前故障發(fā)生時(shí)的信息搜集起來(lái)，按其相互間的關(guān)系統(tǒng)一進(jìn)行分類(lèi)，然后建立故障診斷模型，在故障發(fā)生前，利用一些故障征兆，根據(jù)不同征兆計(jì)算得到故障原因的概率，從而有效提高故障診斷效率。另外貝葉斯網(wǎng)絡(luò)還具有很強(qiáng)的學(xué)習(xí)能力，在實(shí)踐過(guò)程中根據(jù)實(shí)際情況的變化可以及時(shí)改進(jìn)其網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，并更新其原有概率，使貝葉斯網(wǎng)絡(luò)不斷完善，最終推動(dòng)故障診斷水平的不斷提高。

3.5小波分析法

小波分析是一種窗口大小固定但其形狀可改變,時(shí)間窗和頻率窗都可改變的時(shí)頻局部化分析方法。針對(duì)高低頻率分別有良好的時(shí)間及頻率分辨率，而且對(duì)于低頻小波分析具有極大優(yōu)勢(shì)。通過(guò)小波分析可以有效降低噪音信號(hào)對(duì)有發(fā)電機(jī)有效震動(dòng)信號(hào)的影響，提高診斷的正確率。

3.6粗糙集理論

所謂粗糙集理論就是通過(guò)對(duì)數(shù)據(jù)的分析研究，找出其規(guī)律從而提前發(fā)現(xiàn)可能產(chǎn)生問(wèn)題的地方。航空發(fā)電機(jī)發(fā)生故障時(shí)，我們所收集的數(shù)據(jù)可能并不完整且精度不高，通過(guò)粗糙集理論我們可以將這些不完整，精度不高的數(shù)據(jù)在空間等價(jià)分類(lèi)的基礎(chǔ)之上通過(guò)現(xiàn)有的一些明確的知識(shí)來(lái)描述。相比于其他關(guān)于不確定性問(wèn)題理論其優(yōu)勢(shì)在于，它對(duì)于數(shù)據(jù)的數(shù)量和質(zhì)量要求不高，而且也無(wú)需摻雜相關(guān)的主觀性信息。

3.7支持向量機(jī)

支持向量機(jī)在故障診斷領(lǐng)域,其性能較其他許多現(xiàn)有方法有很多優(yōu)勢(shì)。對(duì)于小樣本,診斷精度高于神經(jīng)網(wǎng)絡(luò)方法;對(duì)于高維樣本,診斷速度比神經(jīng)網(wǎng)絡(luò)快。支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)兩者的機(jī)制都是學(xué)習(xí)型，但區(qū)別于神經(jīng)網(wǎng)絡(luò)支持向量機(jī)通過(guò)數(shù)學(xué)方法和優(yōu)化手段來(lái)進(jìn)行模式識(shí)別。在故障診斷過(guò)程中，支持向量機(jī)通過(guò)選取適當(dāng)?shù)暮撕瘮?shù)和參數(shù)對(duì)故障樣本進(jìn)行分類(lèi)，其分類(lèi)效果較其他方面優(yōu)勢(shì)明顯。這個(gè)優(yōu)勢(shì)對(duì)于航空發(fā)電機(jī)故障的診斷具有很強(qiáng)的實(shí)際價(jià)值。

4　結(jié)論

航空發(fā)電機(jī)的故障診斷是個(gè)十分復(fù)雜的問(wèn)題，基于其故障特點(diǎn)，本文提出基于智能算法的航空發(fā)電機(jī)診斷方法，提出了一些用于診斷的方法，并作了詳細(xì)的分析研究。

參考文獻(xiàn)：

[1]劉玉潔.應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)的飛機(jī)發(fā)動(dòng)機(jī)故障診斷研究[D].天津大學(xué),2003.

[2]胡嚴(yán)思.基于FTA和BAM神經(jīng)網(wǎng)絡(luò)的飛機(jī)故障診斷系統(tǒng)研究[D].湖南大學(xué),2012.

[3]張琰.基于多元統(tǒng)計(jì)分析的航空發(fā)動(dòng)機(jī)故障診斷研究[D].沈陽(yáng)航空工業(yè)學(xué)院,2010.

[4]唐甜,趙淑利.貝葉斯網(wǎng)絡(luò)在飛控系統(tǒng)可靠性評(píng)估中的應(yīng)用[J].民用飛機(jī)設(shè)計(jì)與研究,2011,31(06):47-51.

[5]許寶杰,張建民,徐小力等.粗糙集合理論在旋轉(zhuǎn)機(jī)械故障診斷技術(shù)中的應(yīng)用[J].機(jī)械設(shè)計(jì)與制造,2006(12):95-97.