一、现代大型客机故障诊断专家系统的研究与开发（论文文献综述）
林博宇[1]（2020）在《热模锻压力机故障诊断专家系统构建与应用研究》文中研究说明在制造业的生产线中,主要装备的状态直接影响了整条生产线的生产效率,其正常工作是现代制造企业健康运转的根本保证,由于设备结构复杂,现场检测条件有限,使得设备的故障诊断以及诊断的及时性和准确性变得尤为重要。本论文以热模锻压力机为研究对象,意图建立符合设备特点的故障诊断专家系统。首先,对热模锻压力机的工作原理和整体结构进行了较为细致的调研,分析了热模锻压力机的正常工作模式和常见故障模式,对故障特点进行了总结分析。然后,依据故障特点的相关性质和原因现象的内在联系的匹配特点,建立与之适配的故障诊断模型,实现对故障原因到故障现象的集成建模,建立故障树、模糊数学和人工神经网络模型的综合模型,便于系统推理和系统自学习。在此基础上,进行专家系统的构建,建立相关知识库、推理机和人机接口,并对诊断结果测试调试,直至有效结果输出。为了保证专家系统的有效数据输入,有针对性地利用相关传感器对设备的重要部件进行监测和信息采集,将采集的信息进行处理和存储,过滤无用和干扰信息,挑选异常数据,将异常数据与设备正常参数进行拟合对比,确定阈值和节点权值,从而得到故障结论和解决办法,最终实现热模锻压力机故障的有效诊断。
方正汉[2]（2020）在《基于多特征的航电空调系统寿命预测研究》文中指出随着大数据时代的到来,如何发展基于数据驱动的新一代故障预测与健康管理（PHM）技术成为了当今航空技术领域研究的方向。论文以某航空公司A320机队航电系统中的空调系统为典型代表,研究基于多特征的航电系统寿命预测方法。论文针对现有航电空调系统寿命预测方法进行了深入调研,发现现有方法无法在航空公司大规模应用的原因是在于存在先验知识不足和异常数据归类困难两方面问题。选择确定快速存取记录器（QAR）数据中描述空调系统的监控数据作为监控参数,引入逻辑回归与小波神经网络两种方法分别对大型客机空调系统状态退化进行评估,并对两种方法的实验结果进行了对比分析,指出了两种方法在客机空调系统退化状态评估中存在的不足以及无法大规模投入实际维修的原因。针对现存问题提出了基于改进改进模糊C均值聚类（Fuzzy-C Means）算法的客机空调系统退化评估算法。该算法通过基于距离的方法评估飞机空调数据与正常状态之间的差距从而得到状态退化量,有效的解决了其他基于多特征的数据驱动方法存在的先验知识不足的问题。使用无监督最优模糊聚类算法,解决了在处理如飞机空调系统的复杂系统时,难以将异常数据归为同一类别的问题。结合航空公司实际维修经验,引入左右空调组件对比作为FCM算法中距离评估的参数之一,有效的提高了模型的敏感性,能及时发现空调系统的早期性能退化。通过实验对比验证方法的可行性。论文所提出的算法大大提升了模型对系统性能退化过程中“下降态”的效果,提升了模型的合理性与评估效果,大大增加了算法在实际维修工作中的应用价值,为实现预测性维修提供了技术指导。
李时奇[3]（2020）在《基于卷积神经网络的飞机液压系统故障诊断算法研究》文中指出液压系统直接决定飞机的飞行性能和飞行安全,一旦发生故障,严重时可能会造成机毁人亡的惨剧。传统飞机液压系统故障诊断方法过度依赖人工经验。现有的一些智能故障诊断方法需要用较为复杂的信号处理方法对故障特征进行提取和分析,对相关专业技术要求较高且不能保证通用性。随着大数据技术的发展和计算机计算能力的提高,以卷积神经网络（Convolutional Neural Networks,CNN）为代表的深度学习模型近年来发展迅速。CNN具有较强的学习能力,且其卷积层和池化层结构本身就具备抽象特征提取的功能,在故障诊断领域有巨大的应用前景。因此,本文以飞机液压系统为对象,针对现有故障诊断算法存在的问题,研究了卷积神经网络在飞机液压系统故障诊断上的应用。主要研究内容如下:（1）对某型飞机液压系统进行了AMESim仿真,并选取了飞机液压系统中几种常见的故障类型进行了故障植入。通过提取不同位置多个传感器的压力和流量曲线从而构建了飞机液压系统故障诊断数据集。后续算法均在该数据集上训练以及测试。（2）为实现CNN对一维时间序列信号的处理以及多传感器融合,首先提出了1DMCCNN模型。该模型使用一维卷积和一维池化操作处理一维压力和流量时间序列,并将多传感器数据作为CNN多通道数据从而实现多传感器融合。为了更有效的融合压力和流量信号,提出1DFFCNN模型。该模型用不同的卷积层和池化层分别对压力和流量信号进行特征提取,融合特征后再连接相同的网络结构从而实现故障诊断分类。结果表明,这两种算法准确率远高于现有算法;1DFFCNN的网络结构有不错的效果提升。（3）针对卷积神经网络训练时间较长的问题,提出了基于改进CNN特征提取及模型融合的飞机液压系统故障诊断算法。相比于传统CNN特征提取使用全部数据训练CNN,改进CNN特征提取只用少量数据训练CNN,再将全部数据输入训练好的CNN进行特征提取。这里的CNN选用1DFFCNN。然后分别使用多种经典的机器学习模型在提取出的特征上进行训练。最后用Stacking技术进行融合这些模型。结果表明,该算法在提高准确率的同时能大幅减少训练时间。（4）为了研究算法的可解释性并进一步提高故障诊断准确率,提出了基于多级注意力机制的CNN-LSTM网络的飞机液压系统故障诊断算法。该算法将1DFFCNN与LSTM相结合,同时加入了两级注意力机制来让其学习到重点信息。结果表明,该算法能进一步提升故障诊断的准确率;两级注意力机制能够在一定程度上解释算法是否学习到了有效信息。
徐晓[4]（2019）在《B737NG空调系统原理及故障诊断方法的研究》文中研究说明随着中国民航业的快速发展,B737NG已是民航业的主力机型。空调系统是B737NG飞机的重要系统,机队的运行平稳与否和空调系统是否正常工作有密切关系。尤其空调系统同时承载着飞机机舱增压的功能,若万米高空飞机空调系统故障,很可能造成机舱释压,存在严重安全隐患。同时空调系统也是提供机组人员和旅客舒适环境,保障电子设备正常工作的关键,因此有必要对B737NG飞机空调系统进行研究。本文对B737NG空调系统进行了详细研究,分析了空调系统的工作过程及故障机理,以及关键部件之间的故障逻辑关系。采用失效模式效应和临界性分析（FMECA）对机载制冷系统进行分析,列举了各类典型故障模式,并对传统故障排除方式进行梳理分析。同时对大量的B737NG空调系统各种参数进行采集、研究,找出参数与故障的关联因素,利用远程监控软件设置报警门槛值,对于飞机空调性能下降、故障征兆等情况设置邮件报警。通过对大量案例的解读,不断完善报警值及优化处置方式,尝试建立一套提前预警预防性排故机制,力求降低B737飞机空调系统故障对机队平稳运行带来的影响。通过历时一年多的数据采集,反复修改门槛限制值,试验论证,最终确定较为合理的报警区间,使飞机空调系统故障的提前预警成为可能,研究成果可直接使用于目前运营中的航空公司,为避免B737NG飞机空中突发空调系统故障导致飞机返航、备降等重要事件提供了技术支持,保障了旅客乘机出行安全准点,具有实际的经济效益和社会效益。针对对前文的故障分析,设计一套可行的飞机健康管理系统对飞机健康状态进行监控和管理。通过对飞行报文和人员的相关操作进行统计分析获得关键训练和验证数据;同时系统对飞行时的问题报警进行多维度的解析和多种方式的显示,方便维修团队进行事件处理和问题统计分析,提高了检修效率,进而提高飞机的安全性。
朱毅[5]（2019）在《齿轮箱运行状态综合诊断平台设计与开发》文中研究表明随着机械设备在工业领域的普及,齿轮箱作为必备传动机构也愈发重要,它直接关系机械设备能否正常运转。一般工厂通过定时检修的方式对齿轮箱进行维护,缺乏设备状态在线监测、智能评价诊断的手段。因此,本文借由江苏省泰隆集团“减速机监测实验平台”项目支持,满足企业对于其运行状态评估的现实需求,研究设计了针对齿轮箱监测和诊断的平台系统,以温度、振动等多源指标实时监控齿轮箱运行状况,通过指标数据完成其设备状态评价,并基于专家系统对异常进行诊断与反馈。首先,根据所要监测的指标,完成数据采集方案的设计,对系统整体架构与功能模块进行分析。按照对应分析结果,设计相应数据库,实现数据信息分类储存统计。接着基于J2EE平台及MVC架构完成系统的开发,通过ECharts完成指标数据的可视化。而后,对设备运行状态评价展开研究,引入设备可拓评价的方法,通过建立物元模型,计算优度值确定设备状态等级。其中,设备指标权重分别通过主观的层次分析法与客观的灰色关联度法综合计算得到。最后,建立基于Jess规则引擎的专家系统,完成故障诊断工作,同时完成对系统每个模块实际界面的综合展示。专家诊断系统分为两个方面:常规数据（温度、噪音...）依靠孤立森林算法（Isolation Forest）完成其异常程度计算,之后化为可信度因子后进行故障推导;非常规数据通过建立证据事实矩阵,与故障模糊矩阵进行贴近度匹配计算,录入非常规性规则库后进行综合判断。
刘斌[6]（2017）在《中国之翼——C919大型客机纪事》文中研究指明第一章千古梦幻天宇苍穹,广阔无垠,自古迄今,人类憧憬像鲲鹏展翅一般翱翔天际,自由飞翔。新疆哈巴山谷多尕特洞穴的岩画群中,一幅一万多年前形似现代飞机的图腾,令人惊叹,可谓天赋才智。夸父逐日、嫦娥奔月、孙悟空腾云驾雾和哪吒风火轮等神话故事传说展现着龙的子孙
柳敏[7]（2017）在《基于RNP需求的大型客机导航信息综合处理及性能评估》文中研究指明所需导航性能（Required Navigation Performance,RNP）是利用飞机自身机载导航设备和全球定位系统引导飞机起降的新技术,是目前国际民航界公认的未来导航发展的趋势,也是中国民航局正在大力推进的运行方式。RNP的实施减轻了飞机对陆基导航设备的依赖,方便新导航技术和方法的应用,使空域的使用更加灵活,其本质是对客机具备多类导航信息的综合管理、预测导航系统性能并能及时告警能力的新要求。高精度是RNP运行过程中对机载导航系统的定位性能提出的首要需求,但在扰动环境下传统导航系统融合方法的抗干扰自适应能力不足;完好性是RNP运行过程中对导航系统提出的另一个重要性能指标,卫星导航系统作为未来RNP运行中的主用导航设备,提升其完好性性能具有重要意义,但目前单独卫星导航系统的自主完好性监测性能不足;在RNP运行过程中,大型客机的实际导航性能（Actual Navigation Performance,ANP）是机组在飞行过程中判定是否满足RNP需求的重要依据。目前关于ANP的评估仍缺乏系统性的研究。因此,针对上述问题,本文在综合分析RNP运行中对飞机导航系统需求的基础之上,主要研究了多源导航系统信息自适应融合技术、卫星导航系统完好性监测增强技术以及机载实际导航性能评估技术。其目的主要是为了提高导航系统的精度和完好性,并对其性能进行实时评估,从而实现RNP运行下的机载性能监视与告警。本文首先分析了大型客机航空电子系统及飞行管理系统的组成及功能,并对其在RNP运行过程中所需满足的不同导航性能指标进行了分析。针对目前的多种RNP运行和实施规范,论文总结分析了RNP运行中总系统误差的组成及分类,提出了RNP的性能指标分配方法。根据RNP运行对机载导航系统的需求,设计了民用客机中多源异构导航系统的配置及功能规划方案,为RNP运行中的导航系统信息综合处理的关键技术研究提供了支撑。为了提升并保障导航系统的精度性能,提出了一种基于有色噪声自回归建模的自适应交互多模型滤波算法,有效提高有色量测噪声下惯性/卫星组合导航系统的精度;其次,提出了一种基于极大后验估计和渐消因子的自适应容积卡尔曼滤波方法,该方法解决了线性滤波方法高阶截断所导致的定位误差较大及发散的问题,并在噪声统计特性时变的情况,有效地抑制滤波发散和提高滤波估计的精度,从而提升了惯性/陆基组合导航系统的精度性能。为了确保卫星导航系统完好性监测性能,提出了一种基于支持向量回归辅助的组合导航系统完好性监测方法,在组合系统发生故障时均能快速准确地识别故障子系统,从而保障了导航系统的完好性。同时,提出了一种基于陆基导航系统辅助的加权奇偶矢量机载自主完好性监测方法,在卫星数较少时或多星同时发生故障的情况下,均能实时有效地检测与识别故障卫星,从而保障了卫星系统的完好性。为了实现导航性能的实时评估与监测,考虑到不同导航模式下的ANP评估方法的差异,针对单一导航模式和组合导航模式,提出了一套相应的实际导航系统评估方法。同时,提出了一种基于数值积分与二分迭代的性能评估方法,实现了大型客机位置估计存在偏差下ANP的准确评估,可以为飞行机组人员提供飞机的导航系统性能状态和变化倾向的监控,用于机载实时告警,从而保障飞行安全和可靠性。最后,本文设计并实现了一套基于RNP运行的机载导航系统地面仿真验证平台,有效验证了所提出导航信息综合处理与评估方法,并对不同导航模式在RNP运行中的适用性进行了评估和验证,并在我国自行研制的C919大型客机地面综合仿真验证系统中得到了应用,为机载导航系统的信息综合管理与性能评估测试提供了一种较好的仿真验证手段。
鞠文煜[8]（2015）在《民用飞机健康管理系统仿真平台设计研究》文中研究表明健康管理技术是系统依据子系统的健康情况、可用资源情况和运营需求来综合判断当前系统健康状态或预测未来系统健康状态的综合技术能力。健康管理技术已成为当前国外现役和新研军、民用发动机使用可靠性和安全性的重要依赖技术手段。健康管理技术也是一门综合性新兴技术,这项技术已经融入到了新型民用飞机的发展之中,对于改善民用飞机经济性和安全性双重发展目标具有重大的意义。健康管理技术在民用航空领域被波音公司率先应用,将其称作飞机健康管理（AHM）系统,目前已在大量先进的民用飞机上得到应用,提高了飞行安全和航班运营效率。本论文主要以飞机健康管理系统为研究对象,结合国内外在民用飞机健康管理技术领域的研究情况,深入分析和设计飞机健康管理系统的功能和架构,并根据国内外最新的研究成果,对民用飞机健康管理技术的关键技术做了理论研究,并搭建飞机健康管理系统仿真平台。本文结合飞行数据搭建飞机健康管理系统仿真平台,通过飞机健康管理系统的系统架构和功能设置研究指导飞机健康管理平台搭建,对飞机动力系统,燃油系统,机电系统,航电系统,以及飞机飞行环境参数数据的研究仿真,总结下一代民机健康管理系统所需要采集的参数列表。同时通过飞机健康管理仿真平台实现状态监控参数采集,状态监控逻辑的修改,并通过数据总结,优化监控模型。针对飞机健康管理系统仿真中发现的技术难点进行深入研究和技术攻关,从而为以后的系统实现做坚实的基础。本文通过飞机健康管理系统仿真平台对飞机健康管理系统的实现进行了初步的验证和研究,通过仿真平台开发了飞机健康管理系统的基本功能。更重要的是,针对运营飞机数据,构建了飞机事件数据库,并对相关飞机健康管理模型进行了定义,这些模型对后续飞机健康管理系统的实现有很大的指导作用。仿真平台还开发了地面健康管理系统模块,该系统模块定义了友好的人机界面,查询相关数据功能,网页访问功能,地面健康管理模块在后续的研究中可以直接通过升级并成为地面监控系统,为今后地面监控系统的建立打下了一定基础。
马小骏[9]（2014）在《面向客户服务的民用飞机健康管理系统的若干问题研究》文中进行了进一步梳理研制和发展大型客机成为建设创新型国家,提高我国自主创新能力,促进产业转型和增强国家核心竞争力的重大战略举措,客户服务已成为民机产业中相比产品本身更高层次的竞争手段,主制造商的客户服务能力与水平已经成为决定其产品取得市场成功和商业成功的关键要素之一。本文以我国大型民用客机研制为背景,以服务于大型客机客户服务工程为目的,重点研究大型飞机健康管理系统的功能需求、体系构架、实现方案以及相关关键技术,为构建适用于我国大型客机的健康管理系统提供必要的理论和实践依据。本文基于健康管理的业务需求分析,遵循APHM系统设计约束、可靠性/安全性/开放性/可用性等方面的要求,基于C-Care客户服务模式和特点,提出了适用与我国大型客机健康管理系统的总体架构和实现方案,完成了APHM总体设计、地面系统、机载系统、空地数据传输机制、APHM与其他客户服务运营支持系统的接口关系等五个方面的总体方案设计;然后给出了系统架构以及实现方案,从飞机级、系统级以及部件级三个层次,分析了APHM地面系统对飞机状态信息的需求及监测参数的确定方法,基于地空数据链的特点研究了状态监测数据信息的传输策略。针对航线维修的业务需求,分析了基于手册的故障诊断、以及基于案例推理的故障诊断方法及其在航线排故中的应用,基于系统的深层次知识,研究了基于系统原理的故障诊断方法,以此为基础构建了服务于航线维修的的多策略融合的综合故障诊断体系。研究了面向维修计划需求的寿命预测方法,基于性能可靠性理论,引入LS-SVM方法到可靠性分布模型中,获得性能可靠性寿命,解决了大型客机中部分高可靠性子系统极少失效甚至零失效情况下得寿命预测问题;同时针对只有少量故障数据的情况,充分利用LS-SVM方法在小样本预测方面的良好推广性能,将其引入威布尔寿命分布参数预测模型中,得到平均寿命;对于既有监测信息又有少量故障数据的情况,考虑将上述两个模型进行组合,从而得到寿命的组合预测结果;最后通过实例进行了验证,为大型客机进行有效的健康管理提供了技术基础;针对我们自主研制的客机,缺乏相应的健康管理系统,本文在前面研究的基础上,构建了大型客机的健康管理系统,对该系统的主要功能设计与实现展开研究,并在厦门航空公司实际使用环境下进行了系统架构的功能应用性初步验证,确认了大型客机健康管理系统总体架构设计的合理性、先进性。本文的研究以服务于大型客机客户服务工程为目的,重点针对大型飞机健康管理系统的功能需求、体系构架、实现方案以及相关关键技术,研究成果为构建适用于我国大型客机的健康管理系统提供必要的理论和实践依据。
刘永建[10]（2012）在《基于改进神经网络的民机发动机故障诊断与性能预测研究》文中研究指明航空发动机是民机核心动力系统，对之实施有效的诊断和监控，是保障民机安全性、可靠性和经济性的重要技术途径。在发动机故障诊断研究领域，目标主体经常被抽象为一个典型复杂机械系统，由于该系统结构的复杂性、模型的严重非线性、诊断方法的多样性、测量综合误差对故障诊断的干扰影响等原因，造成了发动机故障诊断建模的复杂与困难。目前该领域研究热点包括诊断方法的有效性和全局性研究、诊断系统的实时性研究。前者旨在解决发动机故障诊断模型的性能问题，并将单一诊断方法的模型拓展为多诊断方法模型的集成应用。后者旨在将发动机故障的防范关口前移到实时节点，在传统航线检测、排查、航后排故的基础上引入基于智能诊断决策的故障预防和预防性维修。本文在研究地空数据链（ACARS）和机载飞行数据记录设备（DFDR/QAR）中发动机状态数据译码的基础上，围绕航空发动机故障智能诊断与状态监控中若干关键的问题展开研究，本文的主要研究内容和创新点如下：（1）ACARS所提供的实时信息量无法支撑发动机故障模型的在线训练和实时诊断，而快速存取记录器（QAR）中的数据，有信息完备和记录频率高的特点，因此，在基于智能算法的建模过程中，用ACARS与QAR数据共同构建样本空间。分析了两种数据源中数据帧结构可归类的特点，针对机载总线中发动机参数底层数据编码特征，提出了基于译码函数的发动机参数译码算法，译码过程具有较好的实时性和通用性，译码输出为发动机故障诊断和性能监控建模提供了基础数据支撑。（2）发动机系统的复杂性决定了故障诊断方法的多样性，对于诊断决策而言，综合多种方法做出的决策输出比单一诊断决策具有更好的全局性。对发动机诊断过程中设计的多路信息源和多种诊断知识分别进行融合，针对多路信息源采用数据层融合策略，提出一种自适应加权融合估计算法，根据发动机参数特征迭代调整加权因子，实现参数的融合输出；针对多种诊断知识采用决策级融合策略，提出了一种基于HWA算子的诊断知识多属性决策融合方法，实现了分布式局部决策知识向全局决策知识的进化（3）利用人工智能方法建立发动机故障诊断模型，可以突破传统数学理论建模、物理过程建模在处理非线性、非平稳性、不确定性复杂系统中的性能瓶颈，具有更好的逼近性能和泛化性能。针对所研究的故障诊断问题，提出了一种改进人工神经网络，利用蚁群算法优化了算法的初始权值向量的优化问题，避免了主观随机选择权值导致的收敛慢和训练振荡问题；模型的训练则引入Levenberg-Marquardt算法，利用其非线性寻优训练规则替代BP算法的梯度下降规则，减小训练过程中代价函数陷入局部极小点的机会，通过控制训练算法复杂度提高收敛速度。（4）发动机故障预防的要点在于性能的预测，从大量运行数据中捕获用于表征发动机深层运行状态及趋势的信息。研究基于发动机EGT裕度控制的气路性能监控，在分析试车台和起飞过程EGTM的计算原理的基础上，明确其衰退原因，给出了提高EGTM的建议措施；用智能网络模型逼近发动机气路参数时序函数，给出了一种引入了附加参数的相空间重构方法，用粗糙集方法控制附加参数冗余属性，提出了基于区分矩阵的启发式最小约简算法。建模阶段采用动量法和学习率自适应调整相结合的策略，对发动机气路参数的发展趋势进行建模和预测，取得了具有较好的学习和泛化能力，对气路参数或其他类似的非线性动力系统的走势预测决策具有较好的效果。（5）探索上述理论、方法的工程实现问题，通过在集成开发环境下构建了发动机故障诊断模块、气路性能监控模块、性能趋势预测模块，实现发动机故障诊断与性能监控原型系统，进行了工程实例测试应用。
二、现代大型客机故障诊断专家系统的研究与开发（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、现代大型客机故障诊断专家系统的研究与开发（论文提纲范文）
（1）热模锻压力机故障诊断专家系统构建与应用研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 选题背景 |
| 1.3 国内外研究现状 |
| 1.3.1 专家系统发展趋势 |
| 1.3.2 热模锻压力机及故障诊断研究现状 |
| 1.4 研究目标及路线 |
| 1.4.1 研究目标 |
| 1.4.2 研究路线 |
| 1.5 研究内容及论文组织结构 |
| 1.5.1 研究内容 |
| 1.5.2 论文组织架构 |
| 第二章 热模锻压力机故障分析 |
| 2.1 设备系统结构及工作原理 |
| 2.1.1 系统结构 |
| 2.1.2 工作原理 |
| 2.2 设备故障模式分析 |
| 2.2.1 常见故障分析 |
| 2.2.2 故障特点 |
| 2.3 故障诊断分析流程 |
| 2.4 本章小结 |
| 第三章 系统诊断模型研究 |
| 3.1 故障树建模 |
| 3.1.1 故障树简介 |
| 3.1.2 故障树建立流程 |
| 3.1.3 热模锻压力机的故障树模型 |
| 3.2 模糊数学建模 |
| 3.2.1 模糊数学简介 |
| 3.2.2 模糊数学运算 |
| 3.2.3 热模锻压力机的模糊诊断模型 |
| 3.3 神经网络建模 |
| 3.3.1 神经网络简介 |
| 3.3.2 神经网络结构 |
| 3.3.3 神经网络学习方法 |
| 3.3.4 热模锻压力机的神经网络诊断模型 |
| 3.4 本章小结 |
| 第四章 专家系统的设计与构建 |
| 4.1 总体结构 |
| 4.2 知识库设计 |
| 4.2.1 知识获取 |
| 4.2.2 知识表示 |
| 4.2.3 知识库设计 |
| 4.3 推理机构建 |
| 4.3.1 推理方法简介 |
| 4.3.2 推理控制策略 |
| 4.3.3 冲突消解策略 |
| 4.4 解释程序及人机接口 |
| 4.4.1 解释程序 |
| 4.4.2 人机接口 |
| 4.5 本章小结 |
| 第五章 专家系统的应用与实践 |
| 5.1 硬件选型 |
| 5.2 数据采集基础 |
| 5.3 软件环境 |
| 5.4 软件界面 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
（2）基于多特征的航电空调系统寿命预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 PHM综述 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 航电系统退化评估方法发展现状 |
| 1.5 本文主要研究内容 |
| 第二章 大型客机空调系统与QAR记录器 |
| 2.1 大型客机空调系统类型 |
| 2.2 大型客机空调系统原理 |
| 2.3 QAR快速存取记录器 |
| 2.4 本章小结 |
| 第三章 基于QAR数据的客机空调系统退化评估模型 |
| 3.1 空调系统QAR参数选择 |
| 3.2 基于逻辑回归的客机空调系统评估模型 |
| 3.3 基于小波神经网络的客机空调系统评估模型 |
| 3.4 基于两种评估模型的实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于改进FCM的客机空调系统退化评估算法 |
| 4.1 大型客机空调系统故障分析 |
| 4.2 基于改进FCM的客机空调系统退化评估算法 |
| 4.2.1 模糊C均值聚类FCM算法 |
| 4.2.2 客机空调系统左右组件参数对比的评估距离改进 |
| 4.2.3 面向客机空调系统评估的无监督最优模糊聚类算法改进 |
| 4.3 实验验证分析 |
| 4.3.1 数据样本选择 |
| 4.3.2 数据预处理 |
| 4.3.3 实验结果对比与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（3）基于卷积神经网络的飞机液压系统故障诊断算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 飞机液压系统故障诊断研究现状和发展趋势 |
| 1.2.1 飞机液压系统故障诊断研究现状 |
| 1.2.2 飞机液压系统故障诊断发展趋势 |
| 1.3 卷积神经网络 |
| 1.3.1 卷积神经网络研究现状 |
| 1.3.2 卷积神经网络在故障诊断方面的应用 |
| 1.4 本课题主要研究内容 |
| 第二章 飞机液压系统建模与故障仿真 |
| 2.1 某型飞机液压系统AMESim建模 |
| 2.2 某型飞机液压系统AMESim故障仿真 |
| 2.2.1 液压泵内泄漏AMESim故障仿真 |
| 2.2.2 油滤堵塞AMESim故障仿真 |
| 2.2.3 作动筒内泄漏AMESim故障仿真 |
| 2.2.4 伺服阀堵塞AMESim故障仿真 |
| 2.2.5 液压油污染AMESim故障仿真 |
| 2.3 故障诊断数据集生成 |
| 2.4 本章小结 |
| 第三章 基于CNN作为分类器的飞机液压系统故障诊断 |
| 3.1 卷积神经网络原理 |
| 3.1.1 卷积神经网络基本结构 |
| 3.1.2 误差反向传播 |
| 3.2 一维多通道卷积神经网络 |
| 3.2.1 一维卷积以及多通道叠加 |
| 3.2.2 传感器做差数据增强 |
| 3.2.3 一维多通道卷积神经网络结构设计 |
| 3.3 一维特征融合卷积神经网络 |
| 3.3.1 特征融合分析 |
| 3.3.2 特征融合位置以及方式 |
| 3.3.3 一维特征融合卷积神经网络结构设计 |
| 3.4 试验结果与分析 |
| 3.4.1 试验参数设置及优化 |
| 3.4.2 故障诊断试验结果 |
| 3.4.3 特征融合位置与方式影响分析 |
| 3.5 本章小结 |
| 第四章 基于改进CNN特征提取及模型融合的飞机液压系统故障诊断 |
| 4.1 改进CNN特征提取 |
| 4.2 多模型融合 |
| 4.2.1 经典机器学习模型 |
| 4.2.2 Stacking模型融合技术 |
| 4.3 改进CNN特征提取及模型融合原理与分析 |
| 4.4 试验结果与分析 |
| 4.4.1 故障诊断试验结果对比 |
| 4.4.2 CNN特征提取效果分析 |
| 4.4.3 算法参数选优分析 |
| 4.5 本章小结 |
| 第五章 基于多级注意力机制的CNN-LSTM网络的飞机液压系统故障诊断 |
| 5.1 算法原理 |
| 5.1.1 CNN-LSTM原理与结构 |
| 5.1.2 注意力机制原理 |
| 5.2 基于多级注意力机制的CNN-LSTM网络 |
| 5.2.1 基于多级注意力机制的CNN-LSTM网络结构设计 |
| 5.2.2 多级注意力机制的可解释性分析 |
| 5.3 试验结果与分析 |
| 5.3.1 故障诊断试验结果 |
| 5.3.2 网络结构以及算法参数选优分析 |
| 5.3.3 多级注意力机制可解释性效果分析 |
| 5.4 算法结果对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（4）B737NG空调系统原理及故障诊断方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 飞机空调系统概述 |
| 1.2 空调系统故障研究现状 |
| 1.3 研究目的及意义 |
| 1.4 本文主要研究内容 |
| 第2章 飞机空调系统故障模式影响分析 |
| 2.1 飞机空调系统 |
| 2.1.1 分配系统 |
| 2.1.2 制冷系统 |
| 2.1.3 加温系统 |
| 2.1.4 设备冷却系统 |
| 2.1.5 温度控制系统 |
| 2.1.6 增压系统 |
| 2.1.7 主要故障分析 |
| 2.2 故障模式影响及危害分析——FMECA |
| 2.2.1 FMECA介绍 |
| 2.2.2 FMECA应用 |
| 2.3 本章小结 |
| 第3章 空调制冷系统与故障排除法 |
| 3.1 空调制冷系统概述 |
| 3.1.1 冲压进气部件 |
| 3.1.2 空气循环机 |
| 3.1.3 主/次散热器和集气/扩压组件 |
| 3.1.4 温控活门/备用温控活门 |
| 3.2 空调制冷系统工作原理 |
| 3.3 飞机故障排除流程 |
| 3.4 空调制冷系统故障排除分析 |
| 3.5 本章小结 |
| 第4章 基于数据平台的故障排除方法研究 |
| 4.1 译码及报文监控原理 |
| 4.2 空调制冷系统参数监控 |
| 4.2.1 参数合理区间及报警门槛值设置原则 |
| 4.2.2 参数合理区间及报警门槛值确立 |
| 4.3 监控报文实例与解读 |
| 4.4 监控报文的优化 |
| 4.5 本章小结 |
| 第5章 飞机健康管理系统设计 |
| 5.1 设计思路 |
| 5.2 研究方案 |
| 5.2.1 空调系统样本库构建 |
| 5.2.2 空调系统故障诊断技术 |
| 5.2.3 空调系统健康指数评估方法 |
| 5.2.4 空调系统健康预测方法 |
| 5.3 系统架构设计 |
| 5.3.1 数据采集模块 |
| 5.3.2 数据存储模块 |
| 5.3.3 前端展示模块 |
| 5.3.4 前端操作模块 |
| 5.3.5 数据统计模块 |
| 5.3.6 数据展示分析模块 |
| 5.3.7 AI故障诊断系统 |
| 5.4 数据库设计 |
| 5.5 本章小结 |
| 总结与展望 |
| 研究总结 |
| 研究展望 |
| 致谢 |
| 参考文献 |
（5）齿轮箱运行状态综合诊断平台设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 设备状态监测 |
| 1.3.2 设备状况评价 |
| 1.3.3 设备故障诊断 |
| 1.3.4 齿轮箱诊断研究 |
| 1.4 研究内容与结构 |
| 2 齿轮箱运行状态综合诊断平台需求分析及总体设计 |
| 2.1 江苏泰隆企业基本情况 |
| 2.2 运行状态综合诊断平台开发现状分析 |
| 2.2.1 齿轮箱行业发展简介 |
| 2.2.2 齿轮箱设备监测技术 |
| 2.2.3 齿轮箱监测模块开发现状分析 |
| 2.2.4 评价诊断模块开发现状 |
| 2.3 系统需求分析 |
| 2.3.1 开发目的 |
| 2.3.2 开发思路 |
| 2.3.3 需求分析 |
| 2.3.4 总体设计 |
| 2.4 本章小结 |
| 3 数据采集系统设计 |
| 3.1 方案设计 |
| 3.2 各类模块设计分析 |
| 3.2.1 轴承温度监测模块 |
| 3.2.2 油参数信号监测模块 |
| 3.2.3 环境参数信号监测模块设计 |
| 3.2.4 振动信号监测模块设计 |
| 3.2.5 中控模块设计 |
| 3.3 数据传输与储存 |
| 3.3.1 数据传输格式 |
| 3.3.2 数据储存 |
| 3.3.3 实时数据转换 |
| 3.4 数据维护 |
| 3.5 本章小结 |
| 4 齿轮箱监测子系统设计 |
| 4.1 监测子系统体系 |
| 4.2 监测子系统构架分析 |
| 4.2.1 技术构架 |
| 4.3 功能模块详细介绍 |
| 4.3.1 工厂建模分析 |
| 4.3.2 数据管理 |
| 4.3.3 数据分析展观 |
| 4.4 报表管理 |
| 4.4.1 导出报表设计 |
| 4.4.2 数据库详细设计 |
| 4.5 本章小结 |
| 5 设备运行状态评价 |
| 5.1 设备运行规律分析 |
| 5.2 各类评价方法概述 |
| 5.3 机械设备可拓评价方法 |
| 5.3.1 可拓学概述 |
| 5.3.2 可拓评价方法步骤 |
| 5.4 设备指标权重确定方法 |
| 5.4.1 主观赋值法 |
| 5.4.2 客观赋值法 |
| 5.4.3 组合权重计算模型 |
| 5.4.4 优度评价算例分析 |
| 5.5 本章小结 |
| 6 诊断专家系统实现 |
| 6.1 技术思路 |
| 6.1.1 故障诊断技术 |
| 6.1.2 专家系统简介 |
| 6.1.3 专家系统开发工具 |
| 6.1.4 专家知识表示 |
| 6.1.5 设计思路 |
| 6.2 常规性专家系统建立 |
| 6.2.1 孤立森林算法 |
| 6.2.2 证据事实获取 |
| 6.2.3 规则推理的实现 |
| 6.3 非常规性专家系统建立 |
| 6.3.1 故障模糊关系矩阵建立 |
| 6.3.2 模糊模式识别 |
| 6.3.3 模糊诊断矩阵的改进 |
| 6.3.4 非常规性专家规则确立 |
| 6.3.5 推理实现 |
| 6.4 本章总结 |
| 7 系统实现 |
| 7.1 环境配置 |
| 7.2 系统优势 |
| 7.3 运行实例 |
| 7.4 本章总结 |
| 8 总结与展望 |
| 8.1 全文总结 |
| 8.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于RNP需求的大型客机导航信息综合处理及性能评估（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状与分析 |
| 1.2.1 基于性能导航技术的发展动态 |
| 1.2.2 多信息可靠融合与性能评估技术研究现状 |
| 1.3 本文的主要内容和结构 |
| 第二章 RNP运行下的机载导航系统构架及需求分析研究 |
| 2.1 引言 |
| 2.2 大型客机航空电子系统配置及功能分析 |
| 2.2.1 民用航空电子系统组成及功能分析 |
| 2.2.2 飞行管理系统的结构及功能分析 |
| 2.3 RNP运行下民用航空导航系统的性能需求分析与指标分配 |
| 2.3.1 RNP运行下的导航系统性能需求分析 |
| 2.3.2 RNP运行下的系统误差种类分析 |
| 2.3.3 RNP精度性能指标分配方法研究 |
| 2.4 RNP运行下所需机载导航系统配置方案分析与设计 |
| 2.4.1 民用机载导航系统的功能及组成分析 |
| 2.4.2 RNP运行下所需导航传感器适用方案分析 |
| 2.4.3 民用机载导航传感器的综合信息传递与处理流程分析 |
| 2.4.4 RNP运行下的导航模式种类及管理 |
| 2.5 本章小结 |
| 第三章 扰动环境下的机载导航系统多源信息融合方法研究 |
| 3.1 引言 |
| 3.2 惯性/星基/陆基无线电综合导航系统线性/非线性滤波模型建立 |
| 3.2.1 惯性/卫星组合导航系统滤波模型建立 |
| 3.2.2 惯性/陆基组合导航系统滤波模型建立 |
| 3.3 有色量测噪声下的惯性/卫星组合导航系统自适应融合方法 |
| 3.3.1 基于量测扩增的卡尔曼滤波算法 |
| 3.3.2 基于动态噪声拟合的自适应多模型滤波算法实现 |
| 3.3.3 自适应交互多模型滤波算法仿真验证与分析 |
| 3.4 时变噪声下的惯性/陆基组合导航系统非线性滤波融合方法 |
| 3.4.1 容积卡尔曼滤波模型建立 |
| 3.4.2 基于模糊理论的自适应容积卡尔曼滤波方法改进 |
| 3.4.3 自适应容积卡尔曼滤波方法稳定性分析 |
| 3.4.4 自适应容积卡尔曼滤波方法仿真验证与分析 |
| 3.5 本章小结 |
| 第四章 外部辅助下的卫星导航系统完好性监测增强技术研究 |
| 4.1 引言 |
| 4.2 卫星导航系统完好性监测技术体系分析 |
| 4.3 基于惯性导航系统辅助的卫星导航系统完好性增强方法研究 |
| 4.3.1 基于支持向量机的INS数据回归预测模型建立 |
| 4.3.2 基于支持向量回归的组合导航系统完好性监测方法实现 |
| 4.3.3 基于SVR的完好性监测方法仿真验证与分析 |
| 4.3.4 基于SVR的完好性监测半物理仿真验证 |
| 4.4 基于陆基导航系统辅助的机载自主完好性监测增强方法 |
| 4.4.1 陆基导航系统辅助卫星完好性监测的系统模型建立 |
| 4.4.2 基于加权奇偶矢量的自主完好性监测方法实现 |
| 4.4.3 基于陆基导航系统辅助的监测方法仿真验证与分析 |
| 4.5 本章小结 |
| 第五章 机载综合导航系统的实际导航性能评估技术研究 |
| 5.1 引言 |
| 5.2 RNP运行下的航空器导航系统精度告警要求分析 |
| 5.3 不同导航模式下的ANP评估方法研究 |
| 5.3.1 单一导航系统模式下的导航性能评估方法 |
| 5.3.2 组合导航系统模式下的导航性能评估方法 |
| 5.4 基于导航系统估计位置存在偏差情况下的ANP评估改进方法 |
| 5.4.1 机载实际导航性能评估改进方法设计与实现 |
| 5.4.2 机载实际导航性能评估方法仿真验证与分析 |
| 5.5 本章小结 |
| 第六章 基于RNP运行的大型客机综合导航系统仿真验证平台 |
| 6.1 引言 |
| 6.2 基于RNP运行的机载导航系统地面仿真验证平台总体方案 |
| 6.2.1 综合仿真系统结构及组成方案设计 |
| 6.2.2 综合仿真系统功能模块设计 |
| 6.3 基于RNP运行的机载导航系统仿真验证平台实现与验证 |
| 6.3.1 基于航路点的动态航迹仿真实现 |
| 6.3.2 机载导航系统输出数据仿真实现 |
| 6.3.3 机载导航系统多机仿真验证平台实现 |
| 6.3.4 基于RNP运行的机载导航系统仿真验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文的主要工作与创新 |
| 7.1.1 本文的主要工作和研究内容 |
| 7.1.2 本文的主要贡献与创新之处 |
| 7.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及学术论文 |
（8）民用飞机健康管理系统仿真平台设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 飞机健康管理系统的研究现状 |
| 1.2.1 飞机健康管理系统国外研究现状 |
| 1.2.2 飞机健康管理系统国内研究现状 |
| 1.3 健康管理系统仿真平台研究主要内容 |
| 2 飞机健康管理系统简介 |
| 2.1 飞机健康管理系统的主要技术方案 |
| 2.2 飞机健康管理系统介绍 |
| 2.2.1 发动机状态监控功能介绍 |
| 2.2.2 飞行品质监控 |
| 2.2.3 飞行状态监控 |
| 2.3 飞机健康管理仿真系统的意义 |
| 3 飞机健康管理仿真平台总体方案 |
| 3.1 系统仿真平台的功能 |
| 3.2 民机主要子系统信号激励仿真 |
| 3.3 飞机健康管理仿真 |
| 3.4 地面状态监控系统仿真 |
| 3.5 系统仿真平台的组成 |
| 3.5.1 仿真试验平台硬件组成 |
| 3.5.2 仿真试验平台软件设计 |
| 3.6 本章小结 |
| 4 飞机健康管理仿真平台软件设计与实现 |
| 4.1 飞机健康管理系统架构仿真平台 |
| 4.2 飞机健康管理系统仿真平台软件设计 |
| 4.2.1 平台系统软件设计 |
| 4.2.2 飞机健康管理系统软件功能设计 |
| 4.2.3 机载子系统仿真模块 |
| 4.2.4 健康管理系统机载服务器模块 |
| 4.2.5 地面监控系统模块 |
| 4.3 本章小结 |
| 5 飞机健康管理仿真平台测试 |
| 5.1 飞机健康管理仿真平台测试项目 |
| 5.2 飞机健康管理仿真平台测试要求与测试方法 |
| 5.2.1 机载子系统仿真测试 |
| 5.2.2 AFDX总线通信测试 |
| 5.2.3 ARINC429总线通信测试 |
| 5.2.4 机载服务器数据采集与存储测试 |
| 5.2.5 飞机健康状态监控系统告警功能仿真测试 |
| 5.2.6 数据无线传输功能仿真测试 |
| 5.2.7 飞机健康管理系统地面仿真验证测试 |
| 5.3 测试结果 |
| 6 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）面向客户服务的民用飞机健康管理系统的若干问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号、术语和缩略语 |
| 第一章 绪论 |
| 1.1 论文选题依据 |
| 1.1.1 研究的背景及意义 |
| 1.1.2 本论文的研究目的 |
| 1.2 健康管理研究的国内外研究现状 |
| 1.2.1 健康管理的内涵及起源 |
| 1.2.2 国外民机健康管理系统开发应用现状及发展趋势 |
| 1.2.3 国外民机健康管理技术发展现状和趋势分析 |
| 1.2.4 国内民机PHM技术发展现状 |
| 1.3 研究问题的提出 |
| 1.4 本文的研究内容和结构安排 |
| 1.4.1 本文的研究内容 |
| 1.4.2 本文的结构安排 |
| 第二章 面向客户服务的大型客机健康管理系统方案研究 |
| 2.1 大型民用客机主制造商的客户服务模式分析 |
| 2.1.1 民用飞机的客户服务模式 |
| 2.1.2 C-Care客户服务模式分析 |
| 2.1.3 C-Care客户服务模式中的信息与数据流 |
| 2.2 面向客户服务的APHM的功能与使用需求 |
| 2.2.1 基于C-Care服务模式的APHM系统需求 |
| 2.2.2 航空公司对APHM的使用需求 |
| 2.2.3 主制造商对APHM的功能需求 |
| 2.3 APHM系统设计的技术要求 |
| 2.3.1 基本技术要求 |
| 2.3.2 系统可靠性要求 |
| 2.3.3 系统可用性要求 |
| 2.3.4 安全性要求 |
| 2.3.5 开放性要求 |
| 2.3.6 扩展性需求 |
| 2.4 APHM系统总体的方案 |
| 2.4.1 系统总体架构 |
| 2.4.2 地面系统总体方案 |
| 2.4.3 机载系统总体方案 |
| 2.4.4 空地数据传输机制总体方案 |
| 2.5 系统接口关系 |
| 2.5.1 与地面系统接口 |
| 2.5.2 数据链路的接口 |
| 2.5.3 与航空公司的接口 |
| 2.5.4 与供应商的接口 |
| 2.6 小结 |
| 第三章 APHM系统状态监测信息及数据传输策略研究 |
| 3.1 飞机级状态监测需求分析 |
| 3.1.1 运行基本信息 |
| 3.1.2 航行动态实时监测信息 |
| 3.1.3 勤务信息 |
| 3.1.4 异常事件监测信息 |
| 3.2 系统级状态监测需求 |
| 3.2.1 基于类比分析确定重点监测的机载系统 |
| 3.2.2 延误取消率统计 |
| 3.2.3 机组报告率统计 |
| 3.2.4 使用困难报告率 |
| 3.2.5 需重点关注的系统及其状态监测信息需求 |
| 3.3 部件级状态监测需求 |
| 3.3.1 部件级状态监测需求确定方法 |
| 3.3.2 空调系统部附件监测信息需求 |
| 3.4 我国某型民机状态监测数据需求 |
| 3.5 状态监测信息传输策略研究 |
| 3.5.1 基于ACARS的空地数据传输 |
| 3.5.1.1 ACARS地空数据链系统组成 |
| 3.5.1.2 ACARS数据的传输策略分析 |
| 3.5.1.3 ACARS数据传输策略 |
| 3.5.2 航后无线数据链 |
| 3.5.2.1 航后无线数据链的组成 |
| 3.5.2.2 航后无线数据链的传输策略分析 |
| 3.5.2.3 航后无线数据的传输策略 |
| 3.5.3 空地宽带数据链 |
| 3.5.3.1 卫星宽带数据链组成 |
| 3.5.3.2 ATG数据链的组成 |
| 3.5.3.3 数据链的传输策略分析 |
| 3.5.3.4 某机型数据链传输策略 |
| 3.6 小结 |
| 第四章 面向航线维修的多策略融合故障诊断方法研究 |
| 4.1 基于故障隔离手册的故障诊断 |
| 4.1.1 基于FIM的故障诊断流程与方法 |
| 4.1.2 多故障原因综合分析方法 |
| 4.2 基于案例推理的民机故障诊断技术 |
| 4.2.1 基于案例推理的进行故障诊断的基本原理 |
| 4.2.2 基于案例推理的民机故障诊断技术 |
| 4.2.2.1 基于框架表示的民机故障案例库设计方法 |
| 4.2.2.2 基于征兆相似度的案例检索策略 |
| 4.2.3 相似故障原因分析案例 |
| 4.2.3.1 A320 系列飞机后货舱门故障 |
| 4.2.3.2 B737NG系列飞机后货舱门故障 |
| 4.2.3.3 故障对比分析 |
| 4.3 基于系统原理故障诊断的方法研究 |
| 4.3.1 基于系统原理的故障诊断方法 |
| 4.3.2 系统原理模型库构建 |
| 4.3.3 故障传播路径获取 |
| 4.4 基于多策略融合的故障诊断方法 |
| 4.4.2 融合故障诊断方法 |
| 4.4.3 基于融合分析的排故功能设计 |
| 4.5 小结 |
| 第五章 面向维修计划的寿命预测方法研究 |
| 5.1 基于LS-SVM时间序列预测的飞机性能可靠性寿命预测方法 |
| 5.1.1 支持向量机SVM |
| 5.1.2 最小二乘支持向量机LS-SVM |
| 5.1.3 基于LS-SVM时间序列预测方法的性能退化预测模型 |
| 5.2 基于改进威布尔分布的可靠性寿命预测模型 |
| 5.2.1 可靠性数据的收集与分析 |
| 5.2.2 寿命分布模型的检验 |
| 5.2.3 基于改进的威布尔分布的寿命分布模型的实现 |
| 5.3 民用飞机整机的寿命控制 |
| 5.4 案例研究 |
| 5.4.1 改进威布尔分布的寿命分布模型案例验证 |
| 5.4.2 基于LS-SVM时间序列预测的性能可靠度评估及寿命预测案例验证 |
| 5.5 小结 |
| 第六章APHM原型系统开发与验证 |
| 6.1 针对某型民机的健康管理系统功能设计及实现 |
| 6.1.1 数据收发与处理子系统 |
| 6.1.2 实时监控子系统 |
| 6.1.3 故障诊断子系统 |
| 6.1.4 航后数据监控应用子系统 |
| 6.1.5 运行平台子系统 |
| 6.1.6 扩展功能子系统 |
| 6.1.7 数据及知识管理子系统 |
| 6.2 APHM系统验证方案与验证内容 |
| 6.2.1 系统功能验证方案 |
| 6.2.2 系统性能验证方案 |
| 6.2.3 系统验证内容 |
| 6.2.3.1 系统功能验证内容 |
| 6.2.3.2 系统性能验证内容 |
| 6.3 验证实施与结果分析 |
| 6.3.1 验证实施 |
| 6.3.2 验证问题统计 |
| 6.3.3 测试验证结果分析 |
| 6.4 小结 |
| 第七章 论文总结及展望 |
| 7.1 完成的主要研究工作 |
| 7.2 主要的创新性工作与成果 |
| 7.3 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 附录1 ATA100 章节与飞机系统对应关系表 |
| 附录2 某航空公司B737 MEL |
| 附录3 B737 空调系统（ATA21）部附件的重要度分析 |
| 附录4 B737NG空调系统（ATA21）中故障率较高的部附件列表 |
（10）基于改进神经网络的民机发动机故障诊断与性能预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 概述 |
| 1.2 实时智能故障诊断方法分类 |
| 1.2.1 飞机故障专家系统诊断 |
| 1.2.2 模糊逻辑在诊断中的应用 |
| 1.2.3 故障树在诊断中的应用 |
| 1.2.4 神经网络在诊断中的应用 |
| 1.2.5 信息融合在诊断中的应用 |
| 1.3 飞机故障诊断技术的发展和特点 |
| 1.3.1 飞机故障诊断的特点 |
| 1.3.2 研究背景及意义 |
| 1.3.3 国内外研究动态 |
| 1.4 本文的研究目的和要求 |
| 1.5 论文研究的智能化方案 |
| 1.6 研究内容和组织安排 |
| 2 机载监控系统通信原理及实时诊断结构 |
| 2.1 概述 |
| 2.2 基于飞行数据的飞机状态监控系统 |
| 2.2.1 飞机状态监控系统结构 |
| 2.2.2 机载数据采集原理及总线结构 |
| 2.2.3 数据总线及通信协议研究 |
| 2.3 发动机故障诊断及监控系统 |
| 2.3.1 发动机诊断数据流程及基本方法 |
| 2.3.2 实时数据据驱动的故故障诊断系统统框架 |
| 2.4 本章小结 |
| 3 发动机气路参数的解析及多源信息融合 |
| 3.1 概述 |
| 3.2 基于数据帧结构的 QAR 与 ACARS 解译算法设计 |
| 3.2.1 QAR 发动机参数帧结构解析及译码算法设计 |
| 3.2.2 ACARS 报文数据结构解析及算法设计 |
| 3.2.3 发动机气路参数的预处理 |
| 3.2.4 发动机气路参数译码实例 |
| 3.3 故障诊断研究中的多源信息融合问题 |
| 3.3.1 发动机参数的数据层融合 |
| 3.3.2 故障诊断知识的决策层融合 |
| 3.4 本章小结 |
| 4 基于改进神经网络的发动机故障诊断建模 |
| 4.1 概述 |
| 4.2 改进神经网络诊断原理 |
| 4.2.1 神经元模型 |
| 4.2.2 BP 神经网络模型及其特点 |
| 4.2.3 神经网络的优化与集成 |
| 4.3 改进神经网络学习算法 |
| 4.3.1 基于蚁群算法的神经网络参数优化方法 |
| 4.3.2 基于 Levenberg-Marquardt 算法的神经网络训练方法 |
| 4.3.3 优化与集成过程中的要点 |
| 4.4 基于改进神经网络的发动机故障诊断 |
| 4.4.1 改进神经网络诊断系统结构及诊断流程 |
| 4.4.2 样本空间构成 |
| 4.4.3 诊断模型训练及诊断应用 |
| 4.4.4 模型的集成与应用评估 |
| 4.5 本章小结 |
| 5 发动机性能监控及预测方法 |
| 5.1 概述 |
| 5.2 发动机性能监控 |
| 5.2.1 发动机性能监控流程 |
| 5.2.2 发动机气路性能监控方法 |
| 5.2.3 发动机性能监控案例 |
| 5.3 发动机性能参数预测 |
| 5.3.1 性能参数预测流程 |
| 5.3.2 发动机性能预测方法 |
| 5.3.3 性能预测应用实例 |
| 5.4 本章小结 |
| 6 系统实现及应用 |
| 6.1 概述 |
| 6.2 系统主要功能 |
| 6.3 系统设计与实现 |
| 6.3.1 系统结构设计 |
| 6.3.2 数据库设计 |
| 6.3.3 业务处理层设计 |
| 6.3.4 系统 XML 数据文件设计 |
| 6.3.5 数据库连接池设计 |
| 6.3.6 表示层设计 |
| 6.4 系统应用 |
| 6.5 本章小结 |
| 7 全文总结与研究展望 |
| 7.1 研究工作总结 |
| 7.2 本文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、现代大型客机故障诊断专家系统的研究与开发（论文参考文献）
- [1]热模锻压力机故障诊断专家系统构建与应用研究[D]. 林博宇. 机械科学研究总院, 2020(01)
- [2]基于多特征的航电空调系统寿命预测研究[D]. 方正汉. 中国民航大学, 2020
- [3]基于卷积神经网络的飞机液压系统故障诊断算法研究[D]. 李时奇. 南京航空航天大学, 2020(07)
- [4]B737NG空调系统原理及故障诊断方法的研究[D]. 徐晓. 西南交通大学, 2019(04)
- [5]齿轮箱运行状态综合诊断平台设计与开发[D]. 朱毅. 南京理工大学, 2019(06)
- [6]中国之翼——C919大型客机纪事[J]. 刘斌. 时代文学, 2017(09)
- [7]基于RNP需求的大型客机导航信息综合处理及性能评估[D]. 柳敏. 南京航空航天大学, 2017(02)
- [8]民用飞机健康管理系统仿真平台设计研究[D]. 鞠文煜. 上海交通大学, 2015(01)
- [9]面向客户服务的民用飞机健康管理系统的若干问题研究[D]. 马小骏. 南京航空航天大学, 2014(01)
- [10]基于改进神经网络的民机发动机故障诊断与性能预测研究[D]. 刘永建. 南京航空航天大学, 2012(07)