基于深度信念网络的民航发动机状态监测

作者： 吴瑀倩   李静   吴晓舟   王华伟   来源： 计算机测量与控制 年份： 2018 文献类型 ： 期刊 关键词： 深度学习理论   大数据处理   发动机状态  

描述： 民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息;传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意;此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取;实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。

基于深度学习的航空发动机故障融合诊断

作者： 车畅畅   王华伟   倪晓梅   洪骥宇   来源： 北京航空航天大学学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   深度学习   抗干扰能力   决策融合  

描述： 通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,首先利用深度学习算法提取出性能参数中的隐藏特征,得出故障分类置信度;然后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D-74R发动机故障系数用于数据仿真,通过实例验证本文提出算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。

考虑不平衡数据的民航不安全事件分析

作者： 倪晓梅   王华伟   洪骥宇   严晓婧   来源： 航空计算技术 年份： 2018 文献类型 ： 期刊 关键词： 不安全事件   主成分分析   SMOTE   民航安全  

描述： 民航事故的产生具有随机性,导致民航不安全事件的数据也具有较大的波动性,如何从波动的安全数据中提取出反映民航安全变化的本质安全特征,直接决定安全分析的准确度。引入不平衡数据的概念,利用SMOTE和随机向下抽样的方法平衡民航数据,通过主成分分析方法提取引起航空器空中运行、起飞着陆、地面运行等六个方面不安全事件的主要因素。针对不安全事件的特点提出改进措施,从而达到提高民航安全水平的目的。

基于改进GRU的航空发动机剩余寿命预测

作者： 车畅畅   王华伟   倪晓梅   付强   来源： 航空计算技术 年份： 2020 文献类型 ： 期刊 关键词： 学习型工厂   思考与实践   高技能人才培养模式   技师学院   发动机部件   综合职业能力   发动机装配   高技能人才培训  

描述： 针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多状态参数输入到第一层GRU进行性能退化分析得到性能指标;利用剩下的GRU层对性能指标进行时间序列预测;在得到性能指标预测的基础上,通过设定阈值得到最终的剩余寿命预测结果。通过实验验证证明:与传统的时间序列预测模型相比,改进GRU模型解决了传统GRU模型在处理多状态参数时的重复建模问题,并且有更高的剩余寿命预测准确率和更强的抗干扰能力。

基于鸟击事故征候预测的通用航空安全研究

作者： 熊明兰   王华伟   徐怡   付强   来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 安全   预测   通用航空   鸟击事故征候   长短期记忆(LSTM)  

描述： 通用航空作为民航运输的两翼之一，其安全水平直接影响民机系统的安全。目前对通航以及鸟击事故征候进行预测的研究十分少，本文根据收集到的美国从事通用航空活动发生鸟击事故征候安全状况数据（1990年1月

基于深度信念网络的民航发动机状态监测

作者： 吴瑀倩   李静   吴晓舟   王华伟   来源： 计算机测量与控制 年份： 2018 文献类型 ： 期刊 关键词： 深度学习理论   大数据处理   发动机状态  

描述： 民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息;传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意;此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取;实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。

基于深度学习的航空发动机故障融合诊断

作者： 车畅畅   王华伟   倪晓梅   洪骥宇   来源： 北京航空航天大学学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   深度学习   抗干扰能力   决策融合  

描述： 通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合理论的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,首先利用深度学习算法提取出性能参数中的隐藏特征,得出故障分类置信度;然后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D-74R发动机故障系数用于数据仿真,通过实例验证本文提出算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。

考虑不平衡数据的民航不安全事件分析

作者： 倪晓梅   王华伟   洪骥宇   严晓婧   来源： 航空计算技术 年份： 2018 文献类型 ： 期刊 关键词： 不安全事件   主成分分析   SMOTE   民航安全  

描述： 民航事故的产生具有随机性,导致民航不安全事件的数据也具有较大的波动性,如何从波动的安全数据中提取出反映民航安全变化的本质安全特征,直接决定安全分析的准确度。引入不平衡数据的概念,利用SMOTE和随机向下抽样的方法平衡民航数据,通过主成分分析方法提取引起航空器空中运行、起飞着陆、地面运行等六个方面不安全事件的主要因素。针对不安全事件的特点提出改进措施,从而达到提高民航安全水平的目的。

航空事故人为因素多模型集成分析与控制策略

作者： 徐璇   王华伟   王祥   来源： 航空计算技术 年份： 2016 文献类型 ： 期刊 关键词： 航空事故　　人为因素　　FTA　　HFACS　　关联危害性分析  

描述： 人为因素是现代航空事故最主要的致因因素,分析航空事故中人为因素的特点,进一步提出预防措施,有利于提高飞行安全水平,实现本质安全。提出多模型集成的航空事故人为因素分析与控制流程,将事故树分析方法(FTA)和人因分析及分类系统(HFACS)相结合,寻找事故的直接原因和深层次原因,全面识别航空事故中的人为因素、事故机理及事故演化过程;运用定量方法找出关键因素,针对性地提出避免由人为因素导致航空事故的策略;根据关联危害性分析法,挖掘事故的潜在不安全因素,实现主动的事故预防。

基于LSTM分类器的航空发动机预测性维护模型

作者： 蔺瑞管   王华伟   车畅畅   倪晓梅   熊明兰   来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类   长短期记忆网络   时间窗   故障预测与健康管理   预测性维护  

描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。