航空制造设备故障预测与健康管理设备分析

作者： 李林   来源： 中国设备工程 年份： 2020 文献类型 ： 期刊 关键词： 航空制造设备   健康管理   故障预测  

描述： 航空制造设备故障预测与健康管理是航空领域深入发展的一个重要内容,为了能够提升航空器械的维修质量,需要应用先进的技术和科学的管理来进行故障预测和设备维修。为此,文章在阐述航空制造设备故障预测与健康管理研究现状的基础上,结合航空制造设备故障预测与健康管理实施难点,从航空设备应用的全生命阶段具体分析航空制造设备的故障预测和健康管理,旨在确保航空制造设备的有效应用。

基于R的飞机空调子系统故障预测

作者： 程媛洁   徐坤   吴治剑   李儒周   来源： 工程技术研究 年份： 2018 文献类型 ： 期刊 关键词： 时间序列ARMA预测模型   飞机空调   故障预测  

描述： 文章使用基于R的时间序列分析,对飞机空调冷却子系统进行合理的建模预测研究。使用该序列模型对某飞机空调冷却子系统故障研究及短期预测,结果表明该序列模型对空调冷却子系统故障短期预测有较好的的效果。

航空压气机机匣处理技术研究综述

作者： 王有远   张振华   钱伟伟   徐长斌   聂高胜   来源： 南昌航空大学学报(自然科学版) 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   模糊聚类   数据挖掘   故障预测  

描述： 为了保证飞行安全和降低航空维修成本,提高航空发动机故障预测的准确性,利用数据挖掘技术,提出了一种基于模糊聚类的航空发动机故障预测的数据挖掘模型。通过对航空发动机维修数据的分析,构建了发动机数据的采集框架以及维修数据挖掘模型,利用模糊聚类理论对某型号航空发动机的维修数据进行聚类,依据不同的阈值获得样本的不同分类情况进行故障预测。最后通过算例仿真验证了模糊聚类可以为航空发动机故障预测提供决策依据。

探究航空电气设备的故障预测与健康管理

作者： 李永浩   来源： 冶金与材料 年份： 2018 文献类型 ： 期刊 关键词： 健康管理   航空电气   故障预测  

描述： 我国航空电气设备是我国航空事业的一部分,近年来我国航空电气设备维护技术取得突破性进展,为了进一步提升我国航空电气设备的利用率,工作人员逐渐对航空电气设备进行系统的故障预测以及健康管理工作。工作人员在维护航空电气系统时,需要对航空电气设备故障预测方法以及健康管理技术进行灵活运用。工作人员需要适当提高自己的工作能力,加强对航空电气系统的故障预测工作力度,有利于我国航空电气设备后期维护工作的开展。

航空装备PHM技术发展及需求应用分析

作者： 施小弟   来源： 数字技术与应用 年份： 2018 文献类型 ： 期刊 关键词： PHM   健康管理   故障预测  

描述： 本文介绍了航空装备PHM技术的结构组成,探讨了PHM技术国内外研究现状,分析了航空装备PHM技术发展需求,总结了航空装备PHM技术发展所存在的难题,为学者研究航空装备PHM技术提供部分研究方向。

基于支持向量机回归的航空装备故障预测

作者： 郝万亮   边英杰   申献芳   郑金磊   来源： 直升机技术 年份： 2022 文献类型 ： 期刊 关键词： 支持向量机回归   航空装备   故障预测  

描述： 针对航空装备保障领域样本数量小、故障数量难以预测的问题，提出了一种基于支持向量机回归的航空装备故障预测模型。介绍了支持向量机回归的基本原理；阐述了线性回归和非线性回归的模型；以实际故障数据为例，对支持向量机回归模型的预测精度进行验证，详细分析了预测结果。结论表明，该模型对小样本数据具有良好的适应性，取得了较高的预测精度。

基于随机森林和时间卷积网络的航空发动机故障预测

作者： 王秀娜   鲁守银   任飞   来源： 计算机时代 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   时间卷积网络   随机森林   故障预测  

描述： 航空发动机作为一种极其精密的设备，其内部传感器的运行状态决定了发动机能否稳定运行。因此，利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题，提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取，然后添加滚动平均值和滚动标准差以增强数据特征，最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证，结果表明，该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。

航空发动机状态监控和预测性维护应用研究

作者： 廖鹏程   李昂   王骁   来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 特征提取   深度学习   健康管理   剩余寿命预测   故障预测  

描述： 为了深化飞参数据的应用价值，通过研究发动机转动件故障预测、剩余寿命预测以及气路健康等，为发动机保障决策和预测性维护提供参考。采用经验模态分解(EMD)结合相对向量机(RVM)、灰度模型(GM)用于发动机转动件、气路监测的状态监控和故障预测，选取波音某型飞机故障数据验证了模型的准确性，平均绝对百分比误差(MAPE)能达到8.46%;采用卡尔曼滤波(KF)结合梯度提升决策树(GBDT)的方法对数据进行降噪并预测剩余寿命，通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率；采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控模型，经过大量QAR数据验证和测试，预测相对误差为0.43%。针对基于数据挖掘的航空发动机故障诊断算法开展研究，设计了相应的算法，开展了实验验证，通过有效的数据预处理和模型参数调节，使得故障诊断性能达到较高水准，为航空发动机的预测性维护提供了重要参考。

基于灰色理论的172飞机故障预测方法

作者： 李立群   唐寿根   谢家雨   来源： 控制工程 年份： 2018 文献类型 ： 期刊 关键词： 检验   灰色模型GM(1   1)   塞斯纳172基本型飞机   故障预测  

描述： 模型GM(1,1),通过GM模型数据计算完成飞机设备的失效预测,最后对误差精度进行拟合检验,模型预测结果表明,此方法有效的预测塞斯纳172基本型飞机故障,实现用较少的数据得到较高的预测精度,降低172基本型飞机设备的故障率,提高设备可靠性,保障飞行安全。

基于多模型融合的航空电子产品故障预测方法

作者： 文佳   梁天辰   陈擎宙   钱东   来源： 电讯技术 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆(LSTM)神经网络   数据驱动   航空电子产品   多模型融合   故障预测  

描述： 针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题，提出了一种改进长短期记忆(Long Short/Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法，以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制，构建基于不同历史数据集的差异性LSTM模型组，以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题；采用Adaboosting算法计算模型权重，并基于实时数据动态调整，以滤除复杂机载环境应力引入的预测误差，解决多模型融合的性能差异问题。最后，采用NASA公开的锂电池退化数据集进行仿真验证，实验结果表明，相较于传统BP神经网络、经典LSTM和LSTM基模型，该方法具有更高的趋势拟合度和预测精度。