基于改进的D-S证据理论的航空电源故障诊断

作者： 高丽娟   来源： 安徽工程大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空电源　　电气故障　　故障检测　　电源谐波　　D   S证据理论  

描述： 目前,飞机上的各个系统都或多或少的装载了电子控制设备,这些先进的电控设备都共同的需要电源系统对其提供能源,所以航空电源系统在飞机上发挥的作用是其他系统所不可取代的,很显然也成为了飞机的重要系统之一。大量先进的电子设备广泛的应用,替换了飞机上所使用传统的液压设备,这也使得对电源系统的性能和可靠性、安全性等标准不断提升。在现实情况下,航空电源会面临着在一些特殊的环境下工作,恶劣的环境会让飞机上各种设备受到严重的影响,例如电磁场对设备正常工作的干扰、阴雨天气给飞机上系统设备造成湿度过大等等,但如果设备的供电源头发生了故障,提供的电源并不符合其他系统设备正常的运行的安全值,这就会使设备要么不工作,要么工作异常,甚至还会给设备的安全性造成严重的威胁,若设备长期处于这种供电电源下工作,这会导致整个设备的瘫痪,从而无法继续运行,往往会将故障的危害由电源系统转移到其他的系统设备,影响一架飞机的飞行性能,这会造成飞机不能正常使用,需要花费巨大的人力、物力来对飞机进行检测。针对航空电源故障的重要性和对其研究的目的以及意义,这就使航空电源系统的故障检测成为了地勤人员对飞机整体检修工作的重中之重。先进的故障诊断系统可以在航空电源系统瘫痪之前就能很好地发现故障隐患,并发出检测报告以供专业维护人员的参考,保障飞机的安全运行,节省了人力和财力。基于目前国内外对航空电源故障检测类型和D-S证据理论的不断深入研究,本文结合航空电源故障检测的特殊性、复杂性和它本身的特点、难点,采用了一种新的D-S证据理论对这类复杂性故障类型进行故障预测和判定。改进的D-S证据理论可以很好地弥补D-S证据理论在高冲突证据时组合规则失效的不足。即使检测得到的数据信息非常少或是极端恶劣的环境,改进的D-S证据理论也能很好地进行数据融合,得到满意结果。本文对航空电源系统中产生的谐波作了进一步的论述。对于飞机交流电源系统,随着航空科技的发展,飞机的机载设备(即飞机电网的整个用电设备)结构不断更新、设计不断优化、功能不断完善,但正常工作是一个非线性负载。在实际飞行中,随着机载设备的不断变化,功率因素将大范围变化,所以,飞机电网系统中的谐波“污染”问题一直存在,而且谐波“污染”日益严重,影响了整个电源系统。本文采用了一种新颖的航空中频三电平PWM整流器DPWMA的实现方法,该变换器功率因数高、开管损耗低、电流谐波含量低,对提高飞机交流电网的供电品质具有重大意义,并对其进行仿真和验证。

基于信息融合的航空电子设备故障诊断研究

作者： 胡秀洁   来源： 郑州大学 年份： 2016 文献类型 ： 学位论文 关键词： 故障诊断　　航电设备　　信息融合　　模糊理论　　神经网络　　D   S证据理论  

描述： 航电设备是现代化战斗机的重要组成部分。随着科学技术的迅猛发展,航电设备变得越来越复杂,传统意义上的故障诊断方法已经不能满足现实需求。信息融合技术能够综合多个信息源提供的冗余和互补信息,获得对被诊断对象全面、准确的信息,得到更精确的判断。本文将信息融合技术用于航电设备故障诊断研究中,构建了一种基于模糊神经网络和D-S证据理论决策融合的故障诊断方法。针对神经网络和模糊理论表现的不足性和互补性,信息融合特征级部分采用了结合两者优点的模糊神经网络结构。对于随着输入参量的增多,网络结构变得复杂而导致的网络泛化能力差的缺点,将聚类算法引入结构中,进行结构优化。采用一个实例进行故障诊断,通过与BP结构、RBF结构的比较,表明此种结构方法的学习速度快、诊断精度高。针对故障诊断的不确定性,信息融合决策级部分采用了D-S证据理论方法。对于证据理论中证据之间的高冲突情况下无法获得正确结果现象,提出了两级修改证据源的方法。第一级修改是在基本概率赋值的获取过程中,基于特征级输出各模式正确率的改进方法；第二级修改是对证据出现高冲突的情况,基于证据之间贴近度的修改方法。最后,用实例验证了该方法的有效性。为了进一步提高网络泛化能力,根据参数空间将一个大规模模糊神经网络划分为若干个小规模模糊神经网络。模糊神经网络可以解决D-S证据理论中基本概率赋值获取难的缺点,而证据理论可以综合多子模糊神经网络输出的冗余性,将两者综合起来使用,可以发挥各自的优点和长处。最后以航空电台为例,验证了多子模糊神经网络局部融合和D-S证据理论决策融合的诊断方法具有高的正确率和精确度。

基于信息融合技术的航空发动机故障诊断研究

作者： 宋汉   来源： 中南大学 年份： 2016 文献类型 ： 学位论文 关键词： S证据理论   航空发动机　　信息融合　　故障诊断　　神经网络　　D  

描述： 航空发动机故障诊断是航空发动机领域的重要研究方向,已经成为了目前国内外十分关注的一个研究热点。信息融合是近年来兴起的一门学科,在许多领域得到了广泛的应用和研究。在航空发动机故障诊断领域的应用尚处于不发达阶段,故障诊断中可利用的信息很多,只有充分利用有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性。本文首先论述了信息融合技术的特点、形式结构和具体的处理方法,并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性；将航空发动机故障诊断与信息融合相结合,提出了一种基于信息融合技术的发动机故障诊断模型和方法,并在此基础上,提出和分析了基于人工神经网络和D-S证据理论的信息融合故障诊断,研究了神经网络的建模方法、组建原则和实现策略,并结合诊断实例进行了分析；提出了基于D-S证据理论的决策融合,阐述了D-S证据理论的方法和模型,并结合算例进行了分析。最后将人工神经网络和D-S证据理论相结合,提出了一种决策融合诊断方法,并通过发动机转子实例验证了这种方法的可行性和有效性。本论文包括图15幅,表11个,参考文献52篇。

航空发电机健康状态预测技术研究

作者： 王莹玉   来源： 沈阳航空航天大学 年份： 2016 文献类型 ： 学位论文 关键词： S证据理论   航空发电机　　健康状态　　单项预测　　组合预测　　D  

描述： 航空发电机作为飞机供电系统的一个重要组成部分,是飞机各系统正常工作的基石,研究并实现航空发电机健康状态的早期预测,可以及时掌握发电机健康状态的变化趋势,从而可保障飞机的飞行安全,提高其作战效能。本文以某型真实军用航空发电机为具体研究对象,对其健康状态的有效预测进行了深入研究。通过采用真实航空发电机专用加速寿命试验平台对发电机进行长期使用寿命试验,获取了输入转速、负载、电压、进出口油温、进出口压力和注油压力等健康状态表征参数,在对试验数据预处理的基础上,本文将最小二乘支持向量机预测和灰色预测理论引入到航空发电机健康状态的预测研究中,深入分析其预测过程,设计预测算法,并通过软件编程实现其预测效能,得到预测结果。试验结果表明,最小二乘支持向量机预测平均误差为7.02%,灰色预测平均误差为19.22%。由于灰色模型预测误差较大,不能满足预测要求,因此,将引入神经网络组建灰色神经网络模型对航空发电机健康状态进行预测,预测平均误差为9.86%,证明预测效果明显提高。在航空发电机健康状态预测过程中,由于单项预测模型利用信息的不充分性,不能准确反映发电机状态的变化趋势,同时,基于组建灰色神经网络模型的思想,为使预测结果能够更真实、准确、全面的反映航空发电机的健康状态,本文引入变权组合预测模型,对航空发电机健康状态进行了预测研究,并且在权重分配的计算上将D-S证据理论思想应用其中,与传统的权重分配组合模型进行对比。试验表明,基于D-S证据理论权重分配的组合预测平均误差为6.35%。预测效果达到了期望的目标,从而验证组合算法的合理性。

基于D-S证据融合的雷达毁伤评估研究

作者： 曲婉嘉   王鸿超   徐忠林   刘颖   来源： 战术导弹技术 年份： 2017 文献类型 ： 期刊 关键词： 信息融合   D   雷达   目标毁伤评估   S证据理论  

描述： 为解决传统雷达毁伤评估方法过于单一、评估准确性低的问题,引入D-S证据理论,提出了一种基于D-S证据融合的雷达毁伤评估模型。该模型将图像情报、电子情报、飞行员报告、无人机视频影像等多源信息作为证据体,利用证据向量余弦距离判断证据间的相似性,引入冲突比例因子决定冲突证据的修正方法,将修正后的证据代入D-S合成公式进行融合,从而降低了可信度低的证据给融合结果带来的不良影响。该模型充分利用了多源信息的优势,使融合后的雷达毁伤评估结果更加精确可靠。通过实验对比验证了该模型的有效性和准确性,为目标毁伤评估提供了一种新方法。

基于信息融合技术的航空发动机故障诊断

作者： 赵鹏   来源： 西北工业大学 年份： 2016 文献类型 ： 学位论文 关键词： 信息融合   D   故障诊断   发动机   S证据理论   神经网络  

描述： 航空发动机故障诊断是航空发动机领域的重要研究方向，意义重大，已经成为了目前国内外十分关注的一个研究热点。信息融合是近年来兴起的一门学科，在许多领域得到了广泛的应用和研究。在航空发动机故障诊断领域的应用尚处于不发达阶段，故障诊断中可利用的信息很多，只有充分利用有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性，因此在航空发动机上进行故障诊断实质上是一个多信息融合的过程。 本文首先论述了信息融合技术的特点、形式结构和具体的处理方法，并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性；在此基础上，将航空发动机故障诊断与信息融合相结合，提出了一种基于信息融合技术的发动机故障诊断模型和方法，并在此基础上，提出和分析了基于人工神经网络和D-S证据理论的信息融合故障诊断，研究了神经网络的建模方法、组建原则和实现策略，并结合诊断实例进行了分析；提出了基于D-S证据理论的决策融合，阐述了D-S证据理论的方法，模型，并结合算例进行了分析。最后将人工神经网络和D-S证据理论相结合，提出了一种决策融合诊断方法，并通过发动机转子实例验证了这种方法的可行性和有效性。 仿真和实验结果表明：通过对发动机转子的信息融合故障诊断，提高了识别故障的精度和准确度。

人工神经网络在航空发动机故障诊断中的应用

作者： 郝红勋   来源： 中国民用航空学院 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机   信息融合   D   故障诊断   人工神经网络   S证据理论   状态监控  

描述： 民航发动机是飞机的动力系统，相当于飞机的“心脏”。随着航空技术的发展，航空发动机的状态监控与故障诊断已经成为一个重要课题，受到众多专家学者的关注。 发动机的状态监控是先进航空维修的必要手段和前提条件，自从有了状态监控技术的发展，视情维修就成为

基于D-S证据理论的民用航空情报原始资料上报工作风险评价和安全对策研究

作者： 杨舟   范丹红   来源： 安全与环境学报 年份： 2018 文献类型 ： 期刊 关键词： 航空情报   D   SHELL模型   风险评价   S证据理论   原始资料上报   安全管理工程  

描述： 为提升民用航空情报原始资料上报工作的安全管理水平,对2010—2015年的859起不安全事件进行差错原因分析,运用SHELL模型构建原始资料上报工作的风险指标体系。风险指标体系由工作人员的素质和能力、操作符合性、工作系统的完好性、专业培训情况等12个一级指标及专业知识、行业规章符合性、人才队伍建设、管理制度执行等45个二级指标构成。为降低各类不确定性因素的影响,基于D-S证据理论进行风险评价研究,以10位行业专家的调查结果为基础,计算合成了12个一级风险指标的风险水平支持度。结果表明,素质和能力、操作符合性情况、行业规章完好性和专业培训处于高度风险水平,工作完好性、工作系统完好性、工作软件维护、工作标准统一性、人力资源和管理制度处于中度风险水平,工作沟通和核实回复处于低度风险水平。对处在高度风险水平的风险指标开展安全对策研究,提出提高工作人员入职标准、定期组织开展专业培训、编写行业通用的培训教材、修订完善现有行业规章、加大违规操作处罚力度等风险控制措施。

基于证据理论的航空发动机状态评估

作者： 徐德一   王潇   赵兴华   曲娜   来源： 沈阳航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   RBF神经网络   信息融合   D   S证据理论   健康状态评估模型  

描述： 针对航空发动机状态监测数据的参数多、不确定性和冲突性，将航空发动机作为研究对象，构建了基于D-S证据理论与RBF神经网络相结合的健康状态评估模型。首先选取关键传感器参数，进行归一量化处理并计算各参数权重。其次，将隶属度状态作为神经网络的输入进行训练，得到各子模块的输出，根据信息融合和决策规则得到具体健康状态等级。最后，通过具体算例验证该方法的可行性和有效性，以达到改善航空安全水平的目的。

基于D—S证据理论的航空发动机状态评估研究

作者： 赵兴华   来源： 沈阳航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 航空发动机   健康状态评估   D   人工神经网络   S证据理论   不完美维护模型  

描述： 基于D—S证据理论的航空发动机状态评估研究