一、立项依据与研究内容:
1、项目的立项依据(研究意义、国内外研究现状及分析,附主要参考文献目录。) 随着科学技术不断发展,飞机早已进入喷气时代,满足经济社会发展要求的各型民航飞机应用的范围越来越广,其面对的工作环境也变得越来越复杂。随着民航发动机向高压比、高温度、高推重比方向发展,发动机的零部件的工作应力水平不断提高;保障飞行安全的机载电子设备也随着电子工业的发展,变得规模越来越庞大,结构越来越复杂,功能越来越强,可靠性和维护性越来越重要。尽管新技术、新材料不断采用,但是飞行安全依然是全民航的重中之重。
近些年来,世界各国航空事业迅猛发展,随之而来的安全问题也越来越突出。据国际民航组织(ICAO)的统计,1989-1993年的6年间,世界民用航空运输共发生279起飞行事故,死亡人数6646人,平均每年发生46.5起,死亡1108人。航空事故率呈逐年上升趋势,形势非常严峻。这些事故不但造成了重大的人员伤亡,而且也带来了巨大的经济损失和社会影响。对民航企业来讲,保障航班安全是追求的首要目标,这不仅会影响到民航企业的形象及经济利益,也是保障旅客与机组人员人身安全及公私财产不受损害的重要前提。虽然影响航班安全因素有很多,诸如飞行员操作能力、飞机系统故障、维修质量、机场设施、空中交通管理、大气、油料等等,但是飞机系统故障和维修质量是其中最主要的影响因素。为了保障航班安全,对旅客和机组人员生命负责,同时,增加航空公司经济利润,加强对民用航空器的诊断与预测显得尤为重要。
以贝叶斯方法为理论基础的贝叶斯理论在解决不确定性问题时具有很多优势,吸引着大批研究人员对其进行故障诊断应用研究。在众多的数据挖掘模型中,贝叶斯理论结合图论和概率理论方面的知识,表达随机变量之间复杂的不确定性关系,并提供了一种自然的表示因果关联的方法,可以用于发现数据间的潜在关系。贝叶斯理论目前已应用于很多领域,如美国通用电气公司的Auxiliary TurbineDiagnosis工业故障诊断系统;美国航空航天局和Rockwell公司联合研制的航天故障诊断系统等;微软的主打产品Windows2000和Office系列等很多产品在很多方面融入了贝叶斯理论等。
本项目以民用航空器的故障诊断与预测为研究对象,根据设备故障机理复杂,故障类型与故障征兆间联系具有不确定性,不能单靠某一种或几种试验来确定其故障类型和故障位置的特点,建立了基于贝叶斯理论的故障诊断与预测模型,减少了计算复杂度,对模型的知识表达、建造方法和推理算法进行了深入研究。虽然贝叶斯理论的研究及应用取得了很大的成就,但作为一种新兴的理论模型,其仍然存在着很多值得研究的问题。本项目主要对贝叶
斯理论的结构和参数学习,推理算法,应用进行研究,其主要意义和应用价值在于及时发现航空器故障,防止事故发生,同时能够带来潜在的巨大的经济效益和社会效益,具体表现在:(1)根据民用航空器故障诊断特性建立了故障诊断与预测模型;(2)采用改进的贝叶斯理论算法实现诊断与预测过程;(3)保障飞行的安全性,减少或避免恶性事故的发生而造成的重大经济损失或人员伤害;(4)帮助维修人员早期发现异常,尽快查明故障原因,从而实现有计划、有针对性的按状态维修,即视情维修;(5)提高设备使用的合理性、运行的经济性,充分挖掘设备的潜力,有效提高设备的生产运行效率;(6)为产品的性能评估、优化设计提供可靠的依据;(7)利用设备检测与故障诊断技术,有可能对设备进行预测,实现设备的在线检测,保证其安全可靠的运行。
作为一门新兴的学科,虽然贝叶斯理论有比较完善的理论基础,但其在故障诊断方面还处在一个探索阶段,实际应用还不成熟,还有很多亟待解决的问题,并且随着其应用领域的不断扩大,其理论也有待进一步完善和发展。比如依然依赖于对大样本数据的要求,很难克服维数灾难及局部极小问题,同时在处理非线性问题时显现出的相关劣势。因此本项目以贝叶斯理论为主线,围绕故障诊断与预测这一关键问题,结合其他优化、诊断技术,针对诊断知识处理中特征知识的预处理技术、小样本数据的学习问题、特征知识的不确定性问题等重点问题进行研究。
主要参考文献:
[1]王道平,张义忠.故障智能诊断系统的理论与方法.北京:冶金工业出版社,2001 [2]钟秉林,黄仁.机械故障诊断学.北京:机械工业出版社,1998 [3]VapNik
V.N.The
nature
of
statistical
learning
theory.New
York:Springer-Verlag,1995,张学工译.统计学习理论的本质.北京:清华大学出版社,2000
[4]Nils J.Nilsson.郑扣根,庄越挺译.人工智能[M].北京:机械工业出版社,2006 [5]Cheng J.Learning Bayesian networks from date[D].An information theory based appr-oach,Unirersity of lster U K,1998
[6]张晓丹.汽车发动机故障诊断中不确定性问题的贝叶斯理论解法[D].沈阳:东北大学信息与工程学院.2005
[7]张连文,郭海鹏.贝叶斯网引论[M].北京:科学出版社,2006
[8]陈伟.数据仓库与数据挖掘教程[M].北京:清华大学出版社,2006
[9]关惠玲、韩捷.设备故障诊断专家系统原理及实践北京:机械工业出版社,2000
2、项目的研究内容、研究目标,以及拟解决的关键问题。 研究内容主要:
(1)对贝叶斯方法数学理论基础和贝叶斯理论图形理论做详细研究和探讨。主要针对贝叶斯理论的结构学习和参数学习以及不确定性推理算法等。其中,推理算法是多树传播算法,团树传播算法,图归约算法等。用贝叶斯理论简洁直观的图形方式描述故障与征兆间复杂的因果关系,研究将其应用于同时发生多个故障的诊断。
(2)基于贝叶斯理论的民用航空器故障诊断与预测模型。根据故障的特点,建立故障诊断与预测模型,对贝叶斯理论结构的构建和节点参数的确定进行研究。根据贝叶斯理论条件独立性的特征,研究在完备数据集下如何建立用于故障诊断的贝叶斯理论模型。对民用航空器故障模式和原因进行详细的调研、分析,并根据贝叶斯理论的特点对常见的故障模式建立对应的贝叶斯理论诊断模型。
(3)改进贝叶斯理论故障诊断与预测算法。主要研究不同的贝叶斯理论结构学习算法,比如遗传算法、网格搜索算法、粒子群优化算法等网格结构优化算法,目的在于简化复杂的贝叶斯理论结构,使故障诊断推理在经过简化的网络结构上更易于计算和实现,降低复杂度,并提高诊断精度。并深入分析、对比各种优化算法的性能,对最优算法的网络参数学习和诊断推理作详细说明。
(4)研究贝叶斯理论对故障诊断与预测的拓展性。贝叶斯理论对不确定性问题有很强的解决能力,但是处理小样本、高维、非线性的数据时存在不足,影响了其对应用范围。因此结合已研究过的相关理论算法,比如粗糙集理论、神经网络模型、支持向量机理论等,使其与贝叶斯理论进行优势互补,拓展贝叶斯理论的应用范围。
(5)研究民用航空器特定设备的故障,利用贝叶斯理论故障诊断与预测原理,着重进行网络构建、推理计算和诊断预测的过程,验证贝叶斯理论的故障诊断与预测精度。
科研项目申报书
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)