基于系統原理的飛機系統測試診斷與預測技術

目錄
前言
第1章 緒論 1
1.1 概述 1
1.2 測試性設計分析技術研究現狀 2
1.2.1 測試性建模方法研究現狀 6
1.2.2 測試策略優(yōu)化方法研究現狀 8
1.3 故障診斷技術研究現狀 9
1.3.1 故障診斷方法研究現狀 9
1.3.2 診斷策略研究現狀 12
1.3.3 飛機系統故障診斷研究現狀 13
1.4 測試診斷圖論模型理論方法研究現狀 16
1.4.1 多信號流圖模型研究現狀 17
1.4.2 Petri網模型理論方法研究現狀 18
1.5 故障預測技術研究現狀 20
1.6 維修排故技術研究現狀 22
第2章 基于系統原理與功能結構樹的飛機系統故障傳播關系分析 25
2.1 基于系統原理的故障傳播關系分析思路 25
2.2 基于FFA的飛機系統功能結構層次分析 27
2.3 基于功能結構層次的飛機系統故障模式與傳播關系分析 27
2.3.1 故障特征信息分析 27
2.3.2 故障模式及傳播影響分析 28
2.3.3 基于功能結構樹的故障傳播知識表示 30
2.4 實例 31
2.4.1 氣源系統功能結構層次分析 31
2.4.2 氣源系統功能結構樹 32
第3章 基于系統原理與多信號流的飛機系統測試性分析 34
3.1 基于系統原理與多信號流的飛機系統測試性建模技術 34
3.1.1 多信號流模型基本理論 34
3.1.2 SDG圖模型方法 39
3.1.3 多信號流圖建模步驟 39
3.1.4 實例 40
3.2 基于相關性矩陣的飛機系統測試性分析 55
3.2.1 擴展D矩陣 55
3.2.2 測試性分析的內容與算法 56
3.2.3 實例 60
3.3 基于DPSO-AO*算法的飛機系統測試策略優(yōu)化設計 62
3.3.1 測試策略優(yōu)化問題的數學描述 63
3.3.2 AO*算法與測試序列優(yōu)化問題的結合 64
3.3.3 離散粒子群優(yōu)化算法 67
3.3.4 基于DPSO-AO*算法的測試策略優(yōu)化步驟 68
3.3.5 實例 71
第4章 基于系統原理和多信號流的飛機系統測試診斷 75
4.1 基于系統原理與多信號流的測試診斷建模 75
4.1.1 基于系統原理與多信號流的測試診斷建模思想 75
4.1.2 基于系統原理和多信號流的測試診斷骨架建模 77
4.1.3 基于 FMEA 的故障和測試信息建模 79
4.2 測試診斷模型的測試性分析和評估 81
4.2.1 故障-測試相關性矩陣 81
4.2.2 測試性指標 82
4.3 基于AO*算法的診斷策略優(yōu)化生成 83
4.3.1 診斷策略的基本理論 83
4.3.2 診斷策略優(yōu)化生成的AO*搜索算法步驟 85
4.3.3 氣源系統診斷策略優(yōu)化 89
4.4 飛機系統基于多值測試的診斷策略優(yōu)化 90
4.4.1 飛機系統的故障診斷問題 90
4.4.2 多值測試診斷策略的構成要素 91
4.4.3 診斷策略優(yōu)化目標 91
4.4.4 基于測試診斷模型的多值測試相關性矩陣 92
4.5 基于rollout和信息熵的多值測試診斷策略構建 92
4.5.1 多值測試診斷策略的構建流程 92
4.5.2 基于rollout和信息熵的多值測試診斷策略 94
4.6 實例 97
4.6.1 發(fā)動機引氣系統測試診斷模型建立 97
4.6.2 發(fā)動機引氣系統測試策略優(yōu)化 100
第5章 基于故障傳播機理和Petri網的飛機系統故障診斷技術 103
5.1 故障診斷Petri網模型 103
5.1.1Petri網模型理論基礎 103
5.1.2 擴展染色模糊故障Petri網(CFFPN)模型 107
5.1.3 CFFPN模型建模方法 109
5.2 基于CFFPN模型的故障診斷推理 111
5.2.1 基于CFFPN模型的正向推理算法 112
5.2.2 基于CFFPN模型的逆向推理算法 114
5.3 故障診斷過程CFFPN模型參數優(yōu)化 115
5.3.1 CFFPN模型模糊推理函數建立 115
5.3.2 基于BP誤差算法的CFFPN模型參數優(yōu)化 116
5.4 實例 119
5.4.1 某型飛機氣源系統CFFPN模型建立 119
5.4.2 確定初始值 123
5.4.3 APU引氣系統正向推理 123
5.4.4 APU引氣系統逆向推理 125
5.4.5 參數優(yōu)化和性能評估 127
第6章 基于系統原理和TFM三維信息流的飛機系統診斷排故技術 130
6.1 TFM三維信息流建模 130
6.1.1 TFM三維信息流建模思路 130
6.1.2 TFM三維信息流模型定義 131
6.1.3 TFM框架建模 131
6.1.4 基于多信號流圖方法的測試-故障信息關聯 136
6.1.5 基于貝葉斯網絡的故障-維修信息映射 137
6.2 基于本體與蟻群的維修排故信息集成 144
6.2.1 基于本體與蟻群的維修排故信息集成思路 144
6.2.2 維修排故信息初始本體建模 146
6.2.3 基于蟻群信息素的本體合成優(yōu)化 150
6.2.4 實例 153
6.3 基于TFM三維信息流模型的診斷排故算法 155
6.3.1 基于優(yōu)化信息熵的故障診斷算法 155
6.3.2 基于模糊遺傳神經網絡與語義關聯搜索的排故信息推送算法 159
6.3.3 語義關聯搜索算法 159
6.3.4 排故信息推送的實現流程 160
第7章 基于測試診斷模型的飛機系統故障狀態(tài)識別和故障預測 161
7.1 故障特征提取方法 161
7.2 基于HSMM的故障狀態(tài)識別和故障預測 162
7.2.1 隱馬爾可夫模型和隱半馬爾可夫模型的原理 162
7.2.2 HSMM的基本算法 164
7.2.3 基于HSMM的故障狀態(tài)識別過程 167
7.2.4 基于HSMM的故障預測過程 168
7.3 基于改進粒子群的HSMM模型訓練方法 169
7.3.1 粒子群優(yōu)化 169
7.3.2 改進的粒子群算法 170
7.3.3 基于改進粒子群的HSMM模型訓練算法 171
7.4 基于遺傳模糊神經網絡的動態(tài)預測算法 171
7.4.1 遺傳算法 171
7.4.2 模糊神經網絡 172
7.4.3 基于模糊神經網絡與遺傳算法的動態(tài)預測算法 174
7.5 實例 175
7.5.1 故障狀態(tài)識別 175
7.5.2 故障預測 177
參考文獻 179