论文部分内容阅读
飞控系统是飞机的控制核心,在飞机执行任务时起到至关重要的作用,一旦发生故障而未及时检测和正确诊断,飞机装备价值和机载人员安全就会受到致命打击,故对飞控系统进行及时检测和正确诊断极为重要。随着航空领域技术的日益发展,飞控系统在承担更多、更重要任务的同时,其结构组成更为复杂、内部系统更为庞大,这也对飞控系统故障诊断技术提出了更高的要求,故研究更为有效的飞控系统故障诊断方法来适应快速发展的飞控系统具有重要意义。本文正是基于这种背景,以某机型为对象,分析研究了飞控系统故障诊断相关机理,重点研究和改进了RBF神经网络相关算法以提高飞控系统故障诊断准确率,并设计实现了飞控系统故障诊断软件来辅助维护人员进行日常排故检修。本文的主要研究内容和工作如下:首先,以某机型为对象,研究了飞控系统的工作原理、结构组成、余度配置和故障检测机制;基于飞控系统结构复杂、系统庞大的特点,分析了飞控系统故障的来源、表征与原因对应关系、性质;以及研究了故障信息获取方式、故障初步诊断方法。然后,进一步研究了飞控系统故障诊断方法,对于复杂飞控系统模块故障,分析了需要对其采用神经网络方法进行诊断分类的原因;以及对在诊断分类方面常用的BP神经网络和RBF神经网络进行了研究和比较,并选择了RBF神经网络作为飞控系统故障训练和诊断分类的模型;对RBF神经网络的几种常用训练算法在飞控系统故障上诊断分类能力作出了实例比较,确定了对其中的K均值聚类法深入研究以提高诊断分类能力;分析研究了K均值聚类法的优化思路以及基于数据密度方向上的优化选择,并对其进行了改进,形成了本文算法;采用基于本文算法的RBF神经网络对公开数据集和飞控系统故障数据集进行了训练和诊断分类比较,验证了本文算法能在一定程度上提高飞控系统故障诊断分类能力。最后,根据实际需求,设计实现了具有后台故障信息获取模块、故障信息数据库模块、图形化故障树模块和故障诊断模块的飞控系统故障诊断软件。本软件具有建立图形化故障树、以及使用图形化故障树和神经网络对飞控系统故障诊断分类的能力,并通过了相关应用测试。目前,本软件已经成功应用于某机型的飞控系统日常排故检修中。