论文部分内容阅读
基于BIT和ATE设计的航空发动机FDS（故障诊断系统）在地面工作正常，而在飞行状态下会出现诊断性能大幅下降；使用Fisher判决率对故障特征样本分析，确认飞行高度等隐变量对故障特征样本质量的影响导致了FDS性能的下降；提出了两种解决方案：（1）直接将隐变量增加到故障特征集；（2）采用人工神经网络方法对故障特征样本进行数据预处理，消除隐变量对样本质量的影响。实验结果说明，后一种方法能够更为有效地消除隐变量的影响，提高飞行状态下航空发动机故障诊断系统的性能。