基于智能算法的航空发电机故障诊断方法研究

凌　超（中国南航航空股份有限公司上海分公司,上海　201202）

基于智能算法的航空发电机故障诊断方法研究

凌超
（中国南航航空股份有限公司上海分公司,上海201202）

摘要：航空发电机作为飞机上各类设备的电力供给源头，其作用是及其重要的。为了保证飞机各系统的良好运行确保飞行安全，就必须要针对飞机发动机可能产生的故障提前做出准确的判断，并在发现后及时有效地解决。针对航空发电机的故障难以准确诊断的问题，提出了基于智能算法的航空发电机故障诊断方法。

关键词：航空发电机；故障诊断；故障定位

1　引言

近年来由于航空领域不断受重视，各类相关技术设备也在快速发展之中。航空发电机作为其中一种重要的部件负责为飞机其他部件提供电力供应，在航空领域中有着极其广泛的应用。为保证其正常运行设有大量的传感器和数据采集装置，故障发生时通过何种信息处理方法处理这些装置所记录的数据，找出发电机的产生故障的原因是航空发电机故障诊断的关键。本论文以此现实需求为基础展开研究，将智能算法引入到航空发电机的故障诊断过程中，缩短故障诊断时间，提高故障诊断能力。

2　航空发电机故障特点

由于航空发电机结构极其复杂，相关数据也复杂多样，因此其故障频发且难以有效诊断，这也为航空发电机的故障诊断带来了不少困难，总的来说航空发电机的故障主要有以下两个特点：（1）各类构成零件复杂繁多，且每个零件的运行特点和可靠性指标不同，工作期限也又长又短；（2）故障产生类型多样，不同零件故障的组合会所引起航空发电机产生截然不同的故障。

3　故障诊断智能方法

3.1神经网络法

神经网络是生物学、计算科学及计算机科学相互交叉的产物，它通过数量庞大的处理单元互连形成网络。神经网络不但可以进行大规模的并行模拟处理，网络全局，还具备很强的自适应和学习能力、鲁棒性和容错能力。因而其对于信号的处理更加贴近于人类的思维方式。航空发电机由于其自身结构的复杂性，与其他部件联系的多样性，导致其平时运行时产生数量庞大的数据信息，而神经网络拥有强大的并行运算能力可以保证这些信息得到同时处理，另外其信息储存的方式又是分布式的，这对于处理后数据的整理又带来的极大地便利，避免了通过建立模型和引入参数所导致的误差，有效提高识别速度，增强故障诊断的能力。

3.2遗传算法

遗传算法是人们在模拟环境的基础上，结合生物优胜劣汰的自然法则以上所归纳出来的。其优点是通过将求解过程的优化从而使得答案能够出现在控制范围内。导致航空发电机产生故障的原因可能很复杂，并不是每一个因素单独作用的结果，而是许多因素相互关联相互作用后才形成的。对于这些复杂的因素可以通过遗传算法将它们化为简单的位串形式编码表示，从而简化问题的结构，然后在适应度函数的辅助下，通过遗传操作得到问题的最优解。正是通过简单的编码方式和基础的繁殖规律，遗传算法将复杂困难的问题简单化并找出其最优解。

3.3多元统计分析法

多元统计分析的特点是在对包含噪声和高度等数据进行处理后，把高维度的数据转换到维度低的空间，抽离出需要的有用信息。其具体过程是长期监视航空发电机工作状态，在故障出现后，通过对历史数据的总结，建立与之相符的统计模型，弃除多余的信息，保证原始数据的完整性，从而实现历史数据的有效处理，及时发现并清除故障。而且在此过程之中所建立的数学模型不需要完全准确，也无需对故障进行采样，有效减少维修任务，保证了航空发电机在平常使用过程中的安全性。

3.4贝叶斯网络理论

贝叶斯网络又称为信度网络，其原理是通过将航空发电机以前故障发生时的信息搜集起来，按其相互间的关系统一进行分类，然后建立故障诊断模型，在故障发生前，利用一些故障征兆，根据不同征兆计算得到故障原因的概率，从而有效提高故障诊断效率。另外贝叶斯网络还具有很强的学习能力，在实践过程中根据实际情况的变化可以及时改进其网络结构和参数，并更新其原有概率，使贝叶斯网络不断完善，最终推动故障诊断水平的不断提高。

3.5小波分析法

小波分析是一种窗口大小固定但其形状可改变,时间窗和频率窗都可改变的时频局部化分析方法。针对高低频率分别有良好的时间及频率分辨率，而且对于低频小波分析具有极大优势。通过小波分析可以有效降低噪音信号对有发电机有效震动信号的影响，提高诊断的正确率。

3.6粗糙集理论

所谓粗糙集理论就是通过对数据的分析研究，找出其规律从而提前发现可能产生问题的地方。航空发电机发生故障时，我们所收集的数据可能并不完整且精度不高，通过粗糙集理论我们可以将这些不完整，精度不高的数据在空间等价分类的基础之上通过现有的一些明确的知识来描述。相比于其他关于不确定性问题理论其优势在于，它对于数据的数量和质量要求不高，而且也无需掺杂相关的主观性信息。

3.7支持向量机

支持向量机在故障诊断领域,其性能较其他许多现有方法有很多优势。对于小样本,诊断精度高于神经网络方法;对于高维样本,诊断速度比神经网络快。支持向量机与神经网络两者的机制都是学习型，但区别于神经网络支持向量机通过数学方法和优化手段来进行模式识别。在故障诊断过程中，支持向量机通过选取适当的核函数和参数对故障样本进行分类，其分类效果较其他方面优势明显。这个优势对于航空发电机故障的诊断具有很强的实际价值。

4　结论

航空发电机的故障诊断是个十分复杂的问题，基于其故障特点，本文提出基于智能算法的航空发电机诊断方法，提出了一些用于诊断的方法，并作了详细的分析研究。

参考文献：

[1]刘玉洁.应用神经网络技术的飞机发动机故障诊断研究[D].天津大学,2003.

[2]胡严思.基于FTA和BAM神经网络的飞机故障诊断系统研究[D].湖南大学,2012.

[3]张琰.基于多元统计分析的航空发动机故障诊断研究[D].沈阳航空工业学院,2010.

[4]唐甜,赵淑利.贝叶斯网络在飞控系统可靠性评估中的应用[J].民用飞机设计与研究,2011,31(06):47-51.

[5]许宝杰,张建民,徐小力等.粗糙集合理论在旋转机械故障诊断技术中的应用[J].机械设计与制造,2006(12):95-97.