智能BIT診斷方法研究及其在多電飛機電源系統(tǒng)中的應用.pdf

1、機內測試(BuiIt-in Test，BIT)技術是改善系統(tǒng)測試性和診斷能力的重要途徑，在保障裝備的戰(zhàn)備完好性、提高維修效率方面發(fā)揮了重要作用，但目前廣泛應用在機載電源中的傳統(tǒng)BIT 技術由于診斷方法過于單一，對診斷信息的利用能力也非常有限，因此在使用過程中表現出的故障檢測、隔離能力差、虛警率高的問題嚴重制約著其效能的充分發(fā)揮。尤其是下一代多電飛機，由于大量采用電能來提升飛機的整體性能，使得多電飛機對電源系統(tǒng)的可靠性、測試性、故障診斷和

2、容錯能力的要求都遠高于常規(guī)飛機。因此，在下一代多電及全電飛機中，研究新型有效的智能BIT技術對提升飛機的整體性能具有重要意義。本文以“多電飛機電氣系統(tǒng)關鍵技術研究”課題為背景，對其關鍵技術之一——機內測試技術進行了探索與研究，以期通過采用智能化方法來提高電源系統(tǒng)BIT的故障診斷性能。論文的主要研究成果及創(chuàng)新如下： 1．系統(tǒng)地分析和總結了多電飛機電源系統(tǒng)可能的故障模式，建立了相應的FMEA分析表。根據特征檢測點的選取原則，對系統(tǒng)中

3、的特征信號進行分析，確定了合理的BIT特征檢測點，為電源系統(tǒng)智能BIT診斷技術打下基礎； 2．建立了飛機電源BIT動態(tài)系統(tǒng)的數學描述模型，在此基礎上，針對目前電源BIT故障診斷在方法選取上缺乏合理依據的現狀，從理論上分析了當前所采用的BIT診斷方法的不足，給出了提高電源BIT系統(tǒng)智能化診斷性能的幾種策略； 3．針對飛機電源BIT系統(tǒng)傳統(tǒng)診斷方法的缺陷，研究了基于競爭學習思想的無監(jiān)督聚類神經網絡，實現了一種能夠廣泛用于飛機

4、電源智能BIT系統(tǒng)的新型診斷方法：①針對標準無監(jiān)督GLVQ模型在分類上存在的不足，提出了一種改進型IGLVQ。通過對網絡虧損因子進行修正，并推導出網絡在新的虧損函數下的學習規(guī)則，有效的克服了輸入數據范圍及類別數變化對分類的影響；②在改進型IGLVQ模型的基礎上，引入了有監(jiān)督的學習矢量量化層，構成了一種新的無監(jiān)督混合聚類模型(HIGLVO)，提高了無監(jiān)督聚類網絡對相近故障模式類的區(qū)分能力；③將新型的基于HIGLNQ混合聚類網‘絡的診斷模型

5、用于多電飛機電源BIT系統(tǒng)，結果表明，本章提出的方法用于飛機電源BIT狀態(tài)識別時其準確率較高，可有效的提高電源BIT系統(tǒng)的故障診斷性能； 4．針對目前電子系統(tǒng)BIT虛警機理的研究和多電飛機電源系統(tǒng)的自身特點，分析了電源系統(tǒng)中兩類暫時性故障的產生機理，并從兩類故障的產生條件、持續(xù)時間、發(fā)生概率和表現特性上對其特點進行了分析和闡述；從BIT虛警率的概率數學模型角度，分析了識別兩類故障對虛警率的影響，從理論上證明了識別兩類故障狀態(tài)可有

6、效的降低BIT系統(tǒng)的固有虛警率；提出了基于HIGLVQ—優(yōu)化Bayes風險決策的電源系統(tǒng)BIT智能虛警濾波模型。將診斷中的概率因素融入診斷器中，通過對LRU級的診斷結果做進一步判定，以決策結果的真實性。結果表明，本章提出的方法能夠有效消除瞬態(tài)或間歇故障產生的虛警； 5．為增強電源BIT系統(tǒng)的智能診斷水平，研究了故障預測技術在電源BIT系統(tǒng)中的應用。針對電源系統(tǒng)漸變故障的特點，通過建立電源系統(tǒng)的隱馬爾可夫(HMM)多階預測模型，提

7、出了基于特征頻譜和一維時序信號的故障預報策略；針對HMM模型在線預測不能實時更新參數的問題，提出了一種新型的徑向基HMM預測模型(RBHMM)，通過在線數據實時更新模型參數，以使預測模型能夠自適應地跟蹤系統(tǒng)的狀態(tài)變化；將基于RBHMM的預測模型用于飛機電源系統(tǒng)BIT中，對一維時序導通率故障信號進行預測，實驗表明，基于RBHMM的在線實時預測模型自適應能力強，預測性能高于原有HMM模型離線訓練/在線趨勢預測的方式，能夠有效地增強電源BIT