[发明专利]飞机故障智能诊断方法及系统

权利要求书

1.一种飞机故障智能诊断方法，其中包括以下步骤：

采集用于训练神经网络的数值表达型飞行参数并采用遗传算法和BP算法相结合的改进算法训练神经网络；

采集数值表达型飞行参数进行基于神经网络的初级故障诊断；

采集初级故障诊断的结果、故障报文及规则表达型飞行参数并进行基于模糊专家系统的二次诊断，输出该二次诊断的结果；

所述采集初级故障诊断的结果、故障报文及规则表达型飞行参数并进行基于模糊专家系统的二次诊断具体包括：

采集所述初级故障诊断的结果、所述故障报文、所述规则表达型飞行参数并进行模糊化处理；

对该模糊化处理的结果进行模糊推理；

对该模糊推理的结果进行反模糊化处理；

利用模糊知识库中的模糊规则对该反模糊化处理的结果及该模糊推理流程进行解释；

所述基于模糊专家系统的二次诊断具体为采用基于故障树的分析方法构造知识库，采用“故障分层、规则分级”的原则将故障逐层划分，以及使用最大值原则进行模糊蕴涵的计算，并对于不确定性的传播计算，采用由规则前提的不确定结合规则强度计算出规则结论的不确定性。

2.根据权利要求1所述的飞机故障智能诊断方法，其中所述采集用于训练神经网络的数值表达型飞行参数之前还包括对所述用于训练神经网络的数值表达型飞行参数进行基于模糊聚类分析方法的预处理的步骤。

3.根据权利要求1所述的飞机故障智能诊断方法，其中还包括对所述模糊知识库中的模糊规则进行更新的步骤。

4.一种飞机故障智能诊断系统，其中包括

基于神经网络的初级诊断模块，用于采集数值表达型飞行参数并进行基 于神经网络的初级故障诊断；

基于模糊专家系统的二级诊断模块，用于采集故障报文、规则表达型飞行参数及该初级故障诊断结果并进行基于模糊专家系统的二次诊断，并输出该二次诊断结果；

其中，所述基于神经网络的初级诊断模块具体包括：

输入接口，用于采集所述数值表达型飞行参数；

神经网络训练模块，用于利用训练神经网络的数值表达型飞行参数并采用遗传算法和BP算法相结合的改进算法训练神经网络；

诊断模型库管理模块，用于维护、更新诊断模型库，分别与诊断模型库和神经网络训练模块连接；

诊断模型库，用于存储该训练好的该神经网络故障诊断模型，与该神经网络训练模块连接；

初级诊断模块，用于调用该诊断模型库中的该神经网络故障诊断模型对所述数值表达型飞行参数进行基于神经网络的初级故障诊断，得到初级故障诊断结果；

输出接口，用于将该初级故障诊断结果发送给所述基于模糊专家系统的二级诊断模块；

所述基于模糊专家系统的二级诊断模块具体包括：

输入输出接口，用于输入所述故障报文、所述规则表达型飞行参数及所述初级故障诊断结果以及输出所述二次诊断结果；

模糊产生器，用于对输入的所述故障报文、所述规则表达型飞行参数及所述初级故障诊断结果进行模糊化处理，得到模糊集合；

模糊推理机，用于通过模糊规则将该模糊集合映射到输出空间的模糊集合；

模糊消除器，用于将该输出空间的模糊集合进行解模糊化处理，并将该解模糊化处理结果发送至输入输出接口； 

解释模块，用于根据该模糊规则对该解模糊化处理的结果进行解释，并将解释结果发送至输入输出接口；

模糊知识库，用于存储该模糊规则，与该输入输出接口、该模糊推理机及该解释模块分别连接；

所述基于模糊专家系统的二次诊断具体为采用基于故障树的分析方法构造知识库，采用“故障分层、规则分级”的原则将故障逐层划分，以及使用最大值原则进行模糊蕴涵的计算，并对于不确定性的传播计算，采用由规则前提的不确定结合规则强度计算出规则结论的不确定性。

5.根据权利要求4所述的飞机故障智能诊断系统，其中所述基于神经网络的初级诊断模块还包括基于模糊聚类的预处理模块，与所述基于神经网络的初级诊断模块连接，用于对所述训练神经网络的数值表达型飞行参数进行基于模糊聚类分析方法的预处理，并将预处理后的数值表达型飞行参数发送给所述神经网络训练模块。