[发明专利]飞机故障智能诊断方法及系统

说明书

技术领域

本发明涉及一种飞机故障智能诊断方法及系统，特别是针对飞机上实时下传的飞行参数和故障报文进行故障诊断的方法及系统。 

背景技术

目前，在飞机故障智能诊断领域，普遍采用专家系统或者神经网络等单一的诊断技术。这种方式存在着一些弊端，如专家系统存在的弊端主要有诊断精度差、难以克服知识获取的“瓶颈”问题，而神经网络在某种意义上仅是一个数据计算的过程，我们无法准确了解神经网络究竟学习了什么，由于缺乏专家经验，无法对计算结果进行正确的解释，而且需要对长时间，大量数据的神经网络反复训练，才可以具备诊断功能。 

特别是，如果故障涉及到飞机子系统如发动机系统，由于其自身结构复杂，采用单一的诊断技术，将会使诊断系统难以构建。例如，只采用神经网络进行诊断，由故障征兆直接定位至最底层故障部件，则需要大量的数据对神经网络进行训练；只采用专家系统，会增加系统知识库构造和推理的层数，这将会带来无穷递归、组合爆炸等问题。 

另外，目前在飞机故障智能诊断领域也只采用单一的飞参数据或故障报文作为诊断系统的输入数据源。而单一数据源的缺陷是：飞参数据有限，不全面；故障报文会产生虚警。因此，采用单一数据源的诊断系统的准确率较低。 

发明内容

本发明的目的是针对现有技术中的缺陷，提供一种飞机故障智能诊断 方法及系统。利用本发明，可以降低故障诊断系统设计的复杂程度，提高数据利用的有效性和故障诊断的准确率，实现深入的故障诊断和定位。 

为了实现上述目的，本发明提供了一种飞机故障智能诊断方法，具体包括如下步骤：

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并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。 

该飞机故障智能诊断方法通过神经网络初级故障诊断，可以确定故障发生的范围，凭借神经网络较强的特征提取和模式识别的能力，保证初级诊断的有效性和准确性。通过模糊专家系统进行系统二级诊断，可以快速、准确进行故障推理，实现元件级故障诊断，保证诊断结果的准确性和易读性。另外，由于该方法采集的数据源是由飞行参数和故障报文组成，采用神经网络和专家系统将数据分开进行相应地处理，可以提高数据的有效性和诊断的准确性。

基于上述飞机故障智能诊断方法，本发明还提出了一种飞机故障智能诊断系统，具体包括： 

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：