<wbr id="ede8e"></wbr><bdo id="ede8e"><var id="ede8e"><optgroup id="ede8e"></optgroup></var></bdo>
    1. <sub id="ede8e"></sub>
    2. <sub id="ede8e"></sub>
    3. 18禁无遮挡啪啪无码网站,真人无码作爱免费视频,2018年亚洲欧美在线v,国产成人午夜一区二区三区 ,亚洲精品毛片一区二区,国产在线亚州精品内射,精品无码国产污污污免费,国内少妇人妻偷人精品
      首頁 > 文章中心 > 正文

      飛機狀態監控技術分析

      前言:本站為你精心整理了飛機狀態監控技術分析范文,希望能為你的創作提供參考價值,我們的客服老師可以幫助你提供個性化的參考范文,歡迎咨詢。

      飛機狀態監控技術分析

      【摘要】本文以飛機狀態監控為研究對象,分析了當前狀態監控的應用背景。面對飛機/系統的故障診斷和健康評估問題的復雜性,采用深度學習方法對傳感器采集數據進行特征表達,完成狀態信息從數據向知識的轉化。在實現準確的故障診斷和精確的健康評估的同時,也為OSA-CBM體系提供了基于知識和專家系統的決策支持。結合OSA-CBM體系的特征,制定了系統實施構架,并對系統的應用領域進行了分析,為OSA-CBM在民用飛機上的應用提供了實施思路。

      【關鍵詞】OSA-CBM;狀態監控與預測;機載維護系統

      1引言

      隨著民用飛機向復雜化集成化的方向不斷地發展,飛機/系統的故障現象也趨于復雜,但與此同時,隨著新技術在飛機上的應用,飛機/系統的故障診斷技術也產生了新的發展空間,傳統的電子設備故障診斷技術開始逐步向故障預測與健康監控的方向發展。20世紀90年代初期,NASA研究機構提出了“飛行器健康監控(VHM)”概念,通過適當選擇和使用傳感器和軟件來監測空間飛行目標的“健康”。20世紀90年代末,美國研發的JSF項目為故障預測與健康管理技術誕生帶來了契機,故障預測與健康管理是JSF項目實現經濟承受性、保障性和生存性目標的一個關鍵所在。近年來已提出了基于“狀態維修體制”,在美國由波音公司牽頭,來自工業部門、科研院所等10多個組織機構制定了視情維修的開放體系結構,用于指導實際工作應用于機械和電子等領域。這種維修體制是以飛機的健康參數指標為基礎,實時監測系統的狀態,當預測到即將發生故障時,就立即進行檢修,這就能夠確保系統不會發生大的故障,同時還克服了維修過剩的缺點。

      2OSA-CBM標準

      OSA-CBM標準是以ISO13374[1,5,6]為基礎用于規范基于狀態的維修系統(CBM系統)設計,以及各CBM系統之間數據交換的開放標準。使用該標準可以有效的節省開發設計費用,提高系統的協作能力,增強產品及企業競爭力。標準的OSA-CBM分為六層,各層之間相互獨立,通過接口進行數據交互。

      3狀態監測

      3.1面向民用飛機健康管理的狀態監測層

      狀態監測層(SD)處理數據獲取層(DA)以及數據處理層(DM)傳輸的數據。民用飛機包含了大量的,功能結構復雜的系統,從這些系統采集得到的數據必然是同樣大量,并且數據類型的組成復雜。面向民用飛機健康管理的狀態監測層需要對這些數據進行處理,然后分析數據特征指標,通過對特征指標的實時監控實現對飛機健康狀態的監測。民用飛機健康狀態的變化主要是由于飛機/系統的故障狀態引起。造成系統故障狀態的可能因素包括人為失誤、材料缺陷、制造誤差、使用環境波動等固有成因,以及器件疲勞、磨損和老化等演化規律。不用的誘因引發的故障狀態可能相同,也可能不同;并且實際的故障狀態也存在由單一因素誘發或多種因素并發的可能。這給對民用飛機系統故障狀態的成因分析和準確診斷提出了很大的挑戰。狀態監測層需要完成對系統數據的信息綜合,因此必須從故障系統的數據中準確地提取出故障的特征,完成對系統故障的精確分析和準確定位。

      3.2狀態監測層

      (SD)實施構架OSA-CBM體系中的狀態監測層(SD)在“狀態維修體制”中處于核心地位。狀態監測層接受機載系統采集的數據,并對數據進行特征提取,實現飛機狀態信息從數據層到專家知識層的進一步分析和綜合。飛機機載傳感器網絡實時地采集與飛機健康狀態有關的狀態信息,如結構系統的應力、震動信號,電子系統的電壓、電流信號、燃油系統的溫度信號等,這些數據經過數據處理層(DM)的預處理(如粗大誤差過濾、數據平滑、數據的時頻域轉換等),被輸入狀態監測層(SD)進行特征提取。飛機是否處于健康狀態,是由多個系統的健康狀態共同決定,狀態監測需要完成飛機的狀態信息由數據域到飛機故障診斷知識域的轉變。從采集到的狀態數據中分析、診斷出飛機/系統的故障狀況,并與正常狀態進行對比,完成對飛機健康狀態的實時評估。

      由于飛機的故障狀態以及健康狀態均為基于知識的評價,因此,對飛機健康狀態的實時監測就必須完成被監測的狀態信息由數據到知識的轉換。深度學習方法具有強大的數據特征表達能力,通過構建深度的多層神經網絡,達到輸入狀態數據到輸出狀態模式的目的。經過這種轉化,機載傳感器網絡采集的狀態數據就可以被用來對飛機健康狀態進行判定,實現基于“狀態維修體制”(CBM)的決策。

      參考文獻

      [1]張秋菊,張冬梅.電子系統故障預測與健康管理技術研究[J].光電技術應用,2012,27(1):19-24.

      [2]孫博,康銳,謝勁松.故障預測與健康管理系統研究和應用現狀綜述[J].系統工程與電子技術,2007,29(10):1762-1767.

      [3]趙寧社,翟正軍,王國慶.新一代航空電子綜合化及預測與健康管理技術[J].測控技術,2010,30():1-5,9.

      作者:余匯 單位:上海飛機設計研究院

      主站蜘蛛池模板: 国产suv精品一区二区四| 中文字幕日韩有码一区| 免费现黄频在线观看国产| 在线a人片免费观看| 亚洲av成人一区二区| 成人做受120秒试看试看视频| 亚洲精品麻豆一二三区| 亚洲欧美中文字幕日韩一区二区| 国产精品色悠悠在线观看| 白嫩少妇无套内谢视频| 亚洲国产成人精品女人久久久| 人妻熟妇乱又伦精品无码专区| 久久精品人妻少妇一区二| 亚洲精品一区二区妖精| 亚洲国产精品一区二区视频| 国产无遮挡又黄又大又爽| 人妻日韩精品中文字幕| 欧美拍拍视频免费大全| 国产精品一区二区日韩精品| 亚洲av男人电影天堂热app| 日本三级理论久久人妻电影| 你拍自拍亚洲一区二区三区| 国产情侣激情在线对白| 最新国产麻豆AⅤ精品无码| 亚洲一区精品视频在线| 国产老熟女视频一区二区| 亚洲国产精品久久久天堂麻豆宅男 | 中文字幕乱码十国产乱码| 资源新版在线天堂偷自拍| 久久精品人人做人人爽97| 亚洲av无在线播放中文| 国产不卡一区在线视频| 精品综合一区二区三区四区| 天天拍夜夜添久久精品大| 色视频不卡一区二区三区| 少妇办公室好紧好爽再浪一点| 一区二区三区在线 | 欧洲| 免费无码一区无码东京热| 欧美精品国产综合久久| 亚洲18禁一区二区三区| 国产精品伦人视频免费看|