亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于規(guī)則的航空發(fā)動(dòng)機(jī)孔探圖像診斷方法研究

        2015-11-19 08:41:48陳新波王洪民
        航空發(fā)動(dòng)機(jī) 2015年3期
        關(guān)鍵詞:置信度航空決策

        李 華,陳 果,陳新波,王洪民

        (1.南京航空航天大學(xué)民航學(xué)院,南京210016;2.海軍航空工程學(xué)院青島校區(qū),山東青島266000)

        0 引言

        新型戰(zhàn)機(jī)不斷裝備軍隊(duì),訓(xùn)練強(qiáng)度逐年增大,陌生地域及惡劣的野戰(zhàn)機(jī)場(chǎng)環(huán)境等客觀情況給發(fā)動(dòng)機(jī)的使用維護(hù)帶來了巨大挑戰(zhàn)。葉片是航空發(fā)動(dòng)機(jī)結(jié)構(gòu)件中的關(guān)鍵零部件之一,因其數(shù)量多、形體單薄、載荷狀況嚴(yán)酷、工作環(huán)境復(fù)雜,一直是發(fā)動(dòng)機(jī)使用中故障率最高的零部件之一[1]。

        內(nèi)窺技術(shù)作為葉片損傷檢測(cè)的重要手段已非常成熟。內(nèi)窺圖像特征提取與分析目前有人工、基于2維圖像處理技術(shù)、基于立體視覺的特征提取與分析等3種技術(shù)方法[2]。傳統(tǒng)的人工特征提取與分析方法的工作效率較低,且準(zhǔn)確性受到檢查員操作正確程度的限制,易產(chǎn)生誤差[3]?;?維圖像處理技術(shù)的特征提取與分析方法在國(guó)內(nèi)外已相對(duì)成熟。程衛(wèi)民等提出1種利用CCD圖像傳感器來檢測(cè)工件表面質(zhì)量的方法,基本思想是先對(duì)圖像進(jìn)行濾波降噪、銳化等預(yù)處理,然后根據(jù)圖像灰度值、梯度幅值等提取有用特征數(shù)據(jù),從而評(píng)定工件表面質(zhì)量[4];陳果等基于孔探圖像紋理特征的航空發(fā)動(dòng)機(jī)內(nèi)部損傷評(píng)估,利用結(jié)構(gòu)自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)了航空發(fā)動(dòng)機(jī)孔探圖像損傷的自動(dòng)識(shí)別[5];傅建等進(jìn)行了基于ICT圖像的葉片壁厚尺寸亞像素級(jí)精密測(cè)量[6];張維亮等采用概率神經(jīng)網(wǎng)絡(luò)方法對(duì)航空發(fā)動(dòng)機(jī)葉片損傷圖像進(jìn)行分割[7];H.D.Cheng等提出了減少樣本空間和差值的實(shí)時(shí)圖像閾值算法[8]。基于立體視覺的特征提取與分析方法近年來也有相應(yīng)研究和應(yīng)用。美國(guó)AST公司制造的3維腹腔內(nèi)窺顯示系統(tǒng)用于醫(yī)療行業(yè)[9];陳果等運(yùn)用平行光軸雙目立體視覺技術(shù),開發(fā)了航空發(fā)動(dòng)機(jī)孔探圖像分析軟件,對(duì)發(fā)動(dòng)機(jī)內(nèi)部損傷及裂紋的3維測(cè)量及其立體重建技術(shù)做了前期研究[10]。

        以上研究?jī)H止步于內(nèi)部損傷的測(cè)量識(shí)別,未給出具體的維修決策。相關(guān)診斷檢測(cè)規(guī)程給出具體損傷的維修決策,但規(guī)定條目眾多,非專家型人員查找理解較困難[11]。針對(duì)這些問題,本文研究了基于知識(shí)規(guī)則的發(fā)動(dòng)機(jī)葉片損傷維修決策專家系統(tǒng),并將測(cè)量與診斷相結(jié)合,消除了人為因素對(duì)測(cè)量和診斷結(jié)果的影響,提高了診斷效率。

        1 發(fā)動(dòng)機(jī)葉片損傷維修決策專家系統(tǒng)

        以基于孔探圖像的航空發(fā)動(dòng)機(jī)故障診斷為背景,研究、設(shè)計(jì)并開發(fā)航空發(fā)動(dòng)機(jī)內(nèi)部損傷智能診斷專家系統(tǒng)(Aeroengine Internal Damage Intelligent Diagnosis Expert System,AIDES),如圖1所示。系統(tǒng)將航空發(fā)動(dòng)機(jī)內(nèi)部損傷測(cè)量與診斷融為一體,能提高診斷準(zhǔn)確性和工作效率。AIDES主要功能模塊包括規(guī)則庫、案例庫、測(cè)量、診斷。在損傷評(píng)估過程中,首先通過測(cè)量模塊提取損傷參數(shù),然后在規(guī)則庫模塊內(nèi)查找,給出維修決策并反饋給用戶。若損傷尺寸在規(guī)則的界限值附近,則啟動(dòng)案例推理,尋找與此案例匹配的典型案例,用相似案例作輔助決策依據(jù)。

        圖1 AIDES專家系統(tǒng)總體結(jié)構(gòu)

        1.1 葉片損傷的測(cè)量

        一般使用孔探儀對(duì)發(fā)動(dòng)機(jī)部件進(jìn)行可視檢查。為了評(píng)估缺陷的損傷程度,在實(shí)際孔探檢查時(shí),孔探工作人員往往需要測(cè)量壓氣機(jī)葉片和渦輪葉片。葉片的損傷一般出現(xiàn)在葉身前緣和后緣處,葉身的前、后緣邊線可以近似為直線段,而有損傷的葉片輪廓形狀往往是不規(guī)則的[12]。需要測(cè)量的尺寸如圖2所示。L 表示缺陷離葉片頂端(或尾端)的距離,l 表示缺陷的寬度,h 表示缺陷的深度,a 和b 分別表示彎曲部位的長(zhǎng)度和寬度。

        圖2 壓氣機(jī)葉片損傷

        目前在測(cè)量孔探圖像時(shí),多采取人工手動(dòng)測(cè)量方法,由于該方法測(cè)量效率和準(zhǔn)確性均較低,本系統(tǒng)提出了計(jì)算機(jī)輔助的半自動(dòng)測(cè)量和全自動(dòng)測(cè)量方法。半自動(dòng)測(cè)量方法是工作人員在孔探圖像上用鼠標(biāo)畫出表示缺陷尺寸的線段,然后通過設(shè)定相應(yīng)的比例尺,自動(dòng)計(jì)算線段長(zhǎng)度并換算為實(shí)際尺寸;全自動(dòng)測(cè)量方法是先提取葉片缺陷的輪廓,然后根據(jù)3次樣條差值方法找到缺陷部位的特征點(diǎn)并提取其尺寸,優(yōu)點(diǎn)是計(jì)算速度快、自動(dòng)化程度高。但如果圖像過于復(fù)雜,邊緣提取不夠準(zhǔn)確時(shí),測(cè)量結(jié)果會(huì)有較大偏差。

        1.2 航空發(fā)動(dòng)機(jī)葉片損傷維修決策知識(shí)規(guī)則

        發(fā)動(dòng)機(jī)診斷方法有測(cè)量式診斷和詢問式診斷2類。測(cè)量式診斷分為手動(dòng)測(cè)量、半自動(dòng)測(cè)量和全自動(dòng)測(cè)量。測(cè)量式診斷適用于低、高壓壓氣機(jī);詢問式診斷適用于燃燒室或渦輪。對(duì)應(yīng)的知識(shí)規(guī)則分為測(cè)量式診斷規(guī)則和詢問式診斷規(guī)則。

        1.2.1 測(cè)量式診斷

        測(cè)量式診斷的維修決策用A、B、C、E、F表示。其中,A表示損傷尺寸在規(guī)定范圍內(nèi),允許不打磨,繼續(xù)使用發(fā)動(dòng)機(jī);B表示損傷尺寸在規(guī)定范圍內(nèi),但必須打磨后方可繼續(xù)使用發(fā)動(dòng)機(jī);C表示損傷尺寸超過損傷容限,葉片報(bào)廢,需更換葉片后方可繼續(xù)使用發(fā)動(dòng)機(jī);E表示損傷尺寸接近“允許不打磨”極限值;F表示損傷尺寸接近“允許磨光”極限值。當(dāng)診斷結(jié)論是E或者F時(shí)建議:

        (1)緊急任務(wù)時(shí),允許不打磨繼續(xù)使用發(fā)動(dòng)機(jī),但僅限于執(zhí)行1次飛行任務(wù);

        (2)日常訓(xùn)練時(shí),出于安全考慮,需打磨后方可繼續(xù)使用發(fā)動(dòng)機(jī)。

        警告內(nèi)容:該損傷只允許為平滑壓痕。不允許有切口、帶有尖銳邊緣、堅(jiān)硬棱角的劃傷,否則葉片報(bào)廢,需更換葉片后方可繼續(xù)使用發(fā)動(dòng)機(jī)。

        根據(jù)多年來發(fā)動(dòng)機(jī)內(nèi)窺檢測(cè)經(jīng)驗(yàn),得到葉片損傷的維修知識(shí)規(guī)則,存于知識(shí)庫中。知識(shí)庫中的知識(shí)表示采用應(yīng)用最為廣泛的IF-THEN產(chǎn)生式規(guī)則法。

        當(dāng)檢測(cè)部位是低壓壓氣機(jī)轉(zhuǎn)子、第I級(jí)葉片、后緣時(shí),知識(shí)規(guī)則見表1;當(dāng)檢測(cè)部位是低壓壓氣機(jī)轉(zhuǎn)子、第I級(jí)葉片、前緣時(shí),知識(shí)規(guī)則見表2。

        表1 測(cè)量式診斷規(guī)則 mm

        1.2.1 詢問式診斷

        燃燒室、渦輪檢測(cè)部位呈多樣性和復(fù)雜性特點(diǎn),其診斷規(guī)則不同于壓氣機(jī)葉片的。利用專家積累的大量經(jīng)驗(yàn),總結(jié)并提煉出詢問式診斷規(guī)則。詢問式診斷規(guī)則的診斷結(jié)論包括:

        A:損傷超過規(guī)定,發(fā)動(dòng)機(jī)停止使用;

        表2 測(cè)量式診斷規(guī)則 mm

        B:損傷未超規(guī)定,發(fā)動(dòng)機(jī)可繼續(xù)使用。

        當(dāng)檢測(cè)部位為燃燒室、火焰筒、頭部短管,損傷類型為燒蝕時(shí),診斷規(guī)則見表3。

        表3 詢問式診斷規(guī)則

        1.3 基于案例的航空發(fā)動(dòng)機(jī)維修決策診斷

        進(jìn)行知識(shí)規(guī)則診斷時(shí),專家系統(tǒng)計(jì)算出實(shí)際損傷尺寸與允許的界限值之間的接近程度,以此作為此次診斷的置信度。設(shè)關(guān)鍵參數(shù)的測(cè)量值為A,標(biāo)準(zhǔn)值為B,且|A-B| /B=C。若C≥20%,則置信度=1.0;若15%≤C<20%,則置信度=0.9;若10%≤C<15%,則置信度=0.8;若5%≤C<10%,則置信度=0.7;若C<5%,則置信度=0.6。

        系統(tǒng)將知識(shí)規(guī)則診斷和案例診斷結(jié)合,但又不破壞各自推理單元的獨(dú)立和完整性。當(dāng)置信度過低時(shí),用戶可以選擇啟動(dòng)案例推理,在案例庫中搜索出相關(guān)案例作為近似決策依據(jù)[13-14]。當(dāng)置信度較高時(shí),用戶可以將此次知識(shí)診斷案例添加入案例庫。

        故障案例的知識(shí)表示即特征屬性提取的過程,對(duì)故障發(fā)生的具體情況盡可能詳盡地描述,以獲得完整的故障信息[15]。飛機(jī)故障案例由2部分組成:(1)故障描述和故障解決方案,具體內(nèi)容包括:案例編號(hào)——每個(gè)案例的惟一辨識(shí)符;飛機(jī)型號(hào);飛機(jī)編號(hào);發(fā)動(dòng)機(jī)型號(hào);發(fā)動(dòng)機(jī)編號(hào);發(fā)動(dòng)機(jī)時(shí)間;探傷時(shí)機(jī);損傷部位——具體的孔探探傷的部位;損傷類型——不同部位損傷類型不相同;損傷參數(shù)——包括L,l,h,a,b,S;診斷日期;探傷人員。(2)維修策略與診斷結(jié)果:包括A,B,C,E,F(xiàn)這5個(gè)結(jié)論。通過1個(gè)或多個(gè)故障描述即可檢索出相關(guān)案例,案例診斷推理流程如圖3所示。

        圖3 案例診斷推理流程

        通過以上特征屬性,針對(duì)獲取的飛機(jī)典型故障記錄,按照表4給出的案例結(jié)構(gòu)建立故障案例庫。

        2 基于孔探圖像的AIDES

        本文用MicrosoftVisualC++6.0作為前臺(tái)的開發(fā)工具,以MicrosoftAccess2000為后臺(tái)數(shù)據(jù)庫支撐,開發(fā)了基于孔探圖像的AIDES,其具體診斷流程如圖4所示。

        3 實(shí)例驗(yàn)證

        為了驗(yàn)證AIDES的有效性,列舉某航空發(fā)動(dòng)機(jī)在維修中的診斷實(shí)例。

        表4 案例結(jié)構(gòu)

        圖4 系統(tǒng)診斷流程

        某飛機(jī)的發(fā)動(dòng)機(jī)檢測(cè)部位為低壓壓氣機(jī)—轉(zhuǎn)子—第1級(jí)葉片—后緣,損傷類型為打傷缺口,經(jīng)系統(tǒng)測(cè)量后得L=7.2mm;l=6.9mm;h=1.6mm,匹配表1中的R3(單位為mm):0

        圖5 AIDES主要診斷界面

        圖6 檢索相似案例診斷界面

        圖片真實(shí)診斷案例如圖7所示,軟件AIDES的診斷對(duì)比結(jié)果見表5。

        由診斷結(jié)果可見,AIDES實(shí)現(xiàn)了正確的推理,并給出了合理的維修決策。該系統(tǒng)的知識(shí)庫是開放的, 可以對(duì)知識(shí)進(jìn)行添加和刪改以使其更為完善,最終進(jìn)一步提高了診斷準(zhǔn)確率。

        圖7 案例圖片

        表5 案例診斷實(shí)例

        4 結(jié)論

        本文運(yùn)用基于規(guī)則的推理方法,結(jié)合案例推理,對(duì)航空發(fā)動(dòng)機(jī)內(nèi)部損傷進(jìn)行專家診斷,進(jìn)而得到發(fā)動(dòng)機(jī)維修決策。在此基礎(chǔ)上,開發(fā)了發(fā)動(dòng)機(jī)葉片損傷維修決策的專家系統(tǒng)AIDES,總結(jié)歸納了內(nèi)部損傷維修決策的知識(shí)規(guī)則,構(gòu)建了葉片損傷維修決策案例庫。AIDES結(jié)合孔探圖像損傷測(cè)量和航空發(fā)動(dòng)機(jī)故障診斷,有效地解決了傳統(tǒng)由專家進(jìn)行發(fā)動(dòng)機(jī)內(nèi)部損傷維修決策引發(fā)的診斷效率低、主觀性強(qiáng)等問題。

        [1]李其漢,王延榮,王建軍.航空發(fā)動(dòng)機(jī)葉片高循環(huán)疲勞失效研究[J].航空發(fā)動(dòng)機(jī),2003,29(4):16-18.LI Qihan,WANG Yanrong,WANG Jianjun.Investigation of high cycle fatigue failures for the aeroengine blades[J].Aeroengine,2003,29(4):16-18.(in Chinese)

        [2]王東,劉懷亮,徐國(guó)華.案例推理在故障診斷系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)工程,2003,29(12):10-12.WANG Dong,LIU Huailiang,XU Guohua.Application of case-based reasoning in faulty diagnoses system [J].Computer Engineering,2003,29(12):10-12.(in Chinese)

        [3]孫慧賢,張玉華,羅飛路.航空發(fā)動(dòng)機(jī)篦齒盤表面裂紋的視覺檢測(cè)[J].光學(xué)精密工程,2009,17(5):1187-1195.SUN Huixian,ZHANG Yuhua,LUO Feilu.Visual inspection of surface crack on labyrinth disc in aeroengine[J].Optics and Precision Engineering,2009,17(5):1187-1195.(in Chinese)

        [4]程衛(wèi)民,陳嶺麗,潘薇燕.工件表面質(zhì)量的檢測(cè)[J].測(cè)控技術(shù),2004,23(5):33-35.CHENG Weimin,CHEN Lingli,PAN Weiyan.Detection of work piece surface quality[J].Journal of Measurement and Control Technology,2004,23(5):33-35.(in Chinese)

        [5]陳果,湯洋.基于孔探圖像紋理特征的航空發(fā)動(dòng)機(jī)損傷識(shí)別方法[J].儀器儀表學(xué)報(bào),2008,29(8):1709-1713.CHEN Guo,TANG Yang.Aeroengine interior damage recognition based on texture features of borescope image[J].Chinese Journal of Scientific Instrument,2008,29(8):1709-1713.(in Chinese)

        [6]傅健,路宏年,侯濤,等.基于ICT圖像的航空發(fā)動(dòng)機(jī)渦輪葉片壁厚尺寸精密測(cè)量方法[J].航空學(xué)報(bào),2006,27(2):325-330.FU Jian,LU Hongnian,HOU Tao,et al.Wall thickness precision measurement method for aero engine turbine blade based on ICT images[J].Acta Aeronauticaet Astronautica Sinica,2006,27(2):325-330.(in Chinese)

        [7]張維亮,李楠,李昂,等.基于概率神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)葉片損傷圖像分割[J].沈陽航空航天大學(xué)學(xué)報(bào),2013,30(2):22-26.ZHANG Weiliang,LI Nan,LI Ang et al.Segmentation of blade damage image of aeroengine based on probabilistic neural networks[J].Journal of Shenyang Aerospace University,2013,30(2):22-26.(in Chinese)

        [8]Cheng H D,Shi X J,Glazier C.Real-time image thresholding based on sample space reduction and interpolation approach[J].Journal of Computing in Civil Engineering,2003,17(4):264-272.

        [9]Dupont E,Lamarque F,Prelle C,et al.Tri-dimensional optical inspection based on flexible image guide:first step toward 3D industrial endoscopy[J].Emerging Technologies for Inspection and Reverse Engineering.2012:477-483.

        [10]CHEN Guo.3D measurement and stereo reconstruction for aeroengine interior damage [J].Chinese Journal of Aeronautics,2004,17(3):149-151.

        [11]羅云林,遲建東.航空發(fā)動(dòng)機(jī)內(nèi)窺檢測(cè)智能診斷專家系統(tǒng)[J].中國(guó)民航大學(xué)學(xué)報(bào),2010,28(2):14-17.LUO Yunlin,CHI Jiandong.Study on aeroengine endoscopic fault detection to mixed expert system with case-based reasoning and rule-based reasoning[J].Journal of Civil Aviation University of China,2010,28(2):14-17.(in Chinese)

        [12]張勇,劉冠軍,邱靜.基于圖像自動(dòng)測(cè)量的航空發(fā)動(dòng)機(jī)故障檢測(cè)技術(shù)研究[J].機(jī)械科學(xué)與技術(shù),2008,27(2):176-179.ZHANG Yong,LIU Guanjun,QIU Jing.Aeroengine fault detection technology based on image automatic measurement[J].Mechanical Science and Technology for Aerospace Engineering,2008,27(2):176-179.(in Chinese)

        [13]陳友東,韓美華,葉進(jìn)軍.基于CBR的數(shù)控設(shè)備故障診斷系統(tǒng)知識(shí)表示[J].北京航空航天大學(xué)學(xué)報(bào),2011,37(12):1557-1561.CHEN Youdong,HAN Meihua,YE Jinjun.Knowledge representation for CNC equipment fault diagnosis system based on CBR[J].Journal of Beijing University of Aeronautics and Astronautics,2011,37(12):1557-1561.(in Chinese)

        [14]李永平.基于CBR方法的飛機(jī)排故支持技術(shù)研究與應(yīng)用[D].南京:南京航空航天大學(xué)民航學(xué)院,2006.LI Yongping.Research and application of aircraft troubleshooting support technology based on CBR[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2006.(in Chinese)

        [15]李青,史雅琴,周揚(yáng).基于案例推理方法在飛機(jī)故障診斷中的應(yīng)用[J].北京航空航天大學(xué)學(xué)報(bào),2007,33(5):622-626.LI Qing,SHI Yaqin,ZHOU Yang.CBR methodology application in fault diagnosis of aircraft[J].Journal of Bejing University of Aeronautics and Astronautics,2007,33(5):622-626.(in Chinese)

        猜你喜歡
        置信度航空決策
        硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
        為可持續(xù)決策提供依據(jù)
        “閃電航空”來啦
        “閃電航空”來啦
        趣味(語文)(2021年11期)2021-03-09 03:11:36
        決策為什么失誤了
        正負(fù)關(guān)聯(lián)規(guī)則兩級(jí)置信度閾值設(shè)置方法
        達(dá)美航空的重生之路
        置信度條件下軸承壽命的可靠度分析
        軸承(2015年2期)2015-07-25 03:51:04
        一戰(zhàn)航空百年回眸
        航空世界(2014年6期)2014-04-14 00:50:40
        多假設(shè)用于同一結(jié)論時(shí)綜合置信度計(jì)算的新方法?
        日韩女优av一区二区| 亚洲a级片在线观看| 亚洲AV无码国产精品色午夜软件| 亚洲精品中文字幕熟女| 亚洲 小说区 图片区 都市| 亚洲日韩一区二区三区| 国产一区二区精品在线观看 | 中国人在线观看免费的视频播放| 亚洲精品www久久久| 久久精品国产99国产精2020丨| 538在线视频| 美女视频在线观看网址大全| 蜜臀性色av免费| 中字幕久久久人妻熟女| 国产日韩午夜视频在线观看| 日本一区二区三区光视频| 丰满岳乱妇一区二区三区| 97se在线观看| 青青草伊人视频在线观看| 亚洲精品中文字幕一区二区| 日本乱偷人妻中文字幕在线| 国产乱人伦AV在线麻豆A| 亚洲最大的av在线观看| 国产av无码专区亚洲av麻豆| 激情综合色五月丁香六月亚洲| 在线看片国产免费不卡| 日本久久久精品免费免费理论| 97人伦影院a级毛片| 在线观看国产精品日韩av | 日韩内射美女人妻一区二区三区| 97久久久久国产精品嫩草影院 | 欧美 丝袜 自拍 制服 另类| 亚洲女同精品一区二区久久| 亚洲国产综合一区二区| 人与人性恔配视频免费| 亚洲有码转帖| 一区二区三区不卡免费av| 国产成人一区二区三区乱| 婷婷五月六月综合缴情| 亚洲av不卡电影在线网址最新 | 国产成人亚洲精品无码av大片|