文/王泓然 張濤

航空發(fā)動機上一般都裝載著各種性能參數(shù)的檢測設(shè)備，地面控制中心能夠通過機載報文尋址將發(fā)動機的各項性能參數(shù)接收到。對各項性能參數(shù)應(yīng)該全面進行分析，全面了解發(fā)動機的各項性能狀況，觀察性能有沒有處于衰退狀態(tài)。對發(fā)動機的性能參數(shù)進行分析，并對其進行預(yù)測，全面了解發(fā)動機的性能問題，讓維護管理過程中能夠具備相應(yīng)的決策支持。

1 BP神經(jīng)網(wǎng)絡(luò)概述

BP神經(jīng)網(wǎng)絡(luò)的算法在實施過程中需要將學(xué)習(xí)樣本輸入其中，對網(wǎng)絡(luò)權(quán)值和偏差進行訓(xùn)練和調(diào)整時應(yīng)該使用反向傳播算法，讓輸出的向量能夠和預(yù)期的向量處于一個接近的狀態(tài)，對網(wǎng)絡(luò)輸出值的誤差進行研究，將網(wǎng)絡(luò)的偏差和權(quán)值保存起來。BP神經(jīng)網(wǎng)絡(luò)對性能的測試結(jié)果如表1所示。

2 維修決策系統(tǒng)的設(shè)計

對維修決策系統(tǒng)進行設(shè)計時，應(yīng)該對航空發(fā)動機的性能全面掌握，并對其參數(shù)有效進行處理，再運用BP神經(jīng)網(wǎng)絡(luò)將參數(shù)有效輸入其中。依照學(xué)習(xí)樣本來學(xué)習(xí)，并對學(xué)習(xí)成果進行預(yù)測，將預(yù)測結(jié)果輸出。將預(yù)測出來的結(jié)果作為基本的基準(zhǔn)點，使用灰色決策系統(tǒng)將其輸入。立足于航空發(fā)動機原來各項性能的基礎(chǔ)之上，將發(fā)動機零件和維修等級之間的關(guān)系合理進行，使用灰色決策，對系統(tǒng)進行判斷，判斷時可以采用智能化判斷，給出一個最優(yōu)的發(fā)動機決策，讓維修工程師在設(shè)計維修方案時能夠具有相應(yīng)的保障，給維修方案提供技術(shù)方面的支持。

表1：BP神經(jīng)神經(jīng)網(wǎng)絡(luò)的測試結(jié)果

2.1 對性能參數(shù)進行預(yù)處理

一般情況下，航空發(fā)動機在遇到高溫或者高壓狀況時，各種外來的噪音干擾很容易對性能參數(shù)造成嚴重的影響，通過檢測系統(tǒng)記錄的數(shù)據(jù)具有一定的差異性，一些數(shù)據(jù)可能處于異常狀態(tài)，由于發(fā)動機性能參數(shù)屬于海量狀態(tài)，這些異常的數(shù)據(jù)會被淹沒其中。建立維修決策系統(tǒng)時，預(yù)處理發(fā)動機中存在的性能參數(shù)。將一些異常的數(shù)據(jù)全面剔除，讓性能參數(shù)能夠具有一定的有效性。航空發(fā)動機的性能參數(shù)在時間上具有連續(xù)性，對數(shù)據(jù)應(yīng)該進行統(tǒng)計分析，將一些異常數(shù)據(jù)篩選出來。如果對數(shù)據(jù)進行預(yù)處理時達不到相應(yīng)的要求，就應(yīng)該使用密度分析法對數(shù)據(jù)進行全面處理，將所有異常數(shù)據(jù)全面清除。

將異常數(shù)據(jù)全面清除之后，要對其性能參數(shù)全面進行研究，相應(yīng)的實施平滑處理。處理時可以使用二次指數(shù)平滑法，首先，分解平滑的序列時間，使用指數(shù)平滑對一些頻率較大的函數(shù)實施平滑。將平滑結(jié)果和剩余函數(shù)有效進行重構(gòu)。其次，再進行預(yù)處理，這樣就會得到航空發(fā)動機的性能參數(shù)。

2.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)十分簡單，運算速度也十分快。應(yīng)該對BP神經(jīng)網(wǎng)絡(luò)實施預(yù)測，然后對其實施預(yù)處理，將預(yù)處理后得到的數(shù)據(jù)全面進行研究，使用BP神經(jīng)網(wǎng)絡(luò)將發(fā)動機的各項性能參數(shù)有效輸入其中。對神經(jīng)網(wǎng)絡(luò)進行有效設(shè)計，將其設(shè)計成三層神經(jīng)網(wǎng)絡(luò)。使用三層神經(jīng)網(wǎng)絡(luò)對發(fā)動機的性能全面進行預(yù)測，將輸入層中的神經(jīng)元數(shù)目作為預(yù)測模型，并將其用n表示，將隱藏層的神經(jīng)元數(shù)目也有效表示出來，用n1表示。如果神經(jīng)元數(shù)目位于輸入層，應(yīng)該將其用n2進行表示。將大量的樣本數(shù)據(jù)作為參照物，供BP神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)。在網(wǎng)絡(luò)系統(tǒng)中將學(xué)習(xí)的結(jié)果輸入進去，并進行相應(yīng)的預(yù)測。然后在灰色決策系統(tǒng)中將預(yù)測結(jié)果輸入其中。

2.3 設(shè)計灰色決策系統(tǒng)

對神經(jīng)網(wǎng)絡(luò)全面進行預(yù)測之后，將得出的數(shù)據(jù)和航空發(fā)動機基礎(chǔ)數(shù)據(jù)庫有效進行結(jié)合，對以往的故障案例要合理借鑒，運用維修方面的各種綜合信息給整個維修決策提供相關(guān)支持，使用灰色的決策法對整個決策進行支持。實施灰色決策法時，應(yīng)該將其決策、目標(biāo)、效果有效運用，對各種灰信息的體系全面進行研究。決策目標(biāo)上相對來說具有一定的差異性，根據(jù)不同的決策目標(biāo)制定不同的隸屬度函數(shù)，讓事件決策的趨勢能夠建立在函數(shù)映射上獲得良好的效果。實際對方案進行決策時，選擇灰色決策法得出的決策方案是最效的。

2.4 建立故障樣本庫

對航空發(fā)動機進行維修時應(yīng)該準(zhǔn)確找尋到故障問題，要想準(zhǔn)確對故障進行診斷，需要大量的故障樣本作為基準(zhǔn)點，讓樣本和分布狀況能夠?qū)ο到y(tǒng)產(chǎn)生相應(yīng)的限制。只有選擇一個合理的訓(xùn)練網(wǎng)絡(luò)，才能夠保證診斷的質(zhì)量。為了讓網(wǎng)絡(luò)的推廣能力得到全面提升，應(yīng)該運用訓(xùn)練樣本有效的將系統(tǒng)數(shù)據(jù)全面反映出來，將其隨機誤差全面減小。

3 結(jié)語

綜上所述，要想讓航空發(fā)動機的維修技術(shù)能夠更加快速、便捷、高效，應(yīng)該對發(fā)動機海量的參考數(shù)據(jù)全面進行研究，使用BP神經(jīng)網(wǎng)絡(luò)對其全面進行預(yù)測，將預(yù)測的數(shù)據(jù)輸入灰色決策系統(tǒng)中。系統(tǒng)會自動化進行判別，判斷清楚之后選擇一個最佳的決策方案，讓航空發(fā)動機能夠安全、高效的運行。