摘 要：故障預(yù)測技術(shù)實(shí)現(xiàn)了飛機(jī)健康狀況的實(shí)時(shí)監(jiān)控，為飛機(jī)的安全運(yùn)行提供保障。本文通過對飛機(jī)液壓系統(tǒng)的測試數(shù)據(jù)進(jìn)行建模和預(yù)測，分析出飛機(jī)運(yùn)行狀態(tài)，實(shí)現(xiàn)了飛機(jī)健康狀態(tài)的實(shí)時(shí)預(yù)測，為飛機(jī)的健康運(yùn)行提供保障。

關(guān)鍵詞：故障預(yù)測;健康狀況;液壓系統(tǒng)

0?? 前言

故障預(yù)測實(shí)現(xiàn)了飛機(jī)健康狀況的實(shí)時(shí)監(jiān)控，通過傳感器等元器件采集設(shè)備的相關(guān)參數(shù)，并通過對參數(shù)進(jìn)行實(shí)時(shí)分析，結(jié)合設(shè)備狀態(tài)，對設(shè)備的生產(chǎn)生活進(jìn)行評估，根據(jù)評估的結(jié)果，及時(shí)有效地實(shí)現(xiàn)設(shè)備的合理化利用[1]。通過故障預(yù)測技術(shù)，能實(shí)現(xiàn)設(shè)備利用的最大化。

故障預(yù)測技術(shù)是故障診斷技術(shù)的提升，通過現(xiàn)有的實(shí)時(shí)的設(shè)備數(shù)據(jù)， 對比設(shè)備前某一個(gè)階段的數(shù)據(jù)，能及時(shí)的預(yù)知某設(shè)備當(dāng)前狀況的好壞，實(shí)現(xiàn)設(shè)備的合理化監(jiān)控，這既改變了設(shè)備的維修方式，又實(shí)現(xiàn)了設(shè)備的合理化利用，避免了傳統(tǒng)維護(hù)方式造成的浪費(fèi)，節(jié)約飛機(jī)維護(hù)的成本。傳統(tǒng)維護(hù)以時(shí)間為依據(jù)，只要時(shí)間達(dá)到維護(hù)時(shí)間，即開展維護(hù)工作，造成了人員和設(shè)備的浪費(fèi)。故障預(yù)測技術(shù)的運(yùn)用，實(shí)現(xiàn)了設(shè)備維修方式的改變。

故障預(yù)測技術(shù)是建立在數(shù)字化集成化的基礎(chǔ)上的技術(shù)，通過設(shè)備集成化系統(tǒng)的增多，傳感器，數(shù)據(jù)采集器的合理化使用，為故障預(yù)測技術(shù)提供了有效的設(shè)備支持。每一個(gè)設(shè)備運(yùn)行中都隱藏著很多的數(shù)字化信息，通過數(shù)字化信息能判斷一個(gè)設(shè)備運(yùn)行狀況的狀態(tài)[2][3]。

信息融合技術(shù)的提出，能很好地解決數(shù)據(jù)復(fù)雜不好選擇的問題，通過數(shù)據(jù)融合，能將復(fù)雜的數(shù)據(jù)合理化，通過融合后的數(shù)據(jù)，對設(shè)備進(jìn)行故障預(yù)測，能很好地實(shí)現(xiàn)設(shè)備狀態(tài)的監(jiān)控。融合后的數(shù)據(jù)既具有復(fù)雜數(shù)據(jù)的特性，又將復(fù)雜的數(shù)據(jù)合理信息化，將融合后的數(shù)據(jù)運(yùn)用到現(xiàn)有的預(yù)測模式中，能很好地反映出設(shè)備運(yùn)行的狀態(tài)。

基于信息粒化故障預(yù)測技術(shù)是通過對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行信息?；?，并在模糊粒化的基礎(chǔ)上實(shí)現(xiàn)基于融合方法的故障預(yù)測。

1?? 模糊信息?；?/p>

模糊信息?；菍ΜF(xiàn)有設(shè)備能掌握信息的一種數(shù)據(jù)模糊化方式的表達(dá)，由于這些掌握的信息具有相似或共同的特征，通過對這些信息元素的合理化分析，就能在它們之間找到聯(lián)系，比如說規(guī)律和功能等，這個(gè)尋找它們共同特征的過程就是實(shí)現(xiàn)信息的模糊粒化。

2?? 基于模糊?；椒ǖ墓收项A(yù)測技術(shù)

本文采用小波神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊信息?；蟮臄?shù)據(jù)相結(jié)合的方法。通過這樣模式的結(jié)合，建立出基于模糊信息粒化的小波神經(jīng)網(wǎng)絡(luò)，通過這種預(yù)測方式對實(shí)驗(yàn)平臺的采集的數(shù)據(jù)進(jìn)行合理模糊化再預(yù)測。首先將實(shí)驗(yàn)測得的設(shè)備數(shù)據(jù)進(jìn)行處理，形成模糊化集合，集合分為 Low 數(shù)據(jù)集合、R 數(shù)據(jù)集合、Up 數(shù)據(jù)集合[4][5]。

進(jìn)行預(yù)測時(shí)，用前30組信息?；臄?shù)據(jù)運(yùn)用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練建模，再對剩下的信息?；臄?shù)據(jù)進(jìn)行預(yù)測性檢驗(yàn)。最后，通過模糊信息?；男〔ㄉ窠?jīng)網(wǎng)絡(luò)預(yù)測技術(shù)與小波神經(jīng)網(wǎng)絡(luò)預(yù)測方式對比。

使用 Low 數(shù)據(jù)集合進(jìn)行建模訓(xùn)練，并用建好的模型進(jìn)行預(yù)測，預(yù)測的數(shù)據(jù)與實(shí)際數(shù)據(jù)進(jìn)行對比，預(yù)測的結(jié)果如圖1所示。通過對比分析，計(jì)算出預(yù)測誤差量，如圖2。 圖1?；箢A(yù)測數(shù)據(jù)與小波預(yù)測數(shù)據(jù)對比圖如圖所示可以看出，數(shù)據(jù)模糊信息?；笫褂眯〔ㄉ窠?jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行預(yù)測分析，粒化后的預(yù)測能更好地反映出設(shè)備流量的變化趨勢，同時(shí)，預(yù)測的誤差量更小。

經(jīng)分析計(jì)算，對 Low 數(shù)據(jù)集進(jìn)行小波神經(jīng)網(wǎng)絡(luò)預(yù)測的均方誤差為0.0102，預(yù)測出數(shù)據(jù)相對百分比為1.2545。

同理，運(yùn)用小波神經(jīng)網(wǎng)絡(luò)預(yù)測方法對模糊信息?；蟮玫降?R 數(shù)據(jù)集合進(jìn)行模型訓(xùn)練和數(shù)據(jù)預(yù)測驗(yàn)證，得到數(shù)據(jù)的預(yù)測結(jié)果如圖3所示，預(yù)測相對誤差量如圖4所示。

從圖3和圖4看出，數(shù)據(jù)模糊信息?；笫褂眯〔ㄉ窠?jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行預(yù)測分析，?；蟮念A(yù)測能更好地反映出設(shè)備流量的變化趨勢，同時(shí)，預(yù)測的誤差量更小。經(jīng)分析計(jì)算，得到對 R 數(shù)據(jù)集合進(jìn)行小波神經(jīng)網(wǎng)絡(luò)預(yù)測的均方誤差為0.0167，預(yù)測出數(shù)據(jù)的相對百分比為2.0764。

運(yùn)用小波神經(jīng)網(wǎng)絡(luò)預(yù)測方法對模糊信息粒化后得到的 Up 數(shù)據(jù)集合進(jìn)行模型訓(xùn)練和數(shù)據(jù)預(yù)測驗(yàn)證，得到數(shù)據(jù)的預(yù)測結(jié)果如圖5所示，預(yù)測相對誤差量如圖6所示。

同樣，經(jīng)分析，從圖5圖6可得出，模糊粒化后的小波神經(jīng)網(wǎng)絡(luò)預(yù)測的效果更好。經(jīng)分析計(jì)算，小波神經(jīng)網(wǎng)絡(luò)對?；?R 數(shù)據(jù)集進(jìn)行預(yù)測，預(yù)測均方誤差為0.0150，預(yù)測相對百分比為1.7623。

3?? 結(jié)論

通過小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型和信息?；蟮男〔ㄉ窠?jīng)網(wǎng)絡(luò)對比可以發(fā)現(xiàn)，信息?；蟮臄?shù)據(jù)預(yù)測技術(shù)能更好地反映出數(shù)據(jù)變化的趨勢，進(jìn)而能更好地預(yù)測出設(shè)備在不同階段下的實(shí)時(shí)與此那個(gè)數(shù)據(jù)。相對單一的小波神經(jīng)網(wǎng)路預(yù)測技術(shù)，模糊信息?；筮M(jìn)行小波神經(jīng)網(wǎng)絡(luò)預(yù)測具有更明顯的優(yōu)勢。

參考文獻(xiàn)：

[1] 張寶珍. 國外綜合診斷、預(yù)測與健康管理技術(shù)的發(fā)展及應(yīng)用[J]. 計(jì)量機(jī)測量與控制，2008，16（5）：591-594.

[2] 潘泉， 于昕， 程詠梅， 等. 信息融合理論的基本方法與進(jìn)展.[J] 自動化學(xué)報(bào)，2003，Vol29（4）：599-615.

[3] 曹立軍， 杜秀菊， 秦俊奇， 等.復(fù)雜裝備的故障預(yù)測技術(shù)[J]. 飛航導(dǎo)彈，2004（4）23-27.

[4] 趙鵬，龍江. 基于 AMESim 的齒輪泵內(nèi)泄漏故障預(yù)測技術(shù)研究[J]. 西安航空學(xué)院學(xué)報(bào)，2016（5）：34-38.

[5] 王小川，史峰，郁磊等.MATLAB 神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社.2013.

作者簡介：

趙鵬（1989—），男 ，碩士研究生，主要從事故障診斷與預(yù)測方向的研究. 基金項(xiàng)目：中國民用航空飛行學(xué)院青年基金項(xiàng)目（Q2018-76）.