摘要:航空发动机作为飞机的动力提供者,其安全稳定运行对飞机的安全有着至关重要的影响,对航空公司的经济和社会效益也有着重要的作用。航空发动机上一般都装载着各种性能参数的检测设备,地面控制中心能够通过机载报文寻址将发动机的各项性能参数接收到。对各项性能参数应该全面进行分析,全面了解发动机的各项性能状况,观察性能有没有处于衰退状态。对发动机的性能参数进行分析,并对其进行预测,全面了解发动机的性能问题,让维护管理过程中能够具备相应的决策支持。本文就BP神经网络下的航空发动机维修决策系统展开探讨。
关键词:BP神经网络;航空发动机;维修决策
引言
民航发动机的使用寿命长达数年,其运行和维护过程是一个相互关联的整体,每次维修都会对后续的运行和维护产生一定的影响。因此,从全寿命的角度对民航发动机的维修时机进行优化更具有实际意义。
1系统维修决策
(1)智能化的维修决策:针对决策问题,尤其是少量信息的情况下,决策者可以利用自身智慧与经验做出合理判断决策;但是,针对存在一些不确定、不明确因素或者各个要素之间存在着极其复杂的非线性关系数据情况,例如在飞机维修规划决策过程中所涉及的很多信息,仅仅凭着决策者一个人或一个小群体的智慧及经验,从而要做出正确决策是很困难的。20世纪70年代末以来,随着运筹学、计算机技术等学科的迅速发展,使得越来越多的人意识到,如果将计算机工具引入到决策过程中,这将会大大改善目前的决策质量,并更加有效地协助决策者以此提高规划能力与水平。(2)考虑相关性的维修决策:复杂系统的维修决策主要是针对多部件系统维修策略的研究,要考虑到部件之间存在着经济、故障、结构三种相关性,由于这些相关性的存在,要求对多部件中的某一部件做维修决策时,必须考虑到它与其他部件之间的相互影响问题。根据单部件维修策略确定的维修任务或维修间隔,从系统角度来看往往不是最优的。因此,针对多部件的维修必须应用相应的多部件维修策略。目前,在研究多部件的维修策略时只考虑三种相关性中的一种,目前如果要考虑两种以上的相关性问题时,往往就会变得太复杂以至很难分析和解决,这是当前研究的一个难点。(3)多级维修决策:由于复杂系统的层次性,不同层次之间的维修决策存在着一个相互协调机制,如何确定不同层次之间的维修决策,也是当前研究的热点问题之一。传统的多级维修决策模型只能处理上、下层决策单元,其收益函数具有单指标性特性,在顶层决策追求多个目标,下层每个决策者只拥有一个目标,以及下层最优解或非劣解不唯一,这种情况下的维修决策研究,目前也越来越受到关注。
2BP神经网络概述
BP神经网络的算法在实施过程中需要将学习样本输入其中,对网络权值和偏差进行训练和调整时应该使用反向传播算法,让输出的向量能够和预期的向量处于一个接近的状态,对网络输出值的误差进行研究,将网络的偏差和权值保存起来。
3维修决策系统的设计
对维修决策系统进行设计时,应该对航空发动机的性能全面掌握,并对其参数有效进行处理,再运用BP神经网络将参数有效输入其中。依照学习样本来学习,并对学习成果进行预测,将预测结果输出。将预测出来的结果作为基本的基准点,使用灰色决策系统将其输入。立足于航空发动机原来各项性能的基础之上,将发动机零件和维修等级之间的关系合理进行,使用灰色决策,对系统进行判断,判断时可以采用智能化判断,给出一个最优的发动机决策,让维修工程师在设计维修方案时能够具有相应的保障,给维修方案提供技术方面的支持。
期刊文章分类查询,尽在期刊图书馆
3.1基于参数预测的航空发动机维修决策
通过对航空发动机性能参数的采集、识别与预测,能够充分了解发电机的参数状况,如何根据获取的性能参数判断发动机是否发生故障成为另一个难题。传统的解决方案是将发动机的预测参数与同一款型号发动机的平均性能参数进行比较,当其超出某一定值后,即可判断其发生了故障。但这种传统的维修决策割裂了发电机各性能参数间的关系,无法综合各性能参数对发动机的健康状况进行全面的分析,使得维修决策的准确性不高。为了提高对航空发动机健康状况分析的准确性,完善发动机维修决策的制定,提出了一种基于多个发动机性能参数的发动机健康状况综合评估分析算法,其通过数学模型的构建,综合航空发动机的各性能参数以及各自权重进行计算,其计算结果可以有效反映发动机的实际健康状况,从而根据这一值的变动,制定相应的发动机维修决策。
3.2BP神经网络预测模型
BP神经网络的网络结构十分简单,运算速度也十分快。应该对BP神经网络实施预测,然后对其实施预处理,将预处理后得到的数据全面进行研究,使用BP神经网络将发动机的各项性能参数有效输入其中。对神经网络进行有效设计,将其设计成三层神经网络。使用三层神经网络对发动机的性能全面进行预测,将输入层中的神经元数目作为预测模型,并将其用n表示,将隐藏层的神经元数目也有效表示出来,用n1表示。如果神经元数目位于输入层,应该将其用n2进行表示。将大量的样本数据作为参照物,供BP神经网络进行学习。在网络系统中将学习的结果输入进去,并进行相应的预测。然后在灰色决策系统中将预测结果输入其中。
3.3复杂大系统的维修决策
复杂大系统之间的作用机制更加复杂,具有动力学性质,维修信息的收集和处理难度非常大。当前,有学者对网络系统的维修决策进行了初步的研究,尚不能满足工程实际的要求。但随着现代工程系统的组成规模和复杂性程度的不断增大和广泛应用,对复杂大系统的维修决策必将有着更加迫切的需求。
3.4设计灰色决策系统
对神经网络全面进行预测之后,将得出的数据和航空发动机基础数据库有效进行结合,对以往的故障案例要合理借鉴,运用维修方面的各种综合信息给整个维修决策提供相关支持,使用灰色的决策法对整个决策进行支持。实施灰色决策法时,应该将其决策、目标、效果有效运用,对各种灰信息的体系全面进行研究。决策目标上相对来说具有一定的差异性,根据不同的决策目标制定不同的隶属度函数,让事件决策的趋势能够建立在函数映射上获得良好的效果。实际对方案进行决策时,选择灰色决策法得出的决策方案是最效的。
结语
随着我国经济社会的不断发展,我国航空工业必将不断前行,而航空发动机作为行业内的核心技术,必将得到持续的发展。发动机作为飞机中的核心部件,故障概率较高且维修成本高昂。要想让航空发动机的维修技术能够更加快速、便捷、高效,应该对发动机海量的参考数据全面进行研究,使用BP神经网络对其全面进行预测,将预测的数据输入灰色决策系统中。系统会自动化进行判别,判断清楚之后选择一个最佳的决策方案,让航空发动机能够安全、高效的运行。
参考文献:
[1]殷锴,钟诗胜,那媛等.基于BP神经网络的航空发动机故障检测技术研究[J].航空发动机,2017,43(01):53-57.
[2]赵国昌,徐昂,宋丽萍等.BP与RBF神经网络在航空发动机气路故障诊断中的应用[J].滨州学院学报,2017,33(04):13-19.
[3]谢庆华,等.基于统计粗集的航空发动机维修成本组合预测模型[J].兵工学报,2015,5(5):75-76.
[4]江龙平,等.航空发动机故障诊断技术[J].航空科学技术,2017,2(2):35-36.
论文作者:王继光1,槐宇超2,赵浩然3
论文发表刊物:《基层建设》2019年第15期
论文发表时间:2019/8/6
标签:神经网络论文; 发动机论文; 航空发动机论文; 系统论文; 性能参数论文; 部件论文; 灰色论文; 《基层建设》2019年第15期论文;