机载蒸发循环系统有着制冷效率高、制冷速度快等一系列优点,目前已经被广泛用于先进民用飞机电子设备舱以及厨房的制冷。然而,由于该系统中包含着众多的部件,其发生故障时机组人员很难准确辨别故障类型及发生的具体位置。本文针对这一问题,构造了基于智能算法的机载蒸发循环制冷系统故障诊断模型,并对该模型进行了可视化研究。本文的主要研究内容有:1.搭建了一套蒸发循环制冷系统特性试验台,对系统常见的故障进行了模拟试验,获得了故障数据,并对故障数据的变化进行了理论分析。2.针对故障数据,采用以降维和信息提取的多变量统计分析为基础的主成分分析方法进行特征提取,有效去除数据之间的关联性,并保证数据信息损失最小化,减少故障诊断模型的计算量,提高模型的性能。3.在统计学习理论的基础上,利用在模式识别、函数拟合、故障诊断等研究方向上发挥着重要的作用,并且在解决局部收敛问题、过学习与欠学习问题方面十分高效的支持向量机构造故障诊断模型,并利用经过主成分分析的数据进行模型验证。4.构造了ACO-SVM模型,利用有着正反馈机制、鲁棒性好、并性强、全局搜索性好等优点的蚁群算法对支持向量机模型的参数(C,g)进行优化,从而达到优化模型性能、提高诊断正确率的目的。5.利用MATLAB GUI模块设计出了一款可视化故障诊断软件。该软件可用于训练并测试故障诊断模型,并读取系统运行数据,对其进行故障诊断,为机组人员提供便利。