论文部分内容阅读
现代民机排故是在测试诊断与维修操作不断交互的执行过程中,实现故障的诊断与排除。空调系统作为现代民机最为重要的系统之一,其内部及各组件之间存在各种不确定因素,且交互式排故过程中会产生各种与排故相关的观测操作、维修操作以及提问等信息,因此对于民机空调系统排故所面临的主要问题是如何从不确定、多源异类信息中获得最终的故障原因。本文针对空调系统故障所具有的不确定性特点,以及民机排故时交互式诊断与多源信息融合的需求,探索一种基于贝叶斯网络结合多步观测模型的民机空调系统诊断排故方法,进而实现对民机空调系统的快速诊断与智能排故。通过对现实排故过程进行深入分析,建立民机空调系统诊断排故物理模型与数学模型,引出导致诊断排故困难的核心因素关联故障,并给出能够用于空调系统贝叶斯网络诊断和排故建模的知识表达。在对诊断与排故模型分析的基础上,针对民机空调系统故障的特点,给出一种基于多级分层的贝叶斯网络专家建模方法;针对民机空调系统故障样本缺乏导致的模型参数学习困难问题,通过结合贝叶斯网络LeakyNoisyOr模型、模糊数学和层次分析法,给出一种基于LeakyNoisyOr模糊评价模型的条件概率求解算法。对航空公司A320机队空调系统故障信息表进行目标征兆提取,通过关联故障分析,采用多级分层专家建模方法实现了对目标故障的专家建模并利用LeakyNoisyOr模糊评价模型进行条件概率求解;通过ACMS获取的数据对模型进行验证工作,结果表明该方法能够大大简化模型对条件概率的需求,提高建模准确性,在已知证据时优先排查后验概率大的组件,可提高维修效率。将诊断模型转化为贝叶斯网络排故模型,并结合向前多步观测模型,融入观测、代价、维修操作等多源信息,通过实例与仿真验证了该方法在民机空调系统快速诊断与智能排故上的有效性;采用C#与matlab混合编程进行诊断排故系统的设计与实现工作。