基于模糊聚类的航空发动机故障预测研究

为了保证飞行安全和降低航空维修成本,提高航空发动机故障预测的准确性,利用数据挖掘技术,提出了一种基于模糊聚类的航空发动机故障预测的数据挖掘模型。通过对航空发动机维修数据的分析,构建了发动机数据的采集框架以及维修数据挖掘模型,利用模糊聚类理论对某型号航空发动机的维修数据进行聚类,依据不同的阈值获得样本的不同分类情况进行故障预测。最后通过算例仿真验证了模糊聚类可以为航空发动机故障预测提供决策依据。

美国海军飞机发动机异物损伤研究

异物损伤是飞机发动机受损的重要原因,备受美国海军重视。发动机异物损伤原因的准确判别具有难度,经常需要有经验人员根据损伤结果进行推测。异物存在、吸入条件和作业环境是影响发动机异物损伤的三方面因素。改进飞机设计、开展异物排查可减少异物损伤的发生。

基于FTA-ANN的航空发动机安全风险分析

航空发动机属于多发性故障机械,是典型的高风险配件,航空公司对航空发动机安全都给予了高度重视,对航空发动机可靠性进行评估,对发动机发生的危害性后果进行深入分析,对于准确评估航空发动机的安全风险水平,提出针对性的管理策略具有重要意义。故提出面向航空发动机,利用故障树映射到ANN的方法,实现动态安全风险分析。以某型飞机某型发动机危害性后果“发动机起火不可控”为案例,对该危险后果进行故障树分析,对其建立故障树并一一映射,采用人工神经网络ANN进行多次训练。利用算例,将得到结果与FT结果进行比较发现:ANN与FT结果匹配率较高,说明以FT映射的ANN模型是一种有效的风险评估技术。所提出的方法还可以应用到核电站系统、电力系统等其他高可靠性的复杂系统中。