基于BP神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)維修決策系統(tǒng)研究

于洋（中國(guó)人民解放軍93115部隊(duì)，遼寧沈陽(yáng) 110031）

基于BP神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)維修決策系統(tǒng)研究

于洋
（中國(guó)人民解放軍93115部隊(duì)，遼寧沈陽(yáng) 110031）

由于航空器的安全因素是重中之重，航空發(fā)動(dòng)機(jī)維修具有高復(fù)雜程度和高科技含量，航空發(fā)動(dòng)機(jī)的定時(shí)維修和保養(yǎng)是必不可少的。如何在航空發(fā)動(dòng)機(jī)現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，開發(fā)出航空發(fā)動(dòng)機(jī)維修輔助決策系統(tǒng)迫在眉睫。本文就是通過分析這些發(fā)動(dòng)機(jī)性能參數(shù)，通過基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，挖掘出發(fā)動(dòng)機(jī)的性能衰退指標(biāo)，通過灰色決策決策系統(tǒng)，給出最優(yōu)化的維修決策方案，為航空維修工程師進(jìn)行維護(hù)管理提供決策支持。

航空機(jī)械 神經(jīng)網(wǎng)絡(luò) 維修決策

1　引言

目前航空發(fā)動(dòng)機(jī)正在向系統(tǒng)化、復(fù)雜化方向發(fā)展，發(fā)動(dòng)機(jī)的內(nèi)部結(jié)構(gòu)變得非常復(fù)雜，這就帶來了航空發(fā)動(dòng)機(jī)維修難度大的問題。由于航空器的安全因素是重中之重，航空發(fā)動(dòng)機(jī)維修具有高復(fù)雜程度和高科技含量，航空發(fā)動(dòng)機(jī)的定時(shí)維修和保養(yǎng)是必不可少的。隨著維修技術(shù)的發(fā)展，航空發(fā)動(dòng)機(jī)維修已經(jīng)從過去的定時(shí)維修向視情維修和故障診斷預(yù)測(cè)等智能化方向發(fā)展。隨著信息化的發(fā)展，傳統(tǒng)的航空發(fā)動(dòng)機(jī)維修方法已經(jīng)不能完全滿足現(xiàn)代社會(huì)的高節(jié)奏要求了，對(duì)航空發(fā)動(dòng)機(jī)維修的快速反應(yīng)，快速維修保養(yǎng)提出了更高的要求。如何在航空發(fā)動(dòng)機(jī)現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，開發(fā)出航空發(fā)動(dòng)機(jī)維修輔助決策系統(tǒng)迫在眉睫。

航空發(fā)動(dòng)機(jī)一般都裝載有性能參數(shù)監(jiān)測(cè)設(shè)備，可以實(shí)時(shí)將發(fā)動(dòng)機(jī)的性能參數(shù)通過機(jī)載報(bào)文尋址系統(tǒng)發(fā)給地面控制中心。通過分析這些性能參數(shù)，可以得到發(fā)動(dòng)機(jī)的某些性能衰退情況。本文就是通過分析這些發(fā)動(dòng)機(jī)性能參數(shù)，通過基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，挖掘出發(fā)動(dòng)機(jī)的性能衰退指標(biāo)，為維護(hù)管理提供決策支持。

2　BP神經(jīng)網(wǎng)絡(luò)介紹

BP神經(jīng)網(wǎng)絡(luò)算法步驟主要是輸入學(xué)習(xí)樣本，使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差。

BP神經(jīng)網(wǎng)絡(luò)模型為：

3　維修決策系統(tǒng)設(shè)計(jì)

本文設(shè)計(jì)的維修決策系統(tǒng)首先對(duì)航空發(fā)動(dòng)機(jī)的性能參數(shù)進(jìn)行預(yù)處理，然后對(duì)預(yù)處理后的性能參數(shù)輸入到BP神經(jīng)網(wǎng)絡(luò)中，根據(jù)學(xué)習(xí)樣本進(jìn)行學(xué)習(xí)，然后輸出學(xué)習(xí)后的預(yù)測(cè)結(jié)果，根據(jù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果再輸入到灰色決策系統(tǒng)中，根據(jù)航空發(fā)動(dòng)機(jī)以往的各項(xiàng)性能指標(biāo)數(shù)據(jù)和發(fā)動(dòng)機(jī)單體部件的維修等級(jí)之間的關(guān)系，根據(jù)灰色決策判斷系統(tǒng)，進(jìn)行智能化判斷，給出最優(yōu)發(fā)動(dòng)機(jī)維修等級(jí)決策，為航空維修工程師制定發(fā)動(dòng)機(jī)維修方案提供信息支持。

3.1性能參數(shù)預(yù)處理

由于航空發(fā)動(dòng)機(jī)工作在高溫高壓的惡劣環(huán)境下，性能參數(shù)受到各種外界噪聲的干擾，監(jiān)測(cè)系統(tǒng)記錄的性能參數(shù)數(shù)據(jù)千差萬別，可能存在部分異常數(shù)據(jù)，這些異常數(shù)據(jù)淹沒在海量的發(fā)動(dòng)機(jī)性能參數(shù)數(shù)據(jù)中，在進(jìn)行維修決策系統(tǒng)之前，必須對(duì)發(fā)動(dòng)機(jī)的性能參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，剔除異常數(shù)據(jù)，保證性能參數(shù)數(shù)據(jù)的有效性。由于航空發(fā)動(dòng)機(jī)性能參數(shù)數(shù)據(jù)具有時(shí)間的連續(xù)性，采用基于統(tǒng)計(jì)分析的方法來進(jìn)行異常數(shù)據(jù)的篩選，如果還不能滿足數(shù)據(jù)預(yù)處理的要求，則再采用密度分析的方法對(duì)數(shù)據(jù)進(jìn)行二次處理，確保所有異常數(shù)據(jù)都剔除掉。

異常數(shù)據(jù)剔除后，再對(duì)性能參數(shù)數(shù)據(jù)進(jìn)行平滑處理，這里我們利用二次指數(shù)平滑法進(jìn)行處理，先將要平滑的時(shí)間序列進(jìn)行分解，然后利用指數(shù)平滑對(duì)頻率大的函數(shù)進(jìn)行平滑，再將平滑的結(jié)果和剩下的函數(shù)進(jìn)行重構(gòu)，得到預(yù)處理后的航空發(fā)動(dòng)機(jī)性能參數(shù)數(shù)據(jù)。

3.2基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型

由于BP神經(jīng)網(wǎng)絡(luò)具有網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、運(yùn)算速度快的優(yōu)點(diǎn)，本文選用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。首先將經(jīng)過預(yù)處理后的發(fā)動(dòng)機(jī)性能參數(shù)數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，設(shè)計(jì)三層神經(jīng)網(wǎng)絡(luò)，來對(duì)發(fā)動(dòng)機(jī)性能進(jìn)行預(yù)測(cè)，預(yù)測(cè)模型為輸入層的神經(jīng)元數(shù)目為n，隱藏層的神經(jīng)元數(shù)目為n1，輸出層神經(jīng)元數(shù)目為n2，BP神經(jīng)網(wǎng)絡(luò)根據(jù)海量樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，把學(xué)習(xí)的結(jié)果輸入到網(wǎng)絡(luò)中進(jìn)行預(yù)測(cè)，把預(yù)測(cè)結(jié)果輸入到下一階段的灰色決策系統(tǒng)中。

3.3灰色決策系統(tǒng)設(shè)計(jì)

經(jīng)過神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)后，結(jié)合航空發(fā)動(dòng)機(jī)的基礎(chǔ)數(shù)據(jù)庫(kù)、維修保養(yǎng)場(chǎng)站知識(shí)庫(kù)、故障案例知識(shí)庫(kù)以及維修記錄等綜合信息來提供維修決策支持，采用灰色決策法進(jìn)行決策支持?；疑珱Q策法是在事件決策、目標(biāo)和效果等四個(gè)前提下，對(duì)明顯含有灰信息的體系進(jìn)行決策，針對(duì)不同的決策目標(biāo)，可以構(gòu)造不同的隸屬度函數(shù)，使得事件對(duì)決策的局勢(shì)集合通過函數(shù)映射獲得較好的效果，在多種可行的實(shí)際決策方案中，利用灰色決策法選出最佳的決策方案。

4　結(jié)語(yǔ)

本文主要針對(duì)目前航空發(fā)動(dòng)機(jī)維修技術(shù)跟不上快速、高可靠的要求這個(gè)問題，提出了基于發(fā)動(dòng)機(jī)的海量性能參數(shù)數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，然后輸入到灰色決策系統(tǒng)中，通過系統(tǒng)自動(dòng)判決給出最優(yōu)的發(fā)動(dòng)機(jī)維修決策方案支持。本文設(shè)計(jì)維修決策系統(tǒng)，經(jīng)過實(shí)際檢驗(yàn)，具有較高的可行性。

［1］于海田.航空發(fā)動(dòng)機(jī)健康綜合評(píng)估研究［J］.機(jī)械科學(xué)與技術(shù). 2011（06）.

［2］陳鳳騰.基于視情維修的航空發(fā)動(dòng)機(jī)備發(fā)預(yù)測(cè)方法研究［J］.機(jī)械科學(xué)與技術(shù).2008（08）.

［3］朱紹強(qiáng).基于TOPSIS法的飛機(jī)維修方案的決策［J］.航空計(jì)算技術(shù). 2004（03）.