民航概论论文Word文件下载.docx
- 文档编号:19237486
- 上传时间:2023-01-04
- 格式:DOCX
- 页数:10
- 大小:191.36KB
民航概论论文Word文件下载.docx
《民航概论论文Word文件下载.docx》由会员分享,可在线阅读,更多相关《民航概论论文Word文件下载.docx(10页珍藏版)》请在冰豆网上搜索。
航空发动机内部常见的损伤主要有:
裂纹、刻痕、压坑、撕裂、凹痕、烧伤、腐蚀、叶尖卷边等。
如图2.1所示为各种损伤的定义图[11]:
图2.1常见发动机故障定义图
通过对损伤形成原因和评估参数的分析,典型损伤进行分析:
1.裂纹(crack)
裂纹是最常见的损伤形式,根据成因不同分为烧伤裂纹、震动裂纹、疲劳裂纹等多种。
造成裂纹的主要原因是过热或振动使金属应力过大直至金属疲劳。
通常表现为一条锯齿状的黑色线开口。
对于裂纹损伤,长度是评估的关键数据。
2.叶片折断与掉快(broken)
折断与掉快是由于冲击、撞击等外力因素而导致叶片破碎或折断,破碎或折断部分移走。
3.凹坑(dent)
凹坑是由于叶片或壁面的局部由于撞击而受损,材料发生坑状变形,但没有发生移动。
凹坑成“U”型,外型为钝边,表面相对光滑。
损伤常常出现在叶片根部和涡轮舱壁面。
对于凹坑损伤,凹坑深度和最大外径是损伤评估的关键数据。
4.边缘刻口(nick)
刻口是由于叶片边缘受到外物撞击而导致材料变形,刻口呈“V”型,刻痕边缘呈亮色。
边缘刻口也是内窥检测中常见的损伤类型之一,损伤的级别根据刻口的口径长度以及刻口深度来判定。
5.叶片扭曲(bent)
扭曲是由于来自相反方向的直线型外力作用于叶片表面的不同区域,导致原有的扭转角度发生变化。
叶片扭曲部分相对于完整叶片所占比例是判定叶片扭曲损伤级别的依据。
6.叶边卷刃(curled)
叶片尖部由于受到与叶片运动方向相反的作用力,像刀刃卷曲一样变成圆角形折叠,从而形成叶边卷刃。
7.积炭(deposits)
积炭常常发生在导向器边缘和表面,以及燃烧室壁面,是由于燃烧产生的炭粒在表面沉积而产生的。
大面积积炭会影响到发动机的燃烧效率,因此,积炭区域的大小是评估该类型损伤的依据。
8.表皮剥落(overheated)
表皮剥落是由于材料受到长时间高温而导致部分表面材料脱落,失去结构的完整性。
表皮剥落损伤的表面比较光滑,还没有形成材料熔化变形。
9.烧蚀(burned)
烧蚀是由于受热严重而导致材料部分熔化,引起烧伤。
内窥检测中会发现损伤区域颜色发生变化或者变形,一般呈暗黑色。
烧蚀损伤的评估依据或者是表面损伤区域的大小,或者是叶片变形或脱落区域的长度和深度等参数。
10.撕裂(gouge)
叶片表面局部由于受到尖锐外物的撞击,材料撕开而产生的穿透形开口,形成撕裂。
裂口长度是撕裂损伤的评估依据。
2.2图像预处理
图像预处理的主要目的是提取图像的特征参数,这也是实现故障检测智能化的基础。
在图像预处理的过程中,包含图像增强、图像分割、边缘检测、损伤参数提取等。
由于航空发动机工作环境及内窥检测的特殊性,拍摄的航空发动机内窥图像不同于一般的图像,具体表现为:
1、发动机内窥图像背景很复杂,图像分割的难度较大;
2、内窥检测拍摄到的图像整体偏暗,对比度较差,清晰度不高;
3、发动机工作在高温高压、快速运转的条件下,空气中存在大量灰尘颗粒,从而在拍摄的图像上存在大量的随机噪声。
综上所述,拍摄到的发动机内窥损伤图像不能直接用于图像识别分析,必需经过图像增强,提高图像的质量,才能减少外界干扰所带来的图像误识别。
图像增强的目的有两个,一是采用一系列技术改善图像的视觉效果,提高图像成分的清晰度;
另一个是是图像变得更加便于图像分割与识别。
图像增强可分为对比度增强、图像平滑及图像锐化。
正交性是从变换后的小波系数的相关性来考虑的,如果是正交小波,变换后的小波系数是不相关的,滤波效果更好。
正则性好的小波在信号重构中比较平滑。
正交小波中除Haar小波外,都不满足对称性,而对称性好的双正交小波基构造和计算都比较复杂。
因此选取sym4作为小波基,它具有简单、对称性好,在重构过程中相移小等优点。
具体步骤如下:
步骤一:
对图像进行小波分解,选取sym4小波基,用Matlab对图像进行三层小波分解;
步骤二:
对高频系数软阈值化处理,每个图层选取一个阈值,滤去噪声;
步骤三:
对阈值化后的小波系数进行增强处理;
步骤四:
重构图像,得到增强后的图像。
图2.2小波分解示意图
图2.3为PW4000燃烧室裂纹图像:
图2.3PW4000燃烧室裂纹图像
2.3基于案例推理的智能故障诊断方法
案例式推理,是一种类比推理方法,是通过改编那些解决旧问题的方法来尝试解决新问题,也就是利用寻找相似案例的推理方法,找到解决旧问题的方法来适用于解决新的问题。
案例式推理强调这样的思想:
人类在解决问题时,常常回忆过去积累下来的类似情况的处理,通过对过去类似情况处理的适当修改来解决新的问题。
过去的类似情况及其处理技术被称之为案例(CASE)。
过去的案例还可以用来评价新的问题及新问题的求解方案,并且对可能的错误进行预防。
运用这一基本思想进行推理被称为案例推理技术。
图图2.4案例推理过程
案例推理的作法是首先先做一问题的描述(Presentation),再从Case-Base中找出最类似的Case(Retrieval),即使挑选出最类似的Case也不可能完全相同,故要依照Case的Solution再作调整(Adaptation),再将调整出的结果与使用者或大环境来证实(Validation/Test),如果适当,则被证实的结果将会被增加到Case-Base中(Feedback)。
上述过程即为一个完整的案例推理过程,可以用图2.5来形象的描述该过程。
对于案例推理系统,主要的研究方向包括案例库的建立和优化,与其他故障诊断手段融合成混合推理系统等。
案例库的建立包括采用何种组织结构,存储形式等,案例库的优化包括检索算法的设计,案例的学习机制以及如何使案例的检索效率提高等。
本文主要从案例库的建立与案例库的优化两个方面进行相关研究,其中案例库的优化为研究重点方向。
2.4案例库的建立
2.4.1案例库的组织结构
目前数据库技术发展已经相当成熟,为了减小在案例库存储方面的工作量,我们直接采用数据库对案例进行存储与管理。
本文研究的案例库在初期属于小规模尝试,可能案例数量较小,为了适应未来扩展需要,我们仍然以大规模案例库为标准来对案例库进行设计,故将案例库设计为多级结构。
在航空发动机内窥故障诊断系统中,重要的问题是如何合理的诊断并得出相应结论及处理对策。
本文研究的为航空发动机故障诊断,所以将基类设置为发动机,包含属性应为发动机型号等最基本信息。
然后派生类的确定应找出诊断方法间的共性和差别所在,便于程序的实现、调用及解释。
因此,根据在实际诊断中检测的损伤类型及其特征进行分类。
即将发动机的不同型号先进行分类,每个型号按照不同的故障部位分为低压压气机诊断类、高压压气机诊断类、燃烧室诊断类、高压涡轮诊断类、低压涡轮诊断类。
每个派生类分别包括裂纹、刻痕、压坑、撕裂、凹痕、烧伤、腐蚀、叶尖卷边等损伤类型作为其对象,这些对象的特征参数包括长度、面积、凹坑的深度,以及每个数据成员的诊断方法和维修决策。
该分类法可将已收集到的专家知识按面向对象的程序设计原则组成一种混合知识表达形式,将对象的属性、行为特征、相关领域知识的数据处理方法等有关知识封装在表达对象的结构中,还可根据专家经验灵活地派生出新类。
案例库的结构组织如图2.7所示:
图2.5案例库的组织结构
该结构优点为:
在与粗糙集理论结合后,可以更加方便的对案例特征值权重进行调整,使其在进行案例检索时减少工作量的同时也能提高检索的准确度。
另外可以提供让用户批量查看某类型故障或者某部位故障的功能。
2.4.2案例库的存储实现
案例库的组织结构确定后,需要将从某发动机维修公司近些年来收集整理的发动机型号为PW4000、PW4077、JT9D、CMF56-3、CMF56-7的共计四百多张内窥损伤图片,进行图像预处理,故障特征提取,特征值权重进行计算调整并进行入库。
收集到的数据如表2.1所示。
表2.1现有案例样本统计表
案例在数据库中的部分存储形式如图2.6所示。
图2.6案例的存储形式
2.5案例库的重用
检索案例的重用包括两个方面:
新旧案例的区别以及检索到的案例哪些可以应用到新案例中。
1、复制
在简单案例的检索中,忽略新旧案例的区别,检索到的案例解决方案被直接传送到新案例中作为其解决方案。
这是一种低级的,简单的重用。
高级系统应考虑检索到的案例与目标案例之间的差别,其中包括重用部分的差别和不能直接传送解决方案,应该在做出最终决策之前做出适当的修改。
2、修正
主要有两种方法实线对过去案例的重用:
1)重用过去的案例解决方案(转换重用)。
转换重用并不是简单的将就按例的解决方案直接应用于新案例,而是采取基于知识的转换算子,将转换算子应用到旧案例以生成新案例的解决方案(局部修正)。
转换算子通过计算检索到的案例与目标案例的区别来获取。
2)重用旧案例的构造解决方案的方法(导出重用)。
导出重用着眼于在检索到的案例中问题是如何解决的。
检索到的案例包含了按案例问题的解决方法、解决问题时应当考虑的子目标、系统自动生成的可供选择的方法。
导出重用法把检索到的方案用于新案例中,实现对新问题的解决。
重用阶段生成的解决方案不正确会引发错误的决策,如果按照错误的决策对飞机进行维护,会带来灾难性的后果,因此必须进行案例方案的修正与评价,该阶段成为案例修订,成功的话进行案例学习(案例保存);
否则用相关发动机维护知识修订解决方案(案例调整)。
案例评价:
通过将检索到的解决方案应用于现实问题中,通常在系统外部进行测试。
应用的结果需要一定的时间才能够输出。
案例的调整是案例推理系统的难点之一,包括了如何确定案例与问题之间的区别,找出需要变更和需要保留的部分,修正设计使其有效,根据案例的特性,可以进行如下几种调整办法。
1、直接转换:
当案例完全适合实际要求时,仅需改变先前案例的相关参数,即可获得新的设计方案:
利用设计案例方案的生成方法重新生成。
这种方法利用专业发动机维护知识导出设计方案,需要在案例中记录推导过程和中间结果。
2、带修正的转换:
局部修正也是利用发动机维护知识导出设计方案进行局部修改,具有与第二种方法类似的缺点。
3、基于框架的方案变换:
最相似案例被选作框架,不足的部分由其他案例中合适部分补充,比较适用于工程涉及领域。
该方法的基本思想是:
系统首先按照相关性构造一个相关案例队列,取出最相关案例作为框架案例,将框架案例的相关组件排序,然后一次检验排序后的组件,对于不符合要求的组件则利用案例队列中其他案例的相应组件替换,当所有组件处理完毕后仍不能满足设计要求时,采用其他推理方法由用户首功修正。
这种方法要求有丰富的发动机维修知识。
2.6案例的学习与保存
案例推理系统的优势就是能够模拟人类的思维方式,依照之前的经验对现有问题进行推理,所以案例的学习质量关乎系统长期工作的效果。
大多数的案例学习主要通过如下两种方法实现[43]:
一种是新案例的积累,推理系统中案例对故障领域覆盖面越大,功能越强大;
另一种是既对成功案例进行覆盖也对失败案例进行覆盖的效果比仅仅设计成功案例的效果优秀。
本文采用了增量式的学习方法,能够不断的持续积累经验和知识。
但是毫无控制的对案例进行单纯的数量的增加势必引发一个严重的问题:
不但无法控制案例数目的增长也给系统运行的效率带来阻碍,增加检索成本。
为了解决这个难题,引入了基于粗糙集中的依赖度来对案例进行学习。
给定知识系统
,设C包含n个条件属性,即n维条件属性且
,则案例的学习质量为
案例的学习质量即决策属性能够特征属性准确进行分类的程度,表示知识B能够准确分类的对象在系统中占有的比例。
结合理论,如果加入新案例能够使得案例库更.加合理则加入此新案例,否则抛弃此案例。
一般情况下有四种学习策略:
1、新案例与案例库中的案例完全匹配,此时加入新案例不改变任何案例库知识分类,学习质量不变,抛弃;
2、新案例与案例库中案例相似匹配,相似度取值在一定范围以内,则认为相似度很大,则抛弃;
如果相似度较低,进行学习后能够增加学习质量,采用;
3、新案例与案例库中案例矛盾,则应该进行手动维护,对错误的决策进行删除,在实际情况中应尽量避免出现此情况
4、新案例为全新案例,则有很大学习价值,采用。
案例保存就是从新的解决问题的方法中得到有用的知识并且和已有的知识集成总结的过程。
案例的学习和保存是以评价和修订的结果作为基础的。
它包括从案例中选择什么信息、用什么形式保存它、如何建立检索以便未来相似问题的查询中顺利的检索到这个案例,以及怎样把新的案例集成到存储结构中。
案例推理系统中,无论问题是怎样解决的,案例库都要进行更新。
如果问题是通过已有的案例解决的,新案例库或者是旧案例库必然会包括当前这个案例。
如果问题是通过其他方法解决的,包括通过向用户询问的方法解决等,就必须建立一个全新的案例。
在案例学习机制中,必须确定什么是学习源。
问题的描述和解决问题的方法就是很好的学习和保存的对象。
案例库学习的最后一个步骤是集成。
如果不建立新的案例和索引结构,集成就成为保存案例的主要步骤。
通过改变已有案例的索引,案例推理系统将会具有更好的相似判断能力。
现存索引的调整是案例推理系统学习的一个重要组成部分。
按照解决实际问题的案例应用结果的成功或失败,对一个特定的案例和解决方法调整索引的重要性,对那些确定与案例检索成功相关的特征功能增强,对有可能引起检索案例不成功的特征功能减弱。
按照这种方法,索引结构会进行调整以适应案例存储。
最后,将重新输入初始问题测试系统刚学习和保存的案例,检测系统运行与预期结果是否一致。
小结
随着科学技术的不断地提高,先进的计算机技术、数据传输和处理技术以及智能诊断技术正在影响着发动机的维修方式及维修技术,对我国航空发动机系统的维修技术和维修设备、维修手段都会提出前所未有的挑战,研制和开发具有工程意义上的航空发动机智能故障诊断系统,对提高飞行安全和质量上有着重大的意义。
参考文献:
[1]维文.回顾新中国民用航空维修业的发展[J].航空维修与工程,2000
(1):
12-14
[2]于辉,左洪福,黄传奇.先进内窥技术与发动机故障检测[J].航空维修与工程,2002
(2):
20-22
[3]陈励华.智能故障诊断技术的引用与研究[D].[硕士学位论文].西安:
西北工业大学.2005
[4]刘学明.飞机机械设备智能故障诊断专家系统研究[D].[硕士学位论文].西安:
西安电子科技大学.2008
[5]李明钊.基于神经网络的电控汽油发动机的智能故障诊断研究[D].[硕士学位论文].昆明:
昆明理工大学,2008
[6]于辉,陈果,左洪福等.发动机孔探图像三维测量与立体重建的实现[J].理论与实践,2002,22
(2):
6-12
[7]陈果.计算机视觉及专家系统在发动机故障诊断技术中的应用[D]:
[硕士学位论文].南京:
南京航空航天大学,2002
[8]丁莉芬.机器视觉在航空发动机内窥检测中的应用[D]:
[硕士学位论文].天津:
中国民航大学,2005
[9]李研强.基于计算机视觉的航空发动机孔探技术研究[D]:
中国民航大学,2004
[10]贺晓.基于灰色关联的案例推理在智能故障诊断系统中的应用研究[D]:
[硕士学位论文].武汉:
华中科技大学,2005
[11]北京AMECO公司提供.发动机内窥检测手册(部分)[S].2001
[12]朱虹.数字图像处理基础[M].北京:
科学出版社,2005.31-53
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 民航 概论 论文