论文部分内容阅读
A320飞机各子系统中,空调系统是发生故障频率比较高的系统。对飞机空调系统进行早期故障预测对其指导维护工作具有十分重要的意义。基于此,本文以A320飞机空调系统为对象,进行了故障预测方法研究。首先,深入研究了A320飞机空调冷却系统。以实验室机务维护模拟机为实验平台,模拟空调组件(PACK)三种故障的发生,对故障发生时的两个特征参数进行统计分析,建立了空调PACK三种故障与空调PACK的两个特征参数间的评定规则。其次,将灰色理论应用于空调PACK故障预测。针对原始GM(1,1)模型在A320空调PACK特征参数趋势预测中存在的缺陷,提出一种改进的GM(1,1)预测模型。改进的GM(1,1)预测模型主要是用三点均值法对波动序列进行预处理,并对背景值进行了重新构造。将改进的GM(1,1)预测模型应用到A320空调PACK特征参数趋势预测,与原始GM(1,1)预测结果相比,提高了预测精度。根据故障评定规则和参数趋势预测结果,对PACK是否有故障趋势做出判断。最后仿真实验结果证明,改进GM(1,1)预测模型在空调PACK故障短期预测中起到很好的预测效果。最后,针对灰色理论在A320空调PACK长期故障趋势预测中精度不高的缺陷,研究BP神经网络预测方法,并将其应用于空调PACK的故障预测。通过反复训练,得到最优的学习率与神经元个数,实现对空调PACK特征参数长期运行趋势的高精度预测。