航空装备故障诊断学PDF电子书下载

第1篇　原理篇 2

第1章　绪论 2

1.1　航空装备故障诊断的研究与实践 2

1.1.1 航空装备故障诊断的本质 2

1.1.2 航空装备故障诊断的发展阶段 3

1.1.3　航空装备故障诊断的现状与发展趋势 5

1.2　航空装备故障诊断学概述 6

1.2.1 航空装备故障诊断学的定义 6

1.2.2　航空装备故障诊断学的研究目的及意义 7

1.2.3　航空装备故障诊断学的主要研究内容 8

第2章　故障与故障诊断 10

2.1　航空装备失效和故障的概念 10

2.1.1 航空装备失效的概念 10

2.1.2　航空装备故障的概念 11

2.2　航空装备常见失效与故障模式 12

2.2.1 航空机械设备失效与故障的常见模式 12

2.2.2 航空电子元器件失效与故障的常见模式 14

2.3　航空装备失效分析 16

2.3.1 失效分析的目的和任务 16

2.3.2 失效分析的主要工作内容 17

2.3.3　机械零件和机械系统的失效分析方法 17

2.3.4　航空装备失效分析的基本程序 20

2.4　航空装备故障诊断的基本原理 22

2.4.1 故障诊断的一般流程 23

2.4.2 故障诊断的常用方法 24

2.4.3 航空装备故障诊断系统 27

第3章　故障诊断信息处理 30

3.1　故障诊断中的信息及分类 30

3.1.1 基本概念 30

3.1.2　故障信息的分类 33

3.2　故障诊断中信息处理的一般过程 34

3.2.1 信息的获取 34

3.2.2　信息的传输 35

3.2.3　信息的处理 36

3.3　故障诊断信息的获取 36

3.3.1 装备状态信息的获取 36

3.3.2 故障诊断知识的获取 37

3.4　故障诊断中信息的预处理 38

3.4.1 采集环节的预处理 38

3.4.2　传输环节的预处理 39

3.5　故障诊断中信息的处理 44

3.5.1 测量信号分类 44

3.5.2　测试数据处理方法的分类 45

第2篇 方法篇 48

第4章　基于故障树分析的故障诊断 48

4.1　故障树分析的基本内容 48

4.1.1 故障树分析的起源 48

4.1.2　故障树分析的基本概念 48

4.1.3 故障树分析的步骤和建树规则 52

4.2　故障树的定性分析 53

4.2.1 故障树定性分析概述 53

4.2.2　故障树的数学描述 54

4.2.3　最小割集算法 54

4.3　故障树的定量分析 60

4.3.1 故障树定量分析的内容 60

4.3.2 故障树顶事件概率计算 60

4.3.3 故障树重要度分析 61

4.4　航空装备故障树分析算例和系统开发实践 62

4.4.1 基于故障树分析的航空装备故障诊断算例 62

4.4.2 基于故障树分析的航空装备故障诊断系统开发实践 65

第5章　基于贝叶斯网络的故障诊断 70

5.1 贝叶斯网络的概率论基础 70

5.1.1 贝叶斯理论 71

5.1.2 贝叶斯网络 72

5.2　贝叶斯网络推理 75

5.2.1 精确推理 75

5.2.2　近似推理 76

5.3　贝叶斯网络学习 77

5.3.1 参数学习 77

5.3.2 结构学习 80

5.4　贝叶斯网络在装备故障诊断中的应用 82

第6章　基于模糊理论的故障诊断 86

6.1　模糊诊断理论基础 86

6.1.1　模糊集合及其运算 86

6.1.2 模糊集合与经典集合的联系 88

6.1.3　隶属函数 88

6.1.4 模糊关系和模糊关系矩阵 90

6.1.5　模糊度及其度量 92

6.2　航空装备的模糊逻辑诊断 94

6.2.1 航空装备故障诊断中的模糊性 94

6.2.2　模糊逻辑诊断模型 95

6.2.3　模糊诊断信息的获取 96

6.2.4　模糊逻辑故障诊断方法 100

6.2.5 航空装备模糊逻辑诊断实例 102

6.3　航空装备的模糊聚类诊断 104

6.3.1 模糊聚类 104

6.3.2　模糊聚类诊断基本思想 105

6.3.3 基于模糊等价关系的模糊聚类诊断方法 105

6.3.4　模糊C-均值聚类诊断方法 108

6.3.5 航空装备模糊聚类诊断实例 110

第7章　基于粗糙集理论的故障诊断 112

7.1　粗糙集基本概念 112

7.1.1 知识与知识表达系统 112

7.1.2　不可分辨关系 113

7.1.3　粗糙集与近似 114

7.1.4　知识约简与核 116

7.1.5 知识的依赖性与属性重要性 117

7.1.6 区分矩阵与区分函数 118

7.2　基于粗糙集理论的智能故障诊断 118

7.2.1 数据预处理 119

7.2.2　属性约简 123

7.2.3　值约简 128

7.3　航空装备的粗糙集诊断案例 130

第8章　基于人工神经网络的故障诊断 133

8.1　人工神经网络的基本原理 133

8.1.1 人工神经元模型 133

8.1.2 人工神经网络的构成 133

8.1.3 人工神经网络的学习 134

8.2　基于人工神经网络的故障诊断原理 136

8.2.1 模式识别的故障诊断神经网络 136

8.2.2 系统辨识的故障诊断神经网络 137

8.2.3 知识处理的故障诊断神经网络 138

8.3　基于人工神经网络的故障诊断模型设计 139

8.4　基于BP神经网络的故障诊断方法 140

8.4.1 BP神经网络结构及其学习算法 140

8.4.2　BP神经网络的改进算法 142

8.4.3 BP神经网络的结构设计 143

8.4.4 基于BP神经网络的故障诊断方法 144

8.4.5 在飞机火控系统故障诊断中的应用 144

8.5　基于SOM神经网络的故障诊断方法 147

8.5.1　SOM神经网络结构 147

8.5.2　SOM网络的学习算法 148

8.5.3　基于SOM神经网络的故障诊断方法 149

8.5.4 在航空发动机故障诊断中的应用 149

8.6　其他典型的神经网络故障诊断模型 152

8.6.1　集成神经网络 152

8.6.2　模糊神经网络 153

8.6.3 小波神经网络 154

第9章　基于案例的推理的故障诊断 155

9.1　CBR概述 155

9.1.1　CBR的起源及发展 155

9.1.2　CBR的基本思想 156

9.1.3 CBR与RBR的比较 158

9.1.4　CBR的应用领域 159

9.2　CBR的关键步骤 159

9.2.1 案例的表示和存储 159

9.2.2 案例的检索策略 162

9.2.3 案例的相似性匹配 164

9.2.4　案例的适配 168

9.2.5 案例的学习 169

9.3　航空装备故障诊断CBR系统 170

9.3.1 基于层次分类模型的案例库组织 170

9.3.2　故障案例的检索和匹配 171

9.3.3 基于专家评价的案例学习方式 172

9.3.4 系统实现 173

第10章　基于专家系统的故障诊断 177

10.1　专家系统的基本概念 177

10.1.1 专家系统的定义 177

10.1.2　专家系统的要素 177

10.2　专家系统的推理机制 178

10.2.1　推理方式及其分类 179

10.2.2　推理的控制策略 181

10.2.3　模式匹配 184

10.2.4　冲突消解策略 186

10.3　专家系统中的知识库 187

10.4　航空装备故障诊断专家系统案例 189

第3篇 实践篇 194

第11章　发动机状态监控与故障诊断 194

11.1　航空发动机简介 194

11.2　发动机状态监控与故障诊断概述 196

11.2.1 发动机的状态和故障 196

11.2.2　状态监控与故障诊断 198

11.2.3　状态监控与故障诊断的作用 200

11.3　发动机状态监控与故障诊断的技术和方法 203

11.3.1　参数监控与诊断 203

11.3.2　振动监控与诊断 209

11.3.3 油液监控与诊断 221

11.3.4　无损检测技术 240

11.4　发动机状态监控系统 262

第12章　航空电子设备故障诊断 266

12.1　航空电子系统简介 266

12.2　航空电子设备故障诊断概述 267

12.2.1 航空电子设备故障诊断意义与作用 267

12.2.2　航空电子设备故障的类型、诊断目的和要求 268

12.2.3 航空电子设备故障诊断的困难所在 269

12.3　航空电子设备故障诊断技术 269

12.3.1 数字电路故障诊断的方法与进展 270

12.3.2　模拟电路故障诊断的方法与进展 272

12.4　基于故障树结构的某型光电雷达电子设备故障诊断系统 273

12.4.1 光电雷达组成及功能 274

12.4.2 电子设备的组成及功能 274

12.4.3 电子设备诊断系统硬件组成 275

12.4.4 电子设备性能检测、故障树结构分析及故障诊断 276

12.4.5 压—码转换电路板故障树结构分析 280

12.4.6 匹配电路板故障树结构分析 281

12.5　基于信息融合的航空电子设备故障诊断 282

12.5.1 信息融合的定义 282

12.5.2　信息融合的基本原理 283

12.5.3 信息融合与故障诊断 284

12.5.4　基于信息融合的光电雷达电子部件故障诊断 288

12.6　模糊理论在航空电子设备故障诊断中的应用 292

12.6.1 故障可能性和可能性理论 293

12.6.2 可能性理论在雷达接收机故障诊断中的应用 293

12.7　基于补偿神经网络的航空电子设备故障诊断 295

12.7.1 构成自适应模糊推理机 295

12.7.2 补偿模糊神经网络的学习步骤 298

12.7.3 利用补偿神经网络模糊推理机进行故障诊断 299

第4篇　发展篇 302

第13章　嵌入式故障诊断发展动态与展望 302

13.1　嵌入式故障诊断概述 302

13.1.1 嵌入式故障诊断概念 302

13.1.2　嵌入式故障诊断模式 303

13.2　嵌入式故障诊断在航空装备中的发展动态 306

13.2.1 国内发展动态 306

13.2.2 国外发展动态 308

13.3　嵌入式故障诊断展望 310

第14章　远程故障诊断发展动态与展望 313

14.1　远程故障诊断技术概述 313

14.1.1 远程故障诊断技术产生 313

14.1.2 系统组成及体系结构 314

14.1.3 远程故障诊断技术在航空装备中的应用 316

14.2　远程故障诊断技术发展动态 319

14.2.1 工业领域的发展与应用 319

14.2.2 军事领域的发展与应用 320

14.3　远程故障诊断技术展望 320

14.3.1 技术发展要求 320

14.3.2 系统发展方向 322

参考文献 325