航空故障诊断与健康管理技术PDF电子书下载

第1章 概论 1

1.1 概述 1

1.2 基本概念 2

1.2.1 健康、异常、故障和失效 2

1.2.2 故障诊断、预测及健康管理 3

1.3 航空故障诊断与健康管理技术的内涵和重要性 4

1.3.1 航空故障诊断与健康管理技术的内涵 4

1.3.2 故障诊断与健康管理技术对航空装备的重要性 6

1.4 航空故障诊断与健康管理技术的演变过程 10

1.5 航空故障诊断与健康管理技术的发展现状及应用 14

1.5.1 航空故障诊断与健康管理技术的发展现状 14

1.5.2 航空故障诊断与健康管理技术的应用概况 19

第2章 航空故障诊断与健康管理系统功能设计 21

2.1 概述 21

2.2 航空器故障诊断与健康管理需求 21

2.2.1 航空器故障诊断与健康管理总体需求 22

2.2.2 航空器子系统故障诊断与健康管理需求 24

2.3 航空故障诊断与健康管理系统功能分析 36

2.4 航空故障诊断与健康管理系统架构 38

2.4.1 机上系统结构 38

2.4.2 系统交联接口 41

2.4.3 地面系统结构 42

2.5 故障诊断与健康管理基本方法 43

2.5.1 扩展故障模式与影响分析 43

2.5.2 健康评估与故障诊断 48

2.5.3 故障预测及健康管理 51

2.6 故障诊断与健康管理的指标及度量 53

2.6.1 故障诊断与健康管理能力指标体系 54

2.6.2 故障诊断与健康管理系统指标权衡 55

第3章 传感器与数据采集策略 60

3.1 概述 60

3.2 传感器的基本特性 61

3.2.1 传感器的性能指标 61

3.2.2 传感器的适用条件 63

3.3 传感器的应用 65

3.3.1 传感器的分类 65

3.3.2 传感器的发展 80

3.4 传感器的安装与布局优化 81

3.5 常用数据传输总线 86

3.5.1 ARINC429总线 87

3.5.2 RS-422串行总线 87

3.5.3 1553B总线 88

3.5.4 AFDX网络通信 92

3.6 数据采集策略和基本方法 94

3.6.1 采样与量化 95

3.6.2 采样定理 96

3.6.3 模数转换器技术指标 99

第4章 故障诊断中的信号处理方法 101

4.1 概述 101

4.2 信号预处理 102

4.2.1 异常值处理 102

4.2.2 零均值化处理 102

4.2.3 消除趋势项 103

4.2.4 加窗处理 104

4.2.5 滤波 109

4.3 特征提取与信号处理方法 111

4.3.1 特征选择与提取 111

4.3.2 时域分析方法 112

4.3.3 频域分析方法 114

4.3.4 时频域分析方法 122

4.3.5 数据约减方法 129

4.4 传感器信息融合 136

4.4.1 信息融合的概念 136

4.4.2 信息融合的方法 138

4.4.3 信息融合的关键技术 140

4.5 振动信号处理与分析 141

4.5.1 直升机旋翼振动信号处理与分析 141

4.5.2 直升机传动系统振动信号处理与分析 142

4.5.3 发动机振动信号处理与分析 145

第5章 故障诊断与健康评估 148

5.1 概述 148

5.2 故障诊断与健康评估的基本方法 149

5.2.1 基于解析模型的故障诊断与健康评估方法 149

5.2.2 基于数据驱动的故障诊断与健康评估方法 150

5.2.3 基于知识的故障诊断与健康评估方法 152

5.3 基于解析模型的方法 153

5.3.1 基于滤波器的故障诊断方法概述 153

5.3.2 基于滤波器算法的基本流程 155

5.3.3 案例分析 157

5.4 基于数据驱动的方法 162

5.4.1 基于神经网络的故障诊断与健康评估方法 163

5.4.2 基于支持矢量机的故障诊断 179

5.4.3 基于逻辑回归的故障诊断与健康评估 184

5.4.4 基于高斯混合模型的健康评估 187

5.4.5 基于Fisher判别分析的健康评估 193

5.4.6 基于马田系统的故障诊断与健康评估 197

5.5 基于知识的方法 200

5.5.1 专家系统概述 200

5.5.2 基于专家系统的诊断原理 204

5.5.3 基于专家系统的诊断方法 210

5.5.4 基于案例的推理 212

第6章 故障预测 224

6.1 概述 224

6.2 故障预测的基本方法 226

6.3 基于失效物理模型的故障预测 228

6.3.1 基于帕里斯法则的裂纹扩展建模 230

6.3.2 基于Fornan规律的裂纹扩展建模 232

6.3.3 疲劳剥落扩展模型 232

6.3.4 基于刚度的损伤规律模型 235

6.3.5 应用案例 236

6.4 基于统计的预测方法 238

6.4.1 贝叶斯技术 238

6.4.2 隐马尔可夫和隐半马尔可夫模型 239

6.4.3 威布尔（Weibull）分布的稳定区与退化区间隔表示的预测方法 241

6.4.4 比例风险模型预测方法 242

6.4.5 智能乘积极限估计器 244

6.4.6 应用案例 246

6.5 基于数据驱动的预测方法 248

6.5.1 基于时间序列的预测方法 249

6.5.2 基于神经网络的预测方法 251

6.5.3 基于强跟踪滤波器的预测方法 254

6.5.4 基于支持矢量回归的预测方法 256

6.5.5 应用案例 259

第7章 系统验证与评价 262

7.1 概述 262

7.2 验证与评价需求分析 262

7.2.1 验证与评价的内涵与意义 262

7.2.2 验证与评价的一般要求 263

7.2.3 系统验证与RMS验证的关系 263

7.3 验证与评价内容 266

7.3.1 基于系统组成的验证与评价 267

7.3.2 基于系统算法的验证与评价 268

7.4 验证与评价指标 269

7.4.1 验证与评价指标建立原则 270

7.4.2 系统算法的验证评价指标 271

7.5 验证与评价方法 280

7.5.1 系统验证方法及其分类 280

7.5.2 验证方法的选用 283

7.5.3 验证工作流程 284

第8章 工程应用案例 291

8.1 概述 291

8.2 故障诊断与健康管理系统的一般设计开发过程 291

8.2.1 故障诊断与健康管理系统设计分析工作流程 292

8.2.2 故障诊断与健康管理系统的设计过程 292

8.3 直升机完好性与使用监测系统（HUMS） 294

8.3.1 “黑鹰”直升机IMD-HUMS系统 295

8.3.2 史密斯宇航公司GenHUMS系统 298

8.4 飞机故障预测与健康管理系统（PHM） 303

8.4.1 飞机PHM系统 303

8.4.2 美国F-35飞机PHM系统 304

8.5 运输机中央维护系统（CMS） 310

8.5.1 CMS概述 310

8.5.2 霍尼韦尔Primus Epic CMC 312

8.5.3 波音787 ACMS系统 315

8.5.4 空客A380机载维护系统（OMS） 316

8.6 发动机健康管理系统（EHMS） 319

8.6.1 罗·罗公司1900发动机EHMS系统 320

8.6.2 罗·罗公司T800发动机EHMS系统 322

8.7 CA-HUMS直升机完好性与使用监测系统 324

8.7.1 CA-HUMS机载系统 325

8.7.2 CA-HUMS地面系统 325

第9章 展望 328

9.1 航空故障诊断与健康管理技术的发展趋势 328

9.2 故障诊断与健康管理技术的学科发展 329

9.3 发展中的现存问题和面临的挑战 330

9.4 推动发展的实施途径 331

缩略语表 332

参考文献 336

编后记 346