基于数据挖掘的飞机故障预测模型及方法的研究

《基于数据挖掘的飞机故障预测模型及方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图爲姑謂我麟硕±学位论文胃Ｔ■＃基于数据挖掘的飞机故障预测模型及方法的，研究作者姓名巩四方学校导师姓名、职赖马文平教授企业导师姓名、职敌孙永兴高工申请学位类别工巧硕±＾学校代巧１０７０１学号１３０１１２０５０４分类号ＴＰ３０１．６密级公开巧安电子科技大学硕壬学位论文基于数据挖掘的飞机故障预测模型及方法的研究作者姓名：巩四方领域：电子与通信工程学位类别：工程硕±学校导师姓名、职称：马文平教授企业导师姓名、职称！孙永兴局工学院：通信工程学院提交日期：２０１５年１１月Resear

2、chonDataMining-BasedPrognosticModelsforAircraftFaultAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByGongSifangSupervisor:Prof.MaWenpingSunYongxingSeniorEngineerNov2015西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本

3、人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢中所罗列的内容外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一切法律责任学位论文若有不实之处，本人承担。本人签名＼鸣知心备、。、：庭日期：勺西安电子科技大学关于论文使用授权的说明目本人完全了解西安电子科技大学有关保留和使用学位论文的规定，Ｐ；研究生在校攻读学位期间论文工作的知识产权单位属于

4、西安电子科技大学。学校有权保留送交论文的复印件，允许查闽、借阁论文；学校可Ｗ公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。、本人签名：如■您若导师签名：仪＾日期：Ｗ护侣、＾日期：碎－心＾摘要摘要随着航空科技的飞速发展，飞机设备也越来越复杂，对飞机故障的诊断和预测也提出了新的挑战。近年来，飞机部件的稳定性虽然在不断提高，但是飞机故障的预测仍然是一项艰巨的任务，一旦飞行过程中发生任何故障或失效都会造成巨大的损失。因

5、此，更准确的预测飞机故障具有重要的社会价值和经济价值。数据挖掘技术是近些年发展起来的一门技术，它有着非常广阔的应用前景，数据挖掘技术能应用在各个领域，因此在与飞机故障预测方面的结合也有着广阔的前景。本文主要研究了用灰色模型和支持向量机模型预测飞机轴承损耗率，用灰色模型和神经网络模型预测飞机主燃油控制系统失效率这两个问题。1.对飞机轴承损耗率的预测。首先对飞机轴承损耗率的数据进行了采集与特征分析，通过对几种模型的对比分析，选择采用灰色预测模型和支持向量机模型对飞机轴承损耗率进行预测。然后用灰色模型选择不同的建模长度对轴承损耗率进行了预测，用支持向量机选择不同的参数对轴承损耗率进行了预测；接下来

6、分析了这两种模型的优缺点然后分析了将两种模型进行融合的可行性，然后用融合的灰色支持向量机模型对轴承损耗率进行了预测。最后将三种模型的预测结果进行分析对比，证明了灰色支持向量机模型充分发挥了灰色模型所需数据量少，贫信息预测效果好、支持向量机非线性映射能力强的特性，相比两种单一的模型有更好的预测效果。2.对飞机主燃油控制系统失效率的预测。首先对飞机主燃油控制系统失效率的数据进行了分析，分析得出适合采用灰色模型和神经网络模型对其进行预测。然后用这两种模型选择最佳参数和合适的网络结构进行了预测；接着分析了融合模型的可行性，给出采用线性加权的方式和直接组合的方式的两种融合模型，然后用这两种融合模型对主

7、燃油控制系统失效率进行了预测。接下来通过对四种模型的预测结果的比较和评价，得出直接型灰色神经网络模型的预测效果最好，比线性加权型灰色神经网络模型和单一模型的预测效果好很多，充分发挥了灰色系统所需样本数据量少、对不确定信息预测效果佳、神经网络具有非线性映射和自学习、自适应等特性。最后，对开发的飞机机务维护管理系统的结构和部分页面进行了说明与展示。关键词：飞机故障，数据挖掘，灰色模型，支持向量机，神经网络论文类型