航空发动机多指标模糊信息熵的性能排序研究

依据状态监控信息对民航发动机进行性能排序,可以及时了解发动机性能衰减程度及梯次差异,从而便于制定最优维修计划,达到降低维修费用的目的,因此已成为提高机队管理质量的重要手段.目前航空公司机队管理中对多指标性能排序问题还缺乏科学的方法.该文基于模糊等价聚类和粗糙集理论中的属性信息熵方法,对该类权重信息完全未知的多指标风险决策问题进行理论建模,得到求取各指标综合权重的算法,并举例验证了该算法的客观有效性.     

基于不完备检测的并联系统维修决策研究

为了提高系统的可靠度,并联技术在重要系统上被广泛地采用.针对并联系统中的两冗余部件在物理性能、工作环境等方面的相似性以及检测时存在不完备的特点,提出了不完备交叉检测策略.为此研究了并联系统在此策略下的不同更新情况和相应的更新概率,以检测间隔和检测次数为优化变量、可靠度为约束、期望维修费用率为目标函数,建立了并联系统的优化维修模型.最后,通过实例验证了模型的有效性和经济性.     

基于广义更新过程的航空备件需求和应用

鉴于航空装备的6种故障率特性,建立相应的故障分布模型,用以解决航空备件需求和预测问题。本方法考虑到维修程度的影响,通过广义更新过程分析故障数据,并对维修度进行参数估计,之后采用蒙特卡洛法计算不可修件以及可修件在不同时间段内发生的平均故障数。最后对完全维修和一般维修进行实例比较,结果表明本方法结果更为合理,适用实际情况。     

基于定性指标的民航飞机维修决策方法

为解决飞机复杂性增加与航空公司要求排故时间缩短之间的矛盾,针对传统方法只对故障率等定量指标分析的不足,提出了分析定性指标的思路。对定性指标从安全和经济两个角度考虑,提出了完整的量化方法,并分别用特征向量法和基于信息熵的多属性决策法分析。实现了根据定性指标判断出最有可能出现故障的系统,及故障位置。实例表明思路可行,可缩短排故时间。     

基于变精度粗糙集的航空发动机送修等级决策

航空发动机送修费用与送修等级紧密相关。送修等级设定过高会使送修费用大幅提高,目前国内航空公司缺乏对送修等级的定量控制方法。从数据挖掘角度出发,应用变精度粗糙集理论研究发动机状态参数与各个单元体性能之间的关系,提出了一种基于粗集的航空发动机送修等级决策方法,以期在实际送修决策时能够更加客观地反映发动机实际状态。最后,以CF6型发动机送修维修等级决策规则生成为例,说明该决策方法的有效性。     

民航视情维修决策优化模型发展

目前视情维修是民航业采用的主要维修方式，可以使维修的有效性、经济性大幅度提高。维修决策优化模型对民航维修成本的降低和利润的提升具有显著的指导作用；归纳了视情维修的时间延迟模型、冲击模型、比例危险模型、马尔可夫决策模型等优化模型的建模方法；分析了该类模型在应用中存在的不足，并展望了其发展前景。     

基于自然特征的增强现实注册算法

增强现实标志点注册算法需在场景中叠加各种标志,系统构造复杂.文中在深入研究机器人视觉伺服系统的基础上,提出了利用虚拟视觉伺服技术、基于自然特征的增强现实注册算法.利用特征点和图像矩作为图像特征,推导出了图像特征变化量与虚拟摄像机相对位姿变化量之间的关系矩阵(即图像的雅可比矩阵),实现了基于自然特征的三维注册算法.与混合跟踪注册算法、共面四点注册算法相比,文中方法具有更高的精度.     

虚拟仪器技术在远程故障诊断中的应用

把虚拟仪器和网络技术引入故障诊断,使故障诊断与计算机网络技术和虚拟仪器技术相结合．从对被监测设备进行远程监控的角度,提出了一个基于虚拟仪器技术的远程故障诊断系统模型,对系统的基本功能进行了描述,分析了在现阶段实施该系统过程中需要解决的关键问题,并探索了解决这些问题的途径．     

基于排序规则优化的发动机群维修成本控制方法

考虑发动机在翼状态、维修、库存、租赁等使用过程中的多种成本驱动因素，建立了发动机群总保障成本的混合整数非线性规划模型；在此基础上，分析发动机拆换历史记录，在发动机的在翼寿命已知、备用发动机数量一定、长计划期情况下，研究排序规则对总保障成本的影响，并以CF6 型发动机的使用数据为例对五种算法进行分析比较。 研究结果表明遗传算法得到的调度方案能够使总保障成本最低、保障率最高，贪婪算法和SPT算法次之，LPT 算法比传统的FCFS,算法差。 最后，建议通过建立规则库对不同的案例给出最优的发动机群调度计划方案，从而达到成本控制的目的。     

基于机会维修的复杂系统维修费用仿真研究

针对由多个具有不同失效率部件组成的复杂系统,为了准确掌握其维修费用率,考虑和分析了部件之间在维修方面存在的经济相关性和实际的最小维修情况,采用机会维修策略,设计了系统维修费用的仿真算法。算法中对更换维修及最小维修下的随机故障时间的产生进行了研究。最后通过算例,验证了该仿真算法的正确性。