● 摘要
随着飞机结构的不断完善，飞机环境控制系统规模日益庞大，设备种类及数量日益繁多，传统的定期维护和例行检查已无法满足实际要求。如何提高其可靠性、安全性已经成为亟待解决的问题。而故障检测技术能对设备的故障做出早期预报，在此基础上对故障原因作出判断提出决策以避免或减少事故的发生。本论文就针对环控系统关键部件故障检测中存在的关键问题进行分析，并提出有效的解决方法，研究内容主要包括：（1）环控系统关键部件故障检测的三类典型问题，即检测中误报率和漏报率高、缓变和快变故障实时检测和强噪声背景下微弱故障信号检测。（2）针对环控系统控制组件故障检测中误报率和漏报率高的问题，提出了基于双级RBF网络的自适应阈值方法，即采用一次RBF神经网络建立系统的观测器，二次RBF神经网络实现阈值对输入、建模误差等因素的自适应，从而降低环控系统故障检测的误报率和漏报率。（3）针对环控系统换热器缓变和快变故障实时检测问题，提出了利用强跟踪滤波器实时估计系统的状态和未知时变参数的变化，并与卡尔曼滤波器检测效果进行对比，证明了此方法在环控系统故障检测中的实时性和有效性。（4）针对环控系统涡轮冷却器中轴承微弱故障信号检测问题，采用混沌振子对振动数据处理生成相位图，并提出应用不变矩对相位图定量识别，实现了基于混沌振子的微弱故障自动识别检测。