重庆理工大学学报2023，Vol.37Issue(21) ：293-299.DOI:10.3969/j.issn.1674-8425(z).2023.11.031

飞机舱门收放系统CPSO-BP神经网络故障仿真与诊断

CPSO-BP neural network fault simulation and diagnosis of aircraft door retracting system

王强 吴伟 刘东 娄华语 王良模
重庆理工大学学报2023，Vol.37Issue(21) ：293-299.DOI:10.3969/j.issn.1674-8425(z).2023.11.031
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

飞机舱门收放系统CPSO-BP神经网络故障仿真与诊断

CPSO-BP neural network fault simulation and diagnosis of aircraft door retracting system

王强 1吴伟 2刘东 1娄华语 2王良模2
扫码查看

作者信息

  • 1. 航空工业沈阳飞机设计研究所,沈阳 110000
  • 2. 南京理工大学 机械工程学院,南京 210014
  • 折叠

摘要

针对民机舱门收放系统故障模拟代价大、故障数据少、故障诊断精度低的问题,提出基于CPSO-BP神经网络的飞机舱门收放系统故障诊断方法.根据民机舱门系统工作特性和高发故障的情况,确定流量控制阀磨损、液压马达泄漏、液压油污染和节流阀阻塞4 种典型故障模式;建立飞机舱门AMESim收放系统仿真模型,通过典型故障的仿真分析获得120 组故障数据,构建包含29 520 个样本的故障数据集;采用BP神经网络进行故障诊断,其平均诊断正确率仅为85.36%.采用混沌粒子群算法(CPSO)优化BP神经网络的初始权重和阈值,故障诊断正确率达到93%,提高了飞机舱门收放系统的故障诊断正确率.

关键词

故障诊断/AMESim/飞机舱门收放系统/BP神经网络/混沌粒子群优化算法(CPSO)

Key words

fault diagnosis/AMESim/aircraft cabindoor retracting system/BP neural network/chaotic particle swarm optimization(CPSO)

引用本文复制引用

基金项目

科工局基础科研项目(JCKY2020205B014)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量9
段落导航相关论文