Page 129 - 航空电子传感器技术的研究与应用

Research and Application of Avionics Sensor Technology
航空电子传感器技术的研究与应用

包含的信息来判断故障是否存在的一种故障诊断手段。基于信息的核心思想是利
用储存数据和其他各类传感器数据进行信息综合来判断信号是否在正确范围内，
典型方法有信号处理、粗糙集、多元统计分析、信息融合、人工免疫、专家系统、

智能学习算法等。各国学者从 20 世纪 80 年代开始就围绕这一思路开展对于飞机
传感器的故障诊断研究。HANDELMAN 等在解析余度的基础上，通过建立基于
规则的专家系统来增强对于传感器故障的监测能力；OOSTEROM 等针对小型商
务机的冗余传感器系统，研究了基于模糊逻辑的传感器信息综合系统，抑制单一

传感器故障，并设计了“虚拟传感器”辅助投票，诊断二余度传感器的故障信息；
OSSMANN 等利用基于模型和基于信息的复合诊断方式检测和定位大型商务机的
迎角传感器，其中，基于信息方法主要应用了离散傅里叶分析和特征检测技术；
张玉等基于飞控系统传感器故障产生的突变成分，通过小波包对原始信号进行分

解，提取特征作为神经网络的训练数据；宁东方等结合遗传算法和小波变换，设
计了针对飞控传感器 3 种不同故障的自适应诊断算法。
神经网络一直是基于信息方法的热门算法之一，许多学者的故障诊断研究都
是基于神经网络开展的。WAN 等提出了基于 RBF 神经网络的在线学习传感器故

障诊断算法，同时在结构内引入内嵌滤波器增强对传感器故障的敏感程度，降低
对噪声和干扰的敏感性；李刚等提出改进的经验模态分解—排列熵算法，对固有
模态信号进行重构，以此为训练样本，建立概率神经网络模型预测陀螺故障。虽
然现阶段已有学者对此进行了初步研究，但理论研究和实际应用都还有很大的空

间待挖掘。
除神经网络以外，也有学者不断探索新的机器学习方法在传感器故障诊断上
的应用，其中，支持向量机（SVM）凭借优异的分类性能受到多学者的关注。
胡良谋等提出了基于最小二乘 SVM 的飞控系统故障诊断方法，在保证诊断精度

的同时，对于学习的速度也有所提升；吴学钊等采用自适应局域均值分解提取电
传飞控传感器故障的特征值，基于 SVM 方法对故障进行分类；尹伟等研究了基
于差分交叉验证的 SVM 飞控系统传感器故障诊断算法，仿真结果表明，算法的
分类效果在故障分类上具有一定的优势。除上述研究之外，化永朝等综述了可诊

断性的概念，并分别从定性模型、定量模型和数据驱动 3 个角度对该概念进行解
释，为航空器故障诊断提供了一种新思路。

114