1、本文將粗集和模糊集相結合，從數據預處理、特征提取、故障識別等方面。對以粗集和模糊集相結合的飛機故障診斷算法做了探索性研究： 在論文第一章中，綜述了國內外故障診斷和民航中故障診斷技術發(fā)展狀況，并根據粗集和模糊集的發(fā)展現狀和民航故障診斷的特點，指出將粗集和模糊集相結合用于飛機故障診斷的必要性，并進行了可行性分析；第二章對粗集和模糊集理論進行了介紹：第三章針對飛機故障特征提取面臨的諸多問題，重點討論了飛機故障信息系統(tǒng)中屬性離散和屬性約

2、簡問題，研究并提出了基于粗集和模糊集相結合的特征參數獲取算法。采用真實的發(fā)動機數據驗證了算法的有效性。第四章針對飛機故障數據缺失問題，考慮到飛機故障缺失數據的隨機性和不確定性，重點討論了各參數屬性值的概率分布以及隨機落影函數的最大值問題，研究并提出了基于隨機集數據補齊算法。研究結果表明，算法對補齊具有模糊性、連續(xù)性、平穩(wěn)性的飛機故障數據非常有效，精度較高，具有較小的隨機誤差：第五章針對飛機故障識別和狀態(tài)監(jiān)測中的參數冗余問題，重點討論了如

3、何提高識別正確率和改善由于故障特殊性帶來的識別算法的魯棒性問題，研究并提出了一系列的基于模糊集距離、貼近度、聚類等飛機故障識別算法。研究結果表明，這些算法能夠去除干擾因素的影響,提高了識別的效率和精度，在同等條件下，識別精度高于BP網絡。在論文最后，將以上研究的算法進行計算機仿真，編制相應的程序，分別封裝成單個模塊，集成到飛機遠程故障診斷系統(tǒng)平臺系統(tǒng)中，為進一步實現飛機的遠程故障診斷奠定了基礎；將以上研究的算法用于飛機故障診斷實踐中，并

4、取得了較好的效果：提取的特征參數分別是導致航空發(fā)動機故障和影響飛機起落架維修性的關鍵因素；軍用和民用發(fā)動機故障數據補齊的精度達到96.42％；在民用發(fā)動機狀態(tài)監(jiān)測實例中，基于模糊粗集的識別算法正確率達到98.4％，在同等條件下，BP網絡的識別正確率最高達到84.1％：在發(fā)動機轉子故障識別實例中，識別結果全部正確：對于飛機燃油系統(tǒng)健康監(jiān)控中的噴嘴堵塞故障模式?；谀：旨淖R別算法比改進的狀態(tài)因子診斷法有一定的優(yōu)勢. 以上研究的診

5、斷算法具有一定的創(chuàng)新性和實用性，算法的有用性得到真實飛機故障實例的驗證。基于模糊粗集的飛機故障特征參數獲取算法為解決飛機故障診斷中知識庫龐大和故障參數冗余等問題，提供了一種有效途徑和手段；基于隨機集的故障數據補齊算法為解決當前飛機故障診斷中存在的不完整性、不確定性等問題，提供了一個有效的工具：基于模糊粗集的飛機故障識別算法為解決當前飛機故障識別中的算法魯棒性不強、抗干擾能力差、計算量大等問題，提供了一種新的思路。這些算法在飛機故障診斷中