目前航空公司对飞机各个系统的排故和维修方法,主要是依赖国外的监控平台和维修手册,需要高额的软件费用,而且维修手册的查询也十分繁琐,造成人力的浪费。因此,建立适合我国民机的故障诊断与健康管理(Prognostics and Health Management, PHIM)系统是航空公司及飞机维修公司的迫切需求。 本项目利用数据清洗方处理噪声数据、重复数据或者缺失数据,并将非结构化运行数据转换为结构化数据,建立基于QAR数据的引气系统数据集;通过聚类分析、神经网络等方法,实现引汽气系统的故障诊断与剩余寿命预测。本课题面向航司明确需求牵引,涉及民机设计、人工智能、故障诊断多个学科交叉问题。主要研究内容包括:制作飞机引气系统数据集;开展基于聚类分析的引气系统故障诊断;开展基于深度学习的引气系统故障诊断与剩余寿命预测(要求学生熟悉RNN、LSTM等基本算法);最终完成数据验证。