1、目前，專家系統(tǒng)是智能診斷系統(tǒng)的主要應(yīng)用形式之一，專家系統(tǒng)應(yīng)用于飛機故障診斷已經(jīng)成為國內(nèi)外研究的熱點。然而，專家系統(tǒng)在解決實際問題時，往往會遇到大量參數(shù)化知識，其特點是邊界比清楚，具有部分重疊現(xiàn)象，有必要用模糊規(guī)則和隸屬函數(shù)來表示這些知識。為了縮短規(guī)則匹配過程，加快推理速度，并使系統(tǒng)具有自學(xué)習(xí)能力，將神經(jīng)網(wǎng)絡(luò)引入專家系統(tǒng)是一種有效途徑。專家系統(tǒng)是基于邏輯演繹的，神經(jīng)網(wǎng)絡(luò)則是基于集體計算，它們代表了兩種相互補充的方法，將專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)方

2、法結(jié)合起來可以更好地發(fā)揮各自的特長，以解決單獨使用專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)所無法解決的問題。基于此思想，本論文采用了診斷專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的協(xié)同工作方法，即在高層采用結(jié)構(gòu)分解，底層采用故障分解，針對不同層次上的分解采用不同的診斷方法，這樣可以提高診斷的有效性、充分發(fā)揮不同診斷方法的優(yōu)點。
　　 本課題在分析飛機故障診斷過程的基礎(chǔ)上將BP神經(jīng)網(wǎng)絡(luò)算法引入飛機故障診斷的基于案例推理的專家系統(tǒng)中，利用神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶和模式識別功能，

3、將飛機故障各項參數(shù)的異常值與已知故障模式的標(biāo)準故障參數(shù)值進行對比可以有效解決飛機故障診斷過程中的邏輯推理難題。在此基礎(chǔ)上實現(xiàn)排故知識共享，形成推理規(guī)則，輔助機務(wù)維修工程師進行飛機系統(tǒng)故障預(yù)測與故障診斷，從而極大地提高機務(wù)人員的排故工作效率，縮短故障診斷的時間，提高飛機維修的質(zhì)量，同時還便于將飛機維修專家的經(jīng)驗推廣，提高飛機維修工程師的整體業(yè)務(wù)水平。
　　 通過對人工神經(jīng)網(wǎng)絡(luò)(ANN)的深入研究，針對體現(xiàn)神經(jīng)網(wǎng)絡(luò)智能主體的學(xué)習(xí)算法

4、，設(shè)計合理的基于BP學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)模型，以波音PW4000型發(fā)動機為例，在采集了充分的發(fā)動機故障數(shù)據(jù)后，結(jié)合典型的故障經(jīng)驗數(shù)據(jù)，選取合適的特征向量作為狀態(tài)輸入并在MATLAB中進行模擬故障診斷，并和實際故障數(shù)據(jù)對比，以此說明了該故障診斷專家系統(tǒng)的實用性。
　　 系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模塊仿真實例中采用三層網(wǎng)絡(luò)結(jié)構(gòu)，4個輸入節(jié)點，中間層為10個，輸出層與故障模型相對應(yīng)為12個節(jié)點。在算法方面，經(jīng)過多次實驗，使用梯度下降法迭代不斷修正權(quán)