一、B737飞机空调系统常见故障分析（论文文献综述）
杜林颖,于鸿彬,侯立国,汪天京[1]（2020）在《改进的BP神经网络对飞机换热器结垢厚度预测》文中认为为了节约飞机维修成本,准确预测换热器结垢厚度,通过利用改进的BP神经网络预测模型,利用25组数据,建立了换热器结垢厚度与四个因素（环境温度、空调系统进口压力、初级换热器出口温度、次级换热器出口温度）之间的网络预测模型。模型包括4个输入神经元,9个隐含层神经元和1个输出层神经元。训练结果表明,改进之后的BP神经网络模型不仅克服了原始BP神经网络收敛速度慢,稳定性差的特点,还可以以较高的精度预测换热器的结垢厚度。
周俊[2]（2019）在《探索飞机空调系统组成及日常维护》文中研究说明随着现代民航技术的发展,A320飞机及B737飞机作为成熟机型,被广泛投放使用。飞机结构组成精密,其中飞机空调系统是支撑飞机安全稳定飞行的重要系统模块,起到对飞机客舱及设备舱环境参数跟踪及调整的作用。飞机空调系统在飞机管路部件、飞机运行系统、客货舱、电子设备舱室、驾驶舱内都有应用,运行故障概率大,维护要求高。本文探讨飞机空调系统组成及维护要点。
徐晓[3]（2019）在《B737NG空调系统原理及故障诊断方法的研究》文中研究指明随着中国民航业的快速发展,B737NG已是民航业的主力机型。空调系统是B737NG飞机的重要系统,机队的运行平稳与否和空调系统是否正常工作有密切关系。尤其空调系统同时承载着飞机机舱增压的功能,若万米高空飞机空调系统故障,很可能造成机舱释压,存在严重安全隐患。同时空调系统也是提供机组人员和旅客舒适环境,保障电子设备正常工作的关键,因此有必要对B737NG飞机空调系统进行研究。本文对B737NG空调系统进行了详细研究,分析了空调系统的工作过程及故障机理,以及关键部件之间的故障逻辑关系。采用失效模式效应和临界性分析（FMECA）对机载制冷系统进行分析,列举了各类典型故障模式,并对传统故障排除方式进行梳理分析。同时对大量的B737NG空调系统各种参数进行采集、研究,找出参数与故障的关联因素,利用远程监控软件设置报警门槛值,对于飞机空调性能下降、故障征兆等情况设置邮件报警。通过对大量案例的解读,不断完善报警值及优化处置方式,尝试建立一套提前预警预防性排故机制,力求降低B737飞机空调系统故障对机队平稳运行带来的影响。通过历时一年多的数据采集,反复修改门槛限制值,试验论证,最终确定较为合理的报警区间,使飞机空调系统故障的提前预警成为可能,研究成果可直接使用于目前运营中的航空公司,为避免B737NG飞机空中突发空调系统故障导致飞机返航、备降等重要事件提供了技术支持,保障了旅客乘机出行安全准点,具有实际的经济效益和社会效益。针对对前文的故障分析,设计一套可行的飞机健康管理系统对飞机健康状态进行监控和管理。通过对飞行报文和人员的相关操作进行统计分析获得关键训练和验证数据;同时系统对飞行时的问题报警进行多维度的解析和多种方式的显示,方便维修团队进行事件处理和问题统计分析,提高了检修效率,进而提高飞机的安全性。
杜林颖[4]（2019）在《飞机热交换器性能监测与分析方法研究》文中研究说明飞机空调系统工作状态与乘客的体验息息相关,热交换器作为空调系统的重要组成部件,其性能的变化对空调系统有巨大的影响。每逢春夏季,空气中灰絮等污染物增多,民航飞机频繁发生空调系统地面保护关断的故障,经研究发现飞机空调系统中的热交换器结垢是导致该现象发生的主要原因之一。在此背景下,本文以板翅式热交换器为研究对象,对基于大气污染情况下的热交换器性能监测和分析方法进行了深入研究:首先建立了飞机制冷系统的仿真模型并基于此模型分析出不同因素对热交换器性能的影响规律。然后分析了不同因素对热交换器性能的影响权重并提出了热交换器性能预测方法。最后建立了热交换器性能监测系统。具体研究内容如下:基于Flowmaster平台建立了飞机制冷系统主要组成部件的数学模型,搭建了飞机制冷系统仿真模型,并基于此模型仿真分析了环境温度、制冷系统进气口风压、热交换器污垢厚度三个因素对热交换器性能的影响规律。建立了基于改进的BP神经网络的污垢厚度预测模型,实现了基于环境温度、制冷系统进气口风压、初级热交换器出口温度、次级热交换器出口温度四个参数对热交换器污垢厚度的预测。采用层次分析法,分析了环境温度、制冷系统进气口风压、污垢厚度三个因素对热交换器性能影响的权重分配,并实现了对热交换器性能的预测。设计了飞机热交换器性能监测系统,不仅可以实现对热交换器相关参数的采集,并通过Wi-Fi通讯的方式将数据发送至上位机,还可以从上位机实现对数据的读取、分析与存储,最终实现对热交换器性能的监测。经过测试,热交换器性能预测方法可靠,系统能够比较稳定地实现对热交换器性能的监测,并对数据进行管理,为场外维护时监测热交换器性能提供帮助。
岳霆,李超役,吴鑫睿,孙见忠[5]（2018）在《基于逻辑回归的民机空调系统状态退化评估》文中提出以民机空调系统为对象,根据飞机飞行记录仪中所采集的与空调系统相关的QAR数据,利用逻辑回归模型对设备运行状态的退化情况进行评估,将系统的运行状态划分为健康、亚健康、异常与故障四个退化状态,实现系统关键部件的健康评估与异常监测。借助实际QAR数据,对方法进行了验证,表明评估曲线能较好的反应系统关键部件退化情况,通过合理的报警阈值设置,可以在系统故障前检测到异常,为航空公司合理安排维修计划、减少非计划维修提供了技术支持。
张雪枫[6]（2018）在《基于涡轮故障数值仿真的机载制冷系统故障分析》文中研究说明在机载制冷系统中,涡轮故障多发,对其进行故障仿真分析可以有效、安全且经济地得到故障发生时的相关参数。本文给出了一种系统故障分析方法,选取涡轮进行故障建模与流场分析,然后将其故障状态的特性带入系统从而分析组件故障对系统的影响。本文首先对机载制冷系统的涡轮进行了设计;然后,通过涡轮故障的相关调研,对所设计的涡轮进行故障建模以及CFD数值模拟,计算结果表明,所设计的故障涡轮与正常涡轮相比,在涡轮入口温度以及空气质量流量不变的情况下,故障涡轮的温降与制冷量降低,涡轮效率下降;通过数值模拟拟合故障涡轮的特征曲线,可以看出随着膨胀比增加,故障涡轮的折合流量先逐渐增大最后趋于稳定,这与正常涡轮的规律一致,在同一膨胀比下故障涡轮的折合流量高与正常涡轮;使用Matlab/Simulink对机载制冷系统进行搭建,调控系统通往座舱温度在合理范围内;将拟合出的故障涡轮特征曲线进行故障涡轮组件的建模,并将模型带入到制冷系统内代替正常涡轮进行工作仿真,仿真结果表明,涡轮的故障导致涡轮的制冷量降低,从而使系统的最大制冷量降低。
马森[7]（2017）在《基于组合分析方法的空调系统排故优化研究》文中认为现代民机排故是在测试诊断与维修操作不断交互的执行过程中,实现故障的诊断与排除。空调系统作为现代民机最为重要的系统之一,其内部及各组件之间存在各种不确定因素,且交互式排故过程中会产生各种与排故相关的观测操作、维修操作以及提问等信息,因此对于民机空调系统排故所面临的主要问题是如何从不确定、多源异类信息中获得最终的故障原因。本文针对空调系统故障所具有的不确定性特点,以及民机排故时交互式诊断与多源信息融合的需求,探索一种基于贝叶斯网络结合多步观测模型的民机空调系统诊断排故方法,进而实现对民机空调系统的快速诊断与智能排故。通过对现实排故过程进行深入分析,建立民机空调系统诊断排故物理模型与数学模型,引出导致诊断排故困难的核心因素关联故障,并给出能够用于空调系统贝叶斯网络诊断和排故建模的知识表达。在对诊断与排故模型分析的基础上,针对民机空调系统故障的特点,给出一种基于多级分层的贝叶斯网络专家建模方法;针对民机空调系统故障样本缺乏导致的模型参数学习困难问题,通过结合贝叶斯网络LeakyNoisyOr模型、模糊数学和层次分析法,给出一种基于LeakyNoisyOr模糊评价模型的条件概率求解算法。对航空公司A320机队空调系统故障信息表进行目标征兆提取,通过关联故障分析,采用多级分层专家建模方法实现了对目标故障的专家建模并利用LeakyNoisyOr模糊评价模型进行条件概率求解;通过ACMS获取的数据对模型进行验证工作,结果表明该方法能够大大简化模型对条件概率的需求,提高建模准确性,在已知证据时优先排查后验概率大的组件,可提高维修效率。将诊断模型转化为贝叶斯网络排故模型,并结合向前多步观测模型,融入观测、代价、维修操作等多源信息,通过实例与仿真验证了该方法在民机空调系统快速诊断与智能排故上的有效性;采用C#与matlab混合编程进行诊断排故系统的设计与实现工作。
石向阳[8]（2017）在《基于FTA的B737-300空调系统故障诊断研究》文中研究说明飞机因其结构复杂,组成部件繁多,要检测的参数很多,而且各种参数之间存在着复杂关系,故障现象也多种多样,最常见的也有几万种,这就决定了飞机的故障诊断是一项非常复杂的工作。文章阐述了故障树分析法（Fault tree analysis,FTA）,并以B737-300为研究对象,把两者有机的结合起来,并在故障树的建立和定性定量分析的基础上进行空调系统故障诊断,使空调系统能够正常安全运作,尽最大可能保证旅客的安全,为旅客提供一个舒适安逸的生存环境。
俞扬[9]（2014）在《飞机空调系统故障诊断与案例分析》文中认为空调系统作为飞机系统的重要组成部分,具有十分广阔的功能以及研究意义。但是,空调系统多发性、复杂性、重复性的结构功能特点,使其年故障率占飞机系统的三分之一。目前现有的文献和一些机型的相关手册涉及面窄、种类单一,在故障诊断分析方法和手段上,缺乏足够的实例与理论方法间的对比,因此在遇到实际故障时,可能无法找到合适的诊断方法。本文将飞机空调系统作为研究对象,在对其充分了解的基础上,利用几种常见的工程分析方法,对空调系统中的常见故障进行分析,并对不同分析方法的结果进行对比。本文的主要内容如下:（1）通过研究飞机空调系统的发展史,了解其核心技术的变革和发展。（2）深入研究B737NG飞机空调系统的组成、布局以及功能。对比不同机型飞机的空调系统,了解它们的不同,并进行一定的归纳总结。（3）熟练掌握几种工程领域常用的故障分析方法,对它们的适用性、优缺点以及理论基础有一定的了解。具体地说:利用不同的分析方法,对空调系统中的常见故障进行分析,得到故障发生的原因。并且通过对比不同方法的分析结果,进一步分析各方法的适用性。例如,通过对飞机冷却系统的故障案例分析,发现故障树分析法在面对复杂且未知的系统故障时,分析具有不彻底性的缺点;通过对飞机设备冷却系统的故障案例分析,发现事件树分析法不适用于多系统故障分析等。本文的研究方法和相关结论,为类似系统故障分析方法的选用和操作过程提供了新的思路,对提高故障分析的可靠性和工程实际的操作性具有重要的参考价值。
王立纲,王洪军[10]（2013）在《Cessna 525飞机引气系统典型故障分析》文中研究说明该文简述了Cessna 525飞机引气系统的功能、组成和工作原理,总结归纳了该系统常见的故障,并对一起引气系统典型故障进行了分析探讨,最后给出了引气系统排故的注意事项。
二、B737飞机空调系统常见故障分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、B737飞机空调系统常见故障分析（论文提纲范文）
（1）改进的BP神经网络对飞机换热器结垢厚度预测（论文提纲范文）
| 1 引言 |
| 2 改进的BP神经网络 |
| 2.1 引入附加冲量 |
| 2.2 引入自适应学习率 |
| 3 选取实验样本 |
| 4 改进的BP神经网络预测模型 |
| 4.1 模型的确立 |
| 4.2 数据归一化处理 |
| 5 训练结果及分析 |
| 6 结束语 |
（2）探索飞机空调系统组成及日常维护（论文提纲范文）
| 1 飞机空调系统组成基本概述 |
| 2 飞机空调系统构成子系统工作原理 |
| 2.1 飞机区域温度控制系统 |
| 2.2 飞机客货舱增压系统 |
| 2.3 飞机电子设备通风系统 |
| 2.4 飞机货舱通风系统及加热系统 |
| 3 飞机空调系统组件日常维护 |
| 3.1 飞机驾驶舱及客舱温度平衡维护 |
| 3.2 飞机空调系统流量控制活门维护 |
| 3.3 飞机空调系统传感器及继电器维护 |
| 4 结语 |
（3）B737NG空调系统原理及故障诊断方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 飞机空调系统概述 |
| 1.2 空调系统故障研究现状 |
| 1.3 研究目的及意义 |
| 1.4 本文主要研究内容 |
| 第2章 飞机空调系统故障模式影响分析 |
| 2.1 飞机空调系统 |
| 2.1.1 分配系统 |
| 2.1.2 制冷系统 |
| 2.1.3 加温系统 |
| 2.1.4 设备冷却系统 |
| 2.1.5 温度控制系统 |
| 2.1.6 增压系统 |
| 2.1.7 主要故障分析 |
| 2.2 故障模式影响及危害分析——FMECA |
| 2.2.1 FMECA介绍 |
| 2.2.2 FMECA应用 |
| 2.3 本章小结 |
| 第3章 空调制冷系统与故障排除法 |
| 3.1 空调制冷系统概述 |
| 3.1.1 冲压进气部件 |
| 3.1.2 空气循环机 |
| 3.1.3 主/次散热器和集气/扩压组件 |
| 3.1.4 温控活门/备用温控活门 |
| 3.2 空调制冷系统工作原理 |
| 3.3 飞机故障排除流程 |
| 3.4 空调制冷系统故障排除分析 |
| 3.5 本章小结 |
| 第4章 基于数据平台的故障排除方法研究 |
| 4.1 译码及报文监控原理 |
| 4.2 空调制冷系统参数监控 |
| 4.2.1 参数合理区间及报警门槛值设置原则 |
| 4.2.2 参数合理区间及报警门槛值确立 |
| 4.3 监控报文实例与解读 |
| 4.4 监控报文的优化 |
| 4.5 本章小结 |
| 第5章 飞机健康管理系统设计 |
| 5.1 设计思路 |
| 5.2 研究方案 |
| 5.2.1 空调系统样本库构建 |
| 5.2.2 空调系统故障诊断技术 |
| 5.2.3 空调系统健康指数评估方法 |
| 5.2.4 空调系统健康预测方法 |
| 5.3 系统架构设计 |
| 5.3.1 数据采集模块 |
| 5.3.2 数据存储模块 |
| 5.3.3 前端展示模块 |
| 5.3.4 前端操作模块 |
| 5.3.5 数据统计模块 |
| 5.3.6 数据展示分析模块 |
| 5.3.7 AI故障诊断系统 |
| 5.4 数据库设计 |
| 5.5 本章小结 |
| 总结与展望 |
| 研究总结 |
| 研究展望 |
| 致谢 |
| 参考文献 |
（4）飞机热交换器性能监测与分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 相关研究与现状 |
| 1.2.1 飞机空调系统仿真技术相关研究与现状 |
| 1.2.2 飞机热交换器性能相关研究与现状 |
| 1.3 本文的研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 本文研究内容与章节安排 |
| 第二章 飞机热交换器性能影响因素分析 |
| 2.1 热交换器性能影响因素的确定 |
| 2.2 分析方案的确定 |
| 2.2.1 飞机制冷系统工作原理 |
| 2.2.2 仿真方案的设计 |
| 2.3 仿真模型的搭建 |
| 2.3.1 Flowmaster数据分析方法介绍 |
| 2.3.2 建立制冷系统主要元件数学模型 |
| 2.3.3 搭建制冷系统仿真模型 |
| 2.4 仿真实验与结果分析 |
| 2.4.1 污垢厚度对热交换器性能影响仿真结果与分析 |
| 2.4.2 环境温度对热交换器性能影响仿真结果与分析 |
| 2.4.3 制冷系统进气口风压对热交换器性能影响仿真结果与分析 |
| 2.5 本章小结 |
| 第三章 飞机热交换器性能预测方法研究 |
| 3.1 预测方案的确定 |
| 3.2 热交换器污垢厚度的预测研究 |
| 3.2.1 确定污垢厚度预测方法 |
| 3.2.2 污垢厚度预测与分析 |
| 3.3 热交换器性能的预测研究 |
| 3.3.1 确定热交换器性能预测方法 |
| 3.3.2 热交换器性能预测与分析 |
| 3.4 本章小结 |
| 第四章 飞机热交换器性能监测系统的实现 |
| 4.1 热交换器性能监测系统方案的设计 |
| 4.1.1 硬件方案的设计 |
| 4.1.2 软件方案的设计 |
| 4.2 热交换器性能监测系统的应用 |
| 4.3 热交换器性能监测系统的可靠性验证 |
| 4.3.1 验证方案的设计 |
| 4.3.2 现场监测结果与仿真结果的对比分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文及参加科研情况 |
| 致谢 |
（5）基于逻辑回归的民机空调系统状态退化评估（论文提纲范文）
| 1 空调系统在线监测参数分析 |
| 1.1 空调系统概述 |
| 1.2 空调系统在线监测参数分析 |
| 2 逻辑回归理论 |
| 2.1 逻辑回归模型 |
| 2.2 逻辑回归模型参数估计 |
| 3 案例验证 |
| 3.1 数据预处理 |
| 3.2 训练样本选择 |
| 3.3 模型训练与测试 |
| 4 结论 |
（6）基于涡轮故障数值仿真的机载制冷系统故障分析（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文研究目的与主要工作 |
| 第二章 数值计算方法 |
| 2.1 机载制冷系统主要部件计算方法 |
| 2.1.1 涡轮 |
| 2.1.2 热交换器 |
| 2.1.3 调节阀门 |
| 2.1.4 系统进气参数 |
| 2.2 流体力学基础理论 |
| 2.2.1 控制方程 |
| 2.2.2 湍流模型 |
| 2.3 本章小结 |
| 第三章 涡轮设计与故障分析 |
| 3.1 涡轮设计 |
| 3.1.1 涡轮一维设计 |
| 3.1.2 涡轮三维设计 |
| 3.2 涡轮流场数值仿真 |
| 3.2.1 边界条件 |
| 3.2.2 模拟结果分析 |
| 3.3 涡轮故障分析 |
| 3.3.1 涡轮故障建模 |
| 3.3.2 叶轮断裂故障分析 |
| 3.3.3 喷嘴环叶片磨损断裂故障分析 |
| 3.4 涡轮性能分析 |
| 3.5 本章小结 |
| 第四章 基于涡轮故障的机载制冷系统分析 |
| 4.1 主要部件的建模 |
| 4.1.1 涡轮 |
| 4.1.2 故障涡轮 |
| 4.1.3 热交换器 |
| 4.1.4 水分离器 |
| 4.1.5 调节阀门 |
| 4.2 机载制冷系统分析 |
| 4.2.1 正常工作状态分析 |
| 4.2.2 稳态故障分析 |
| 4.2.3 动态故障分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
（7）基于组合分析方法的空调系统排故优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 民机诊断排故技术的发展 |
| 1.2.2 贝叶斯网络在诊断排故中的应用 |
| 1.3 本文研究内容与结构安排 |
| 1.3.1 研究背景 |
| 1.3.2 论文结构安排与核心研究内容 |
| 第二章 空调系统排故模型及故障关联性分析 |
| 2.1 民机空调系统诊断排故模型 |
| 2.1.1 空调系统概况 |
| 2.1.2 空调系统故障概述 |
| 2.1.3 空调系统诊断排故物理模型 |
| 2.1.4 空调系统诊断排故数学模型 |
| 2.2 空调系统故障关联性分析 |
| 2.2.1 关联故障的层次性 |
| 2.2.2 关联故障的相关性 |
| 2.2.3 关联故障的不确定性 |
| 2.3 诊断排故模型的因果表达与数学表达 |
| 2.3.1 诊断排故模型的因果关系 |
| 2.3.2 诊断排故模型的数学表达 |
| 2.4 本章小结 |
| 第三章 贝叶斯网络及其建模方法研究 |
| 3.1 贝叶斯网络的基本概念 |
| 3.2 基于多级分层的专家建模方法 |
| 3.2.1 目标系统的分解 |
| 3.2.2 贝叶斯网络构建 |
| 3.2.3 贝叶斯网络集成 |
| 3.3 基于LEAKYNOISYOR模糊评价模型的条件概率求解算法 |
| 3.3.1 LeakyNoisyOr模型 |
| 3.3.2 模糊综合评判模型 |
| 3.3.3 模糊综合评判过程 |
| 3.4 贝叶斯网络的推理 |
| 3.4.1 贝叶斯网络的推理方式 |
| 3.4.2 贝叶斯网络的推理算法 |
| 3.5 本章小结 |
| 第四章 基于贝叶斯网络的民机空调系统建模诊断 |
| 4.1 基于多级分层的网络建模 |
| 4.1.1 故障信息表简述 |
| 4.1.2 故障征兆提取 |
| 4.1.3 关联故障提取 |
| 4.1.4 网络建模过程 |
| 4.2 基于LEAKYNOISYOR模糊评价模型的条件概率求解 |
| 4.3 基于ACMS数据的模型验证 |
| 4.3.1 ACMS客户化编程技术 |
| 4.3.2 空调组件参数采集 |
| 4.3.3 模型验证 |
| 4.4 本章小结 |
| 第五章 基于向前多步观测模型的民机排故优化 |
| 5.1 向前多步观测模型 |
| 5.1.1 代价确定与模型知识表达 |
| 5.1.2 向前多步观测模型 |
| 5.2 实例分析与仿真验证 |
| 5.2.1 实例分析 |
| 5.2.2 蒙特卡罗仿真验证 |
| 5.3 诊断排故系统设计与实现 |
| 5.3.1 整体需求分析 |
| 5.3.2 系统设计与实现 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于FTA的B737-300空调系统故障诊断研究（论文提纲范文）
| 1 引言 |
| 2 FAT概述 |
| 2.1 故障树的建立 |
| 2.2 故障树的知识表示 |
| 3 B737-300空调系统概述 |
| 4 基于FTA的B737-300空调系统故障诊断 |
| 4.1 故障案例 |
| 4.2 FTA分析 |
| 4.2.1 最小割集 |
| 4.2.2 底事件重要度 |
| 4.3 诊断对比 |
| 5 结论 |
（9）飞机空调系统故障诊断与案例分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究内容 |
| 1.1.1 空调系统概述 |
| 1.1.2 故障分析方法 |
| 1.2 本文研究意义 |
| 1.3 空调系统故障研究现状 |
| 1.4 本文结构安排 |
| 第二章 飞机空调系统 |
| 2.1 B737NG飞机空调系统 |
| 2.1.1 分配系统 |
| 2.1.2 冷却系统 |
| 2.1.3 加温系统 |
| 2.1.4 设备冷却系统 |
| 2.1.5 温度控制系统 |
| 2.1.6 增压系统 |
| 2.2 不同机型的空调系统 |
| 2.2.1 冷却系统 |
| 2.2.2 引气系统 |
| 2.2.3 温度控制系统 |
| 2.2.4 座舱压力调节系统 |
| 2.2.5 对比与分析 |
| 2.3 空调系统常见故障 |
| 2.4 本章小结 |
| 第三章 故障分析方法 |
| 3.1 故障树分析法 |
| 3.1.1 数学基础 |
| 3.1.2 故障树的编制 |
| 3.1.3 故障树的分析方法 |
| 3.1.4 故障树分析法小结 |
| 3.2 事件树分析法 |
| 3.2.1 事件树分析法的基本理论 |
| 3.2.2 事件树分析法的编制 |
| 3.2.3 事件树的定性分析 |
| 3.2.4 事件树的定量分析 |
| 3.2.5 事件树分析法小结 |
| 3.3 FMECA分析法 |
| 3.3.1 基本介绍 |
| 3.3.2 基本功能 |
| 3.3.3 FMECA的适用性与局限性 |
| 3.4 本章小结 |
| 第四章 故障案例分析 |
| 4.1 案例一：关于飞机空调分配系统的案例分析 |
| 4.1.1 案例描述 |
| 4.1.2 理论分析过程 |
| 4.1.3 故障树分析法的应用 |
| 4.1.4 事件树分析法的应用 |
| 4.1.5 案例一总结 |
| 4.2 案例二：关于飞机驾驶舱调节空气分配系统的案例分析 |
| 4.2.1 案例描述 |
| 4.2.2 理论分析过程 |
| 4.2.3 故障树分析法的应用 |
| 4.2.4 事件树分析法的应用 |
| 4.2.5 案例二总结 |
| 4.3 案例三：关于飞机舱门区域加温系统的案例分析 |
| 4.3.1 案例描述 |
| 4.3.2 理论分析过程 |
| 4.3.3 故障树分析法的应用 |
| 4.3.4 事件树分析法的应用 |
| 4.3.5 案例三总结 |
| 4.4 案例四：关于飞机设备冷却系统的案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 理论分析过程 |
| 4.4.3 故障树分析法的应用 |
| 4.4.4 事件树分析法局限性说明 |
| 4.5 案例五：关于飞机冷却系统的案例分析 |
| 4.5.1 案例描述 |
| 4.5.2 理论分析过程 |
| 4.5.3 故障树分析法的应用 |
| 4.5.4 基于数据统计的故障分析 |
| 4.5.5 案例五总结 |
| 4.6 案例六：关于飞机温度控制系统的案例分析 |
| 4.6.1 案例描述 |
| 4.6.2 理论分析过程 |
| 4.6.3 故障树分析发的应用 |
| 4.6.4 事件树分析法的应用 |
| 4.6.5 案例六总结 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
四、B737飞机空调系统常见故障分析（论文参考文献）
- [1]改进的BP神经网络对飞机换热器结垢厚度预测[J]. 杜林颖,于鸿彬,侯立国,汪天京. 计算机仿真, 2020(01)
- [2]探索飞机空调系统组成及日常维护[J]. 周俊. 科技创新导报, 2019(31)
- [3]B737NG空调系统原理及故障诊断方法的研究[D]. 徐晓. 西南交通大学, 2019(04)
- [4]飞机热交换器性能监测与分析方法研究[D]. 杜林颖. 天津工业大学, 2019(07)
- [5]基于逻辑回归的民机空调系统状态退化评估[J]. 岳霆,李超役,吴鑫睿,孙见忠. 兵器装备工程学报, 2018(09)
- [6]基于涡轮故障数值仿真的机载制冷系统故障分析[D]. 张雪枫. 南京航空航天大学, 2018(02)
- [7]基于组合分析方法的空调系统排故优化研究[D]. 马森. 中国民航大学, 2017(01)
- [8]基于FTA的B737-300空调系统故障诊断研究[J]. 石向阳. 大众科技, 2017(02)
- [9]飞机空调系统故障诊断与案例分析[D]. 俞扬. 中国民航大学, 2014(03)
- [10]Cessna 525飞机引气系统典型故障分析[J]. 王立纲,王洪军. 科技创新导报, 2013(12)