机载电子设备智能故障诊断

合集下载

机载计算机系统的故障诊断

机载计算机系统的故障诊断
ARl NC6 9、 AR1 C5 1、 M I — S D 一 2 N 6 L T
15 B等 . 中主要 是 4 9 15 B信 号。 53 其 2 和 53 () 同位 器 信 号 : 也 就 是 ARNC 0 2 1 4 7信 号 , 主要 来 自于航姿 系统 。 () 模拟 信 号 : 3 其信 号范 围一般 在 一1V ̄3V 0 0
算机 自 动测试系统。它综合运用上述测试方法 完
成对 不 同机 型的机 载计 算 机系统 的故 障诊 断及 早期 故 障预警 。由于 其应用 范 围广 ,装 备的部 队将 具有
维普资讯
Mac 0 2'o.3NoIsr l . 6 rh2 0 / 1 3 .(el No1 ) a 0
多机 型 电子 系统 维 护能 力 ,适 于战时 多 型大机群 高 强度 的地面 维护 工 作 。
2 故 障 诊 断 的 信 号 种 类
故障 诊 断 系统 要 仿 真 和 检 测 的 信 号 种 类 , 也 就 是机 载计算 机 系 统接 收和输 出的信 号种 类 。 目前 国 内军 机一般 包 括 以下信 号 : () 航 空 总 线 信 号 : 包 括 ARNC 2 1 I 49、
[ 关键词] 机 栽计算机 : 障诊断: 故 仿真 [ 中图分类 号]V271T 2 6 4 .: P0 %1[ 文献 标识 码] [ A 文章编 号]0 61 1 2 0 )104.4 10 -4X(020 .050
1 研 究 的 目的与 意 义
随着 机 载 计 算 机 的不 断增 多 和 电子 设备 的 日 趋综 台化 ,计 算机 系统 的可 靠 性 问题 显得 越来越 突 出。因此各 机 场场 站都 在加 强对 机载 计算 机系 统 的 测试 工作 。 目前用 于一 线维 护 检查 的 自动 测试 设备 (T A E)已经开 始使 用 并逐 渐 普及 ,而 二 线及 三线 使 用 的 故 障 诊 断 设 备 还 处 于专 用 型 或 人 工 测 试 阶 段 ,跟不 上机 载 设备 的发展 , 己不 适应 战时 高强度 大 范围 的检 查 维 护工作 。 纵 观 机 载 计 算 机 系 统 ,如 大气 数 据 系统 、 飞 行 控制系 统 、惯性 导航 系统 、火控 系统及 平显 系统 等 ,尽管任 务 繁 杂多样 ,但其 实现 原理及 处理 信 号 的种类却 大 同小 异 .因此研 究设计 整个 机载计 算机 系统的故 障诊 断方法 意义 重 大。 对 机 载 计 算 机 系 统 的测 试 可 采 用 功 能 测 试 法 、结构 测试 法 、微 诊 断法 、随机 测试 法及专 家 系 统等等 ,各 种方 法适 用 于不 同的情 况 但究其 根 本 都是在标 准信 号输入情 况 下对 计算 机系 统响应 的测 试分析 。 因此对 机载 计算 机 系统 的故 障诊 断系统 就是一 个 既可 仿真各 计算 机 系统 的输 入信 号 又可 对机载 计算 机 系统 的输 出信 号进 行测 试 、诊 断 的计

基于人工智能技术的电机故障诊断与预测

基于人工智能技术的电机故障诊断与预测

基于人工智能技术的电机故障诊断与预测电机故障诊断与预测是电力系统运行中的一个重要任务,它可以帮助我们及时发现和解决电机故障,提高系统的稳定性和可靠性。

而随着人工智能技术的飞速发展,基于人工智能技术的电机故障诊断与预测方法得到了极大的关注和应用。

首先,基于人工智能技术的电机故障诊断方法主要包括传统机器学习算法和深度学习算法。

传统机器学习算法如支持向量机、决策树和随机森林等,通过分析电机运行数据中的特征参数,建立模型进行故障诊断和预测。

而深度学习算法如神经网络、卷积神经网络和循环神经网络等,通过深层次的学习和自适应特征提取,实现对电机故障的准确识别和预测。

其次,基于人工智能技术的电机故障诊断与预测可以从多个方面提高诊断准确度和效率。

首先,利用人工智能技术可以获取大量的电机运行数据,包括电流、电压、振动等实时数据,从而实现对电机状态的实时监测和诊断。

其次,人工智能技术可以对电机故障模式进行自动学习和识别,从而减少人工干预的需求,提高诊断的准确性和效率。

此外,基于人工智能技术的电机故障诊断与预测可以将传感器、数据分析、算法设计和模型建立等多种技术手段相结合,形成一个完整的诊断系统。

在实际应用中,基于人工智能技术的电机故障诊断与预测方法已经取得了很好的效果。

例如,可以通过监测电机的振动特征和声音信号,利用机器学习算法和深度学习算法进行故障模式识别和电机故障预测。

同时,还可以利用电机运行数据对电机的健康状态进行实时监测和评估,从而实现对潜在故障进行提前预警和处理。

此外,基于人工智能技术的电机故障诊断与预测还可以结合其他领域的技术手段,例如物联网、云计算和大数据分析等。

通过与这些技术的融合,可以进一步提高电机故障诊断和预测的准确性和可靠性。

例如,可以利用物联网技术将多个电机联网,实现对整个电力系统的实时监测和故障诊断。

同时,还可以利用云计算和大数据分析技术,对大量的电机运行数据进行存储和分析,提取出有用的特征信息,从而实现对电机故障的准确诊断和预测。

装备智能故障诊断及测试性验证与评价方法研究

装备智能故障诊断及测试性验证与评价方法研究

摘要摘要故障诊断能力和测试性水平是衡量航空装备整体性能的重要指标,为装备的采办、验收、科学决策、健康管理提供了重要依据。

本文针对目前航空装备故障诊断性能不佳,测试性验证与评价结论置信度较低的问题,研究了容差模拟电路软故障智能诊断技术、故障样本优化分配技术、测试性水平综合评价技术。

主要研究内容如下:针对目前机载电子设备故障诊断正确率较低的问题,本文提出了基于AdaBoost算法的组合分类器智能诊断方法。

首先,利用波形有效点提取法提取电路故障特征;其次,利用遗传算法(Genetic Algorithm,GA)优化误差反向传播神经网络(Back Propagation,BP)构建GABP单分类器;最后,利用AdaBoost算法对GABP单分类器进行提升,得到组合分类器,在此基础上进行故障诊断。

实例表明,该方法可以有效地提高容差模拟电路软故障的诊断精度。

针对测试性验证中故障样本分配结果不合理的问题,提出了故障样本的多指标集成加权分配方法。

首先,综合分析故障属性和环境因子对分配结果的影响;其次,引入神经网络预测模型计算故障率,引入模糊模式识别方法确定严酷度等级和故障危害度,引入灰色关联分析法计算故障—环境关联度;最后,利用集成加权模型计算影响指标的权重。

实例表明,该方法提高了指标计算精度,降低了分层抽样的方差,提高了分配结果的置信度。

针对“小子样、多阶段、异总体”情况下先验信息融合困难、测试性水平评价结果置信度较低的问题,提出了一种基于动态Bayes理论的测试性综合评价方法。

首先,利用新Dirichlet分布建立测试性水平的动态增长模型;其次,利用D-S证据推理理论对多个专家经验信息进行融合,在此基础上,利用非线性优化算法拟合先验信息求解模型中的超参数;最后,利用Bayes信息融合理论得到测试性水平的后验分布,并利用Gibbs抽样求解后验分布中的复杂高维积分。

实例表明,该方法可以有效地融合专家信息,评价结果的后验误差更低、置信度更高。

机载电子设备故障诊断专家系统的设计与实现

机载电子设备故障诊断专家系统的设计与实现
2 Uni 6 9 2of . t 1 0 PLA ,Yii 4 0 0; .Unt6 76 fPLA ,W e s u 2 0 bn 6 4 0 3 i 1 9 o nhi 03 1 0)
Abta tTo s letep o lm so a l da n sss se u h a o ef in yo e rh a d p o itn n eo h sr c: ov h r be ffu t ig o i y tmss c slw fi e c f ac n o rman ea c ft e c s

要 :针对航空机载电子设备故障知识 日益膨胀导致的故障诊 断系统效率低 下 、 以快 速有效地 进行 电子装备维 难
护 的问题 , 提出了一种新 的、 基于专家系统的机载 电子设备故 障诊 断系统 。分析 了专家系统 的原 理和结 构 , 究 了一 研
般产生式规则与模糊产生式规则相结合 的知识表示方法及精确 推理与模糊 推理相结合 、 基于规则 推理 、 案例 推理 、 模
g n rlp o u t n r l t u z rd cin r l, r ao ig m eh ns e ea rd ci ue wi f zy p o u t ue e s nn c a im itg a ig p eie ra o i t u z o h o n e rtn r cs es nn wi f y g h z rao ig n e snn tae y b s d 03r l,e s e s nn ,a d ra ig srtg ae 1 ue ae,mo e n y r e snn r tde . A a l ig o i o . d la h b i ra o ig wee su id d d futda n ss

飞机航空电子设备故障类型与诊断技术分析

飞机航空电子设备故障类型与诊断技术分析

飞机航空电子设备故障类型与诊断技术分析摘要:伴随着我国经济的发展,全面促进了航空航天事业的进步,特别是航空电子系统的结构与功能,都发生了较为明显的提升,这样复杂化的发展趋势,也对航空事业的发展带来了更多的挑战。

在本文的分析中,主要阐述了当前飞机航空电子设备故障类型与诊断技术,希望能够为相关领域的工作人员提供一定的技术参考。

关键词:飞机航空;电子设备;故障检修引言:飞机航空电子设备的保养故障诊断技术,对于航空系统的稳定运行十分重要,因此一般在航空飞机上设置较为完善的电子设备,例如GPS接收机、灯光照明系统、警告系统等诸多系统,但是也相应的会带来一定的复杂故障问题,对系统运行稳定性带来影响。

1 航空电子设备故障类型1.1 电源设备故障在航空飞机的设计中,会涉及到诸多不同类型的模块,同时使用的频率也相对比较高。

为了始终可以很好的实现电气故障的处理,就要对起内部进行良好的分析。

其中电源故障问题经常出现,这是一种由于大型、复杂的飞机航空系统,在实际运行当中需要提供稳定的电源供给,以此导致一旦电源内部出现瞬间短路,就会带来一定的故障问题,直接影响到飞机航空的系统安全。

其次,在稳压电源的设计中,采用了稳压芯片,但是一定无法实现对故障技术处理,也相应出现一定的故障问题。

1.2 自动检测设备故障在现代化航空设计的过程中,逐渐提升了智能化、自动化的水平,其中自动检测设备的系统故障问题。

在飞机运行的过程中,经常会出现自动检测设备系统的故障问题,例如出现的板卡形式,就会带来系统的运行故障。

其次,在采用封装的制作方式,也相应的让其故障问题带来一定的负面影响。

1.3 计算机控制系统故障航空电子设备的设计中,计算机系统起到了对不同模块的控制与调节的作用,因此使得计算机系统是一种综合性较强的智能化控制系统类型。

一旦出现了严重的故障问题,经常会出现乱码以及随机代码,这样会导致无法及时的采集各种数据信息,同时也会导致故障问题出现对系统的负面影响。

一种飞机TCAS电子系统故障诊断系统设计

一种飞机TCAS电子系统故障诊断系统设计

信号调理电压信号PCI-9812采集卡工控机图1电压输入通道交通警戒及防撞系统TCAS (Traffic Collision Avoid -ance System)向邻近的飞机发出询问信号,通过入侵飞机的机载应答机系统对询问信号的应答,获得入侵飞机的代码、高度、航向和其他数据。

进而通过数据分析,判断出入侵飞机相对本机的威胁等级。

如存在威胁,TCAS 系统将向驾驶员发出咨询提示,或发出垂直机动指示,避免发生冲突。

如果不存在威胁,TCAS 系统将显示它的相对位置和轨迹[1]。

TCAS 系统是现代飞机的重要机载电子设备,其复杂的系统交联和内部构造,对系统维护和故障排除提出了很高的要求。

TCAS 系统对信号的灵敏度和精度有很高的要求,大量的数据计算是其提供高精度电子识别的基础,再加上机上复杂恶劣的电磁环境,造成了各型飞机上TCAS 系统故障率相对较高的情况。

TCAS 系统主要由TCAS 处理器、上下两部天线、TCAS/ATC 控制盒、E -FIS 系统、音响警告系统等部件构成,TCAS 计算机的计算需要其他系统提供许多信息,如IRS 的姿态和气压高度数据、RA 的无线电高度信号、EFIS 控制板、TCAS/ATC 控制板、S 模式应答机、最大空速数据、空地逻辑信号、起落架手柄信号等等,因此它的排故也是一个比较复杂的过程。

通过对它的常见故障的分析,一般有电源故障、线路故障和组件损坏等。

1硬件设计及实现故障诊断系统硬件部分采用工控机和数集采集卡构成模拟量输入通道,通过测量电压和电阻为程序的故障诊断提供依据。

这里使用的是凌华PCI-981220MHz 同步4通道模拟量输入卡,有20MHz 采样频率,由香农采样定理可知最大无失真处理10MHz 的信号,足够检测TCAS 上400Hz 的交流电源。

由于TCAS 上电源是115V 400Hz 交流电,远超过PCI-9812的A/D 转换器输入范围,因此必须通过图1所示调理电路处理。

民用飞机雷电试验中的机载设备故障诊断与维修

民用飞机雷电试验中的机载设备故障诊断与维修

民用飞机雷电试验中的机载设备故障诊断与维修随着现代航空技术的不断发展,飞机雷电试验已成为民用飞机设计验证和飞行安全的重要环节之一。

然而,在飞机雷电试验中,机载设备故障的发生不可避免,给飞行安全带来了巨大的挑战。

因此,有效的机载设备故障诊断与维修方案的研究是飞机电气系统工程领域的重要课题之一。

一、机载设备故障诊断在雷电试验中,机载设备故障诊断的关键在于准确、快速地确定故障的位置和性质。

常见的机载设备故障包括电源系统故障、通信系统故障、导航系统故障等。

为了提高故障诊断的准确性,可以采用以下方法:1. 设备状态监测:通过对机载设备运行时的状态进行实时监测,如电流、电压、温度等参数的监测,可以及时发现设备工作异常的迹象,为故障诊断提供线索。

2. 故障仿真与模型建立:通过建立机载设备故障的仿真模型,可以模拟出不同故障模式下的设备响应,从而为故障诊断提供依据。

3. 自适应故障诊断算法:利用人工智能和模式识别等技术,结合设备状态监测数据,开发自适应故障诊断算法,能够实现对各种故障模式的准确诊断。

二、机载设备故障维修一旦发生机载设备故障,及时有效地进行故障维修是确保飞机飞行安全的关键。

在雷电试验中,由于设备受到高能电磁脉冲的影响,导致故障的原因复杂多样,因此需要采用多层次的故障维修方案:1. 故障现场排查:当机载设备发生故障时,技术人员应迅速到达现场,通过观察、检测和测试等手段,确定故障的具体位置和原因,为后续维修提供参考。

2. 快速更换备件:对于确定故障原因较为明确的情况,可以通过快速更换备件的方式来解决故障。

备件的供应和储备对于飞机维修至关重要。

3. 故障分析和修复:对于复杂的故障情况,需要进行故障分析和修复。

通过对故障设备进行拆解和检修,利用测试设备和仪器对故障部件进行精确测量,找出故障原因并进行修复。

4. 故障记录与分析:对于雷电试验中的机载设备故障,需要进行详细的记录与分析。

通过对故障数据的整理和分析,可以为飞机设计和维修提供重要的参考依据,改进和优化机载设备。

智能制造系统中的设备故障诊断与维护

智能制造系统中的设备故障诊断与维护

智能制造系统中的设备故障诊断与维护在智能制造系统中,设备故障诊断与维护起到极其重要的作用。

随着技术不断发展和更新,智能制造系统设备的数量和复杂度也在不断增加,因此设备故障诊断和维护任务变得尤为复杂和关键。

本文将从以下几个方面探讨智能制造系统中的设备故障诊断与维护,旨在帮助读者更好地掌握这一领域的知识。

一、智能制造系统设备故障的分类智能制造系统中的设备故障可分为两类,即软件故障和硬件故障。

1、软件故障软件故障是指与智能制造系统相关的软件遇到问题或产生错误,从而导致设备无法正常工作的情况。

软件故障通常可以通过重新启动程序或更新软件来修复。

2、硬件故障硬件故障是指设备的物理部件受到损坏或过度使用导致出现问题,一般需要更换损坏的部件才能恢复设备的正常工作。

二、智能制造系统设备故障诊断的方法设备故障诊断是指追踪设备故障的过程,通过检测、分析和研究设备的异常现象来找到设备故障的根本原因。

1、基于数据分析的故障诊断方法采用基于数据分析的故障诊断方法,可以通过检测设备在不同时间点的运行数据,确定是否存在故障,并找到问题的所在位置。

该方法适用于系统中的设备存在历史数据记录,有一定的数据可供使用。

2、基于知识库的故障诊断方法基于知识库的故障诊断方法是一种基于人工智能技术的故障诊断方法,该方法通常将问题与专家知识库进行比对,以推导出问题的根本原因。

3、混合式故障诊断方法混合式故障诊断方法将数据分析和知识库方法结合起来。

通过分析设备运行数据与专家知识库的比对,可以更快地找到设备故障原因。

三、智能制造系统设备故障维护的方法设备故障维护是指在经过故障诊断后采取措施修复设备以恢复正常运行的过程。

常见的维护方法包括以下几种。

1、计划性维护计划性维护是指在设备预期达到一定寿命或在设备性能下降之前,进行有计划的检修和维护。

计划性维护可以预防设备故障的发生,避免生产中断,提高生产效率。

2、预测性维护预测性维护是指通过故障预测技术,对设备运行状态进行实时监测和评估,以预测设备故障,从而及时对设备进行维护修复。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

一、机内测试定义
BIT就是指系统、设施内部供应的检测、故障隔离的自动测试力。

BIT的含义是:系统主装备不用外部设施而依靠自身电路和程序就能完成对系统、分系统或设施的功能检查、故障诊断与隔离及性能测试,它是联机检测技术的新进展。

机内测试的进展:
国外的BIT技术主要有大型航空公司和军火生产企业发起,最早制定BIT的是美国航空无线电公司,70年月后期美国国防部领先设计了军用装备的BIT设计指南,用于统一各种武器的BIT设计法律规范。

1983年美国国防部方法的《系统及设施修理性管理大纲》特殊强调测试性是修理大纲的一个重要组成部分,承认BIT及外部测试不仅对修理性设计特性影响重大,而且影响到武器系统的选购和寿命周期问题。

BIT技术在民机上的应用可分为以下四个阶段:
第一代BIT技术:
以BOCing737, L-IOll, DC-10, A300B 等飞机为代表,为20 世纪60年月末70年月初的产品。

在这些飞机设计中提出了快速有效的故障隔离要求,并规定了故障隔离的木匾。

这一代飞机模拟式设施居多,其BITE 一般比较简洁,分散。

实际使用状况表明,BlT技术能够削减故障隔离时间及航班延误次数。

但由于其效率较差,未达到设计要求,BIT名没有像估计的那样牢靠,虚警率较高其次代BIT技术:以Boeing767, A310等飞机为代表,为20世纪70年月末80年月初的产品。

这一代民机的设计中分析了Boeing747等飞机的故障隔离问题,干尽了原有BIT技术的设计,通过采纳监控器和故障存储器来解决间歇故障问题,提高了故障检测和隔离精度。

第三代BIT技术
以Boeing747-400, A320等飞机为代表,为20世纪80年月研制而成并应用。

这一代民机采纳了集中式故障显示系统(CFDS)来掌握和现实飞机上全部装备BITE的LRU的故障数据,削减了监测系统的简单性,提高了BIT的标准化程度。

第四代BIT技术:
以Boeing777飞机为代表,为20世纪90年月初开头设计并生产。

他首次在飞机上建立了机载修理系统,从而解决了长期以来在飞机修理,故障检测、定位、隔离等方面存在的问题。

现在已经在BIT技术的基础上进展成为更高一级的飞机健康管理(AHM)系统。

我们国家的BIT技术起步大致从20世纪80年月中后期开头。

总体来看,我们国家的BlT理论,技术和应用大致处于美国90年月初期水平,目前国内对BIT的讨论工作主要有相关的讨论所担当,研制主要对象是雷达系统和机载设施。

机内测试技术进展:
L与自动测试装备口渐融合
为削减自动测试装备设施的种类,降低保障费用,自动测试装备正走向通用化和模块化,电子集成程度的提高使得自动测试装备小型化甚至芯片化成为可能;
另一方面BIT的功能更加强大,具有很多自动测试装备所具备的故障检测、隔离和定
位功能。

2.应用领域拓宽
随着传感器技术(如分布式光纤)、智能前端信号采集处理器的进展和中心处理器的小型化、集成化,BIT拓展到简单机电系统状态监测和故障诊断。

3.向综合诊断进展
新型BlT的任务不仅限于检测、诊断,还包含掌握、爱护,具有综合状态监测、简单故障诊断、精确故障定位、反馈掌握、关键部件爱护等多种功能,其结构日渐简单、功能日渐强大,正进展为一个状态监控、故障诊断的综合系统。

4.走向智能化
人工智能技术在BIT中的应用,增加其自适应性和提高抗干扰力量,使其能够处理更为简单的测试问题,提高了实战服役的稳定性。

二、智能机内测试的定义:将包括专家系统、神经网络、模糊理论、信息融合等在内的智能理论应用到BlT的设计、检测、诊断、决策等方面,提高BlT综合效能,从而降低设施全寿命周期费用的理论、技术和方法。

它主要包括BlT智能设计,BlT智能检测,BlT智能诊断和BlT智能决策四个方面。

提出缘由:①在使用过程中常规BIT诊断故障力量差、虚警率高、不能隔离间歇故障,达不到系统的原有设计要求,严峻降低了BIT的诊断检测结果的可信度,影响了使用、修理人员对BIT的信任,阻碍T BIT效能的充分发挥和更广泛、更深化的应用。

②20世纪80年月后期,神经网络、专家系统等智能理论和方法相继在故障诊断、模式识别、状态监控等领域获得胜利。

以上两点,使智能BIT渐渐进展起来。

三、机内测试的虚警定义:
BIT或其他监控电路指示有故障而实际上不存在故障的状况。

BIT虚警一般分两类:1监测对象A有故障,而Brr指示监测对象B有故障,即所谓的错报。

美军称为一类虚警。

2监测对象无故障,而BIT报警,即所谓的假报。

美军称为二类虚警。

四、机内测试的作用
提高诊断力量:具有良好层次设计的BlT可以测试芯片、电路板、系统各级故障,实现故障检测、故障隔离自动化。

简化设施修理:BIT的应用可以大量削减修理资料,通用测试设施、备件补给库库存量、修理人员数量。

降低总体费用:BIT虽然在肯定程度上增加了产品设计难度,但综合试验、修理、检测和提高设施牢靠性来看,能显著降低产品全寿命周期费用。

五、举例阐述常规机内测试技术
环绕BIT技术
环绕技术目前已成为测试微处理器系统的标准方法,被测系统可能是单个微处理机电路板或由很多这类电路板组成的系统。

环绕技术要求对微处理机及其输出器件进行测试。

测试开头是需要打算以微处理机为基础的芯片是否可用,这项工作可用硬件余度来完成。

微处理机芯片、ROM、RSM检查都通过后,下一步就是检查电路其他部分。

为完成此项工作,必需构建一个闭环
系统以便系统微处理机可采用储存在ROM区中的测试矢量激励其它部分的运算电路。

该系统中必需包含处理机掌握的选通以便可以循环使用数据。

这样所得测试响应通过与输出线有关电路返回,保证微处理机可以将实际测试响应与储存在ROM中的已知正确测试响应相比较。

环绕BIT可应用于数字和模拟器件。

图示是用于测试模拟和数字器件的环绕BIT。

在常规使用期间,微处理机输出从数字信号变为模拟信号,输入从模拟信号变为数字信号。

当BlT启用时,模拟输出被连接到模拟输入,由微处理机进行信号检查。

环绕技术适用于电路板、模块或分系统级。

不管电路是单个电路板、模块还是由很多电路板、模块组成的分系统,只要微处理机对肯定数量的电路有影响,该技术就适用。

环绕技术对机内测试或自测试特别有用,目前在工业领域已成为标准方法。

六、机载简单电子系统机内测试实现的方式
工作原理:机载简单电子系统机内测试由具有分层集成式的组织结构的智能BIT实现。

系统级BIT智能掌握单元依据测试和修理要求制定全系统测试方案,并将测试命令通过系统级测试和修理总线传到各板级BITo板级BIT智能掌握和信息处理单元接受到测试命令后依据电路板实际状况实行详细测试和诊断策略,并通过板级测试总线启动各单元级BIT o元件测试结束后测试结果由板级测试总线会送至板级BIT,板级BIT智能掌握和信息处理单元综合元件级BlT结果和板级自身的诊断回馈信息,进行浅层次的智能诊断,并将测试和诊断结果向系统级BIT报告。

系统级BIT智能综合诊断系统对板级BIT数据进行智能综合诊断,并依据诊断结果给出系统重构、降级使用或更换修理等建议。

七、ARINC604. 624机载测试符合标准波音空客的特点
A320飞机参照ARINC604法律规范,航线修理中,LRU的BIT是由CFDS (中心故障显示系统)以ARINC429格式传输显示的。

B777飞机参照ARINC604法律规范,航线修理中,LRU的BIT是由CMC (中心修理计算机)以ARINC429格式传输显示的。

ARlNC604是机内测试、设计和实施的标准。

ARINC624是飞机机载维护系统标准。

ARINC604内的BlT概述:
飞行中,BIT可检测与监控各LRU中的故障信息,各LRU由其内置的BIT系统监控或同一由中心LRlJ监控系统监控。

BlT还可实现对与本系统相关联的系统进行监测并推断故障状况,BIT是一种Powered-up test,从事航线修理的机组更换LRU后,可用BIT对其功能是否恢复进行推断。

CFDS可供应航线系统监控,数据纪录,隔离故障源,关心更换LRU, 在修理中的自测试的功能,其工作过程是由各分系统分别进行BIT, 经由CFDIU (中心故障显示接口组件)传递到CFDU. RFDU,由CFDU 显示BIT结果。

ACARS系统接到地面站询问时,机组按下按钮开头发送信息,包
括BlT 报告,CFDS 启动BITE REPORT。

ARINC624内的BIT概述:
CMC可供应存储区存储修理需要的数据。

下载此数据需通过软件或OMS掌握板。

CMC供应已安装的机载LRU信息,包括件号、序列号等,显示挨次参考ATA章节,可显示分系统的BIT失效信息。

可以是过去64次航班任务的失效信息也可以是总数为256的零散失效信息。

CMC供应恳求和数据信息来为分系统完成自测试。

分系统正确运行测试然后供应运行状态信息及结果在CMC上显7J∖ O
分系统故障检测和BIT作为OMS的主要数据源来供应对LRU、内部系统、外部接口的故障诊断和隔离。

相关文档
最新文档