Ausfallprognose für das Bleed-Air-System der B737 unter Verwendung eines künstlichen neuronalen Netzes

In dieser Studie wird die Ausfallrate verschiedener Arten von Entlüftungsventilen für das Flugzeugmodell Boeing 737 modelliert. Zur Durchführung dieser Arbeit werden zwei Ansätze verwendet. Im ersten Ansatz kommt das Weibull-Modell zum Einsatz, bei dem verschiedene Parameter verwendet und getestet werden. Im zweiten Ansatz wird eine gängige Art der Modellierung mittels künstlicher neuronaler Netze (KNN) verwendet. Zur Trainierung des Netzes wird ein Feed-Forward-Backpropagation-Algorithmus implementiert. Anschließend werden die optimale Anzahl an Neuronen und Schichten ermittelt, die im Vergleich zu den tatsächlichen Daten das beste Ergebnis liefern. Schließlich werden die Ergebnisse beider Modelle mit den tatsächlichen Daten verglichen. Die Endergebnisse zeigen eine hohe Genauigkeit der Vorhersagen des ANN im Vergleich zur traditionelleren Weibull-Modellierung. Das entwickelte und verifizierte Modell eignet sich für Anwendungen, die von der Planung von Austauschvorgängen dieser Ventile bis hin zur Entwicklung von Plänen für das Bestandsmanagement in jeder Wartungsanlage für Flugzeugtriebwerke reichen.