航空安全是全世界关注的热点问题,而机载发动机附加装置(简称EAU)作为飞机上反推系统的主要保障模块,发挥着至关紧要的作用。由于EAU设备的精密性,当前普遍使用自动测试平台对其进行故障检测。而现有的原厂专用自动测试平台成本高昂,且如果平台本身故障需要返厂,需要数月的维修周期,这更造成了检修效率的下降,导致人力物力财力的浪费;同时,现有的测试平台生成的测试报告均为原始数据,可读性差,对测试报告的管理和分析也非常困难,需要测试人员有丰富的经验才能对故障进行定位分析,更难以帮助调试人员发现隐患。针对以上现状,本论文开发了具有自主知识产权的EAU自动测试平台,并基于数据分析和深度学习,实现了针对错误报告的分析系统。具体工作内容如下:(1)依托合作企业的通用自动测试平台硬件平台IATS 2000,设计并实现了一套EAU的自动测试平台的硬件部分,其中包括EAU接口适配器、EAU硬件测试程序集等。(2)基于数据分析和KS检验,以及深度学习中时序卷积神经网络,实现了针对错误报告的分析系统。其中包含一种采用老化分析技术的隐患预警系统,能进行部件的老化分析,为有隐患的参数提供隐患预警的建议。该老化分析技术达到当前该领域较先进的水平的同时,更基于PyQt4实现了美观简便的用户界面,易于管理和扩展,对开发和测试人员的门槛要求很低,可以方便快速地进行自动化测试。与对比目标,自研测试系统与BAE Systems公司的EAU测试系统的对比测试表明,本EAU自动测试平台的测试结果的方差达到同一水平。而且,对测试结果的一致性检验表明,自研测试系统测试结果具有较好的一致性。在硬件成本显著下降,显著降低采购成本的同时,本EAU自动测试平台的报告分析功能,还能准确地提供硬件参数偏移分析、硬件参数智能老化预测等分析功能,方便维修人员提前排除隐患。目前,该平台已在合作企业附件业务中心维修车间实际投入使用,并每年进行十余次EAU设备检测,已实现完全替代原厂EAU设备监测系统,降低了合作企业31%的采购成本,产生了良好的经济效益。