[发明专利]一种基于飞行数据的故障预报方法

说明书

技术领域

本发明属于人工智能领域，涉及故障预报技术、噪声处理技术、时间序列预测技术和数据挖掘技术，具体地说，是指一种故障预报方法。

背景技术

随着飞机自动化与智能水平的提高，其发生故障的潜在可能性越来越大。机载设备一旦出现故障，轻则降低性能、影响飞行安全，重则设备损坏、机毁人亡。现有的定时检修和反应式诊断维修方式，因存在滞后性，方法落后，针对性和经济性差，工作量大，效率低下，已经不适应航空工业的发展要求，因此故障预测与健康管理(Prognostics and Health Management，PHM)的技术应运而生。PHM是在先进的传感器采集技术基础上，借助各种算法和模型来预测、监控、诊断和管理机载设备部件的健康状况。故障预测技术是PHM的核心技术之一，得到了前所未有的重视与发展。

飞机在飞行过程中产生的数据(如保存在数字式飞行数据记录器磁介质或快速存取记录器光盘上的数据，巡航报告以及起飞报告中的数据等)中包含了大量的飞机状态的信息，利用这些数据进行故障预报，将为维修提供重要的依据。

飞行数据在采集和传输的过程中不可避免的会存在噪声，因此在利用飞行数据进行故障预报时首先要祛除噪声的影响，以提高最终预测的精度。随着航空技术的进步，飞行数据记录仪记录参数的标准也在不断提高，记录参数的种类也逐渐增多。这些飞行参数的工作状态和环境因素各不一样，导致各自的数据特征也存在较大差异，若全部采用同一种预测方法势必影响预测的准确性与可靠性。因此在进行预测前，需要对飞行参数的特点进行分析，但是还没有一个方法能够在充分考虑上述问题的基础上，实现基于飞行数据的故障预报。

发明内容

为了克服现有技术的不足，本发明提供了一个基于飞行数据的故障预报方法，不仅可以将飞行数据中的噪声进行预处理，还包含了两种故障预报算法，可以根据飞行数据的特点选择合适的预测方法，保障了预测的准确性与可靠性。

本发明方法解决其技术问题所采用的技术方案包含以下步骤：

第一步，构建飞行数据库，存储飞行数据。

第二步，构建知识库，存储用于故障分析的规则，规则表示了如果飞行数据达到或超过了某个值则说明飞机发生故障。

第三步，利用奇异值分解的方法祛除飞行数据的噪声。

对飞行数据序列X＝{x₁，x₂，Λ，x_N}进行奇异值分解包括以下步骤，其中x_i表示第i个飞行数据，N表示自然数：

(1)构造矩阵初始矩阵

A=x1x2Λxkx2x3Λxk+1MMOMxnxn+1ΛxNn×k]]>