[发明专利]基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统及方法

权利要求书

1.一种基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统，其特征在于：包括故障诊断平台、故障原因推理平台、数据库储存计算机和客户端；

所述故障诊断平台包括信号采集计算机、信号预处理与特征提取计算机和故障诊断计算机；

所述故障原因推理平台包括参数计算机、单故障注入计算机、单故障原因推理计算机、级联故障注入计算机、级联故障原因推理计算机；

所述数据库储存计算机包括源数据库、参数数据库、故障数据库和知识库，其中故障数据库包括单故障数据库和级联故障数据库；

所述信号采集计算机利用全机各个机载系统中的传感器采集飞机各机载系统的故障信号，并应用大数据存储技术将采集到的海量数据存储于源数据库中；

所述信号预处理与特征提取计算机能够访问源数据库读取源数据，并对源数据进行特征参数谱计算，得到源数据信号的典型特征；通过比对源数据信号与正常数据信号得到残差信号，对残差信号中的故障特征进行提取与描述，将其存入参数数据库，作为故障诊断计算机的输入数据；

所述故障诊断计算机内置有训练好的深度随机森林模型，所述深度随机森林模型为基于深度学习算法将随机森林堆积成的多层结构；将残差信号输入到深度随机森林模型中，通过模型对残差信号进行分类，判断输入数据所属故障类别为单故障或级联故障，并依此将故障信息分别存入单故障数据库和级联故障数据库中，同时给出故障诊断报告；

所述参数计算机能够访问故障数据库，将单故障数据库中的数据通过单故障注入计算机传输至单故障原因推理计算机，将级联故障数据库中的数据通过级联故障注入计算机传输至级联故障原因推理计算机，通过单故障原因推理计算机和级联故障原因推理计算机中内置的且训练好的深度随机森林模型，根据故障类型进行进一步识别，实现故障原因推理，并将推理结果生成推理报告存入知识库中。

2.根据权利要求1所述一种基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统，其特征在于：客户端与故障诊断平台、故障原因推理平台和数据库储存计算机进行数据连接；通过客户端能够对系统进行整体调控，并可随时访问源数据库、参数数据库、故障数据库及知识库中的数据。

3.根据权利要求1所述一种基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统，其特征在于：所述源数据库中采用参数表和参数记录表进行数据存储，所述参数表中包括两个字段：故障代码和参数名称，其中故障代码是根据ATA标准获得的故障代码，参数名称为对应相关故障代码的参数名称；所述参数记录表中包括三个字段：参数名称、时间和参数值，参数值为对应时间下某参数的参数值。

4.基于权利要求1所述系统的一种 大型飞机航空大数据故障检测与因果推理方法，其特征在于：包括以下步骤：

步骤1：信号采集计算机利用全机各个机载系统中的传感器采集飞机各机载系统的故障信号，并应用大数据存储技术将采集到的海量数据存储于源数据库中；

步骤2：信号预处理与特征提取计算机访问源数据库读取源数据，并对源数据进行特征参数谱计算，得到源数据信号的典型特征；通过比对源数据信号与正常数据信号得到残差信号，对残差信号中的故障特征进行提取与描述，将其存入参数数据库，作为故障诊断计算机的输入数据；

步骤3：将残差信号输入到故障诊断计算机内置的训练好的深度随机森林模型中，通过模型对残差信号进行分类，判断输入数据所属故障类别为单故障或级联故障，并依此将故障信息分别存入单故障数据库和级联故障数据库中，同时给出故障诊断报告；

步骤4：参数计算机访问故障数据库，将单故障数据库中的数据通过单故障注入计算机传输至单故障原因推理计算机，将级联故障数据库中的数据通过级联故障注入计算机传输至级联故障原因推理计算机，通过单故障原因推理计算机和级联故障原因推理计算机中内置的且训练好的深度随机森林模型，根据故障类型进行进一步识别，实现故障原因推理，并将推理结果生成推理报告存入知识库中。

5.根据权利要求4所述一种大型飞机航空大数据故障检测与因果推理方法，其特征在于：通过对知识库中的信息进行访问和提取，给出具体的维修/隔离方案。