[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

说明书

本发明提出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及方法，系统包括故障诊断平台、故障原因推理平台、数据库储存计算机和客户端；通过对飞机各系统的运行参数进行实时而全面的监控和采集，形成海量的数据源，通过特征参数谱的计算得到信号的典型特征并对残差信号中的故障特征进行提取与描述，并将这些特征作为参数，一并存入参数数据库，实现飞机参数数据库的建立，从而涵盖了飞机已经或可能发生的故障信息，并通过故障诊断计算机的诊断和故障原因推理计算机的推理，确定故障及原因并给出维修/隔离的方案，进而实现对全机各系统的健康监测和故障诊断。

技术领域

本发明属于大型飞机运行系统健康监测和故障检测领域，特别涉及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及方法。

背景技术

鉴于大型飞机的复杂性，能否从排故过程快速进入备运状态成为现代航空实现可持续大运量的迫切要求。相对于国外军用和民用运输机几十年的设计、研发、运行经验，我国大型飞机的研发、制造、试验才刚刚起步，缺乏大量的实际运行数据，对大型飞机的安全性、维修性、可靠性等仍处在摸索阶段。然而，国内民用航空在近30年里已经成功运营了2000架以上的波音、空客等国外先进大型飞机，每年运行1万亿公里以及飞机起降达1000万架次，在北京、上海等繁忙机场和时段已经达到10分钟3架次的起降，形成了海量的运行数据。

目前大型飞机的健康监测和故障检测主要针对某一器件或模块，通常是在监测信号发生异常时对该器件或模块的健康状态进行分析。这样一对一的监测诊断方法无法考虑到整个系统或者不同系统之间可能发生的级联故障。然而，系统故障和系统之间的级联故障是现有大型飞机的健康监测系统难以解决的两类故障模式。飞机在运行过程中会产生大量的运行数据，借助航空大数据是一种解决上述问题的可能方法，而目前仍未系统性地提出。

发明内容

为解决上述问题，本发明监控并采集飞机各系统的运行信号，通过对采集到的各系统的故障信号进行分析处理以及特征提取，从而构建一套大型飞机运行数据库，以此数据库为基础，通过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方法，实现对飞机各系统的健康监控和故障诊断。

本发明的技术方案为：

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：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；