[发明专利]一种基于数据归纳的飞机机载设备健康监控方法

说明书

本发明属于航空器健康管理领域，涉及一种基于数据归纳的飞机机载设备健康监控方法。该方法包括：接收初始样本，初始样本包括未发生异常或故障的飞机原始数据；根据初始样本，使用聚类算法从多个待选的聚类数中选出肘点作为最优聚类数m；将上述由初始样本聚类成的m个工作状态组作为正常状态库的工作状态组。

技术领域

本发明属于航空器健康管理领域，涉及一种基于数据归纳的飞机机载设备健康监控方法。

背景技术

在航空领域，当前的健康监控流程主要有三个单独的步骤。

第一步是确定健康系统的构成。健康的航空器，或正常运行的航空器，被定义为遥测值在预期值范围内的航空器。创建预期值的参考值是最常见的做法，需要对系统有广泛的了解。除了需要熟悉整个系统的人之外，还需要大量的时间来开发一个正常值范围的参考值，参考值准确描述了航空器的所有正常健康状态。

第二步是连续地读取航空器的当前遥测值，并将其与健康遥测值的参考值进行比较。然后通过检查这一比较来确定航空器的健康状况。如果航空器的所有遥测值都包含在参考值中的健康值范围内，则系统视为健康；航空器处于额定状态。如果一个或多个数值超出健康值范围，则认为系统不健康；航空器处于非正常状态。

最后一步是确定异常状态的原因，以及纠正异常的程序。这一步骤由与航空器有关的工程师在地面上执行。确定异常状态的原因需要对异常情况进行快速调查，并由一组专家就如何使航空器恢复健康状态做出快速决策。

从当前的健康监控流程可以看出，虽然确定简单系统的健康状态是合理的，“但随着传感器和组件交互数量的增加，使用传统方法确定交联和复杂系统的健康状态变得越来越困难”。有时，创建一个准确描述复杂系统中所有交互和状态的模型被认为太困难或不可能。异常的监测、诊断、隔离与处理对专家的能力要求越来越高，从实际情况来看，航空器的排故时间也越来越长，对新的能够有效解决复杂系统数据下异常监测、故障诊断的健康监控方法需求越来越明显。

发明内容

本发明的目的是：提供一种基于飞行数据归纳的飞机机载设备健康监控方法，本方法的主要目标是使传统的“构建正常范围参考值、健康监控、故障诊断”这一过程的三个步骤自动化。本方法可分为两部分：学习算法和监控算法。学习算法从现有的数据建立监控对象的正常状态库和正常值范围参考值，从而消除专家确定正常值范围的需要。监控算法使用学习算法生成的正常状态库和正常值范围参考值作为系统当前遥测数据的健康监控参考。然后，监控算法自动确定航空器是正常运行还是非正常运行。如果非正常值，监控算法会报告一个偏移值，该值显示系统异常数据项偏离正常值的程度，并指定到特定功能和飞机设备，将异常或故障隔离到一个模糊集，最终形成一种基于数据归纳的飞机机载设备健康监控方法。

本发明的技术方案是：

一种基于数据归纳的飞机机载设备健康监控方法，包括：

接收初始样本，初始样本包括未发生异常或故障的飞机原始数据；

根据初始样本，使用聚类算法从多个待选的聚类数中选出肘点作为最优聚类数m；

将上述由初始样本聚类成的m个工作状态组作为正常状态库的工作状态组。

进一步的，将初始样本聚类成m个工作状态组之后，所述方法还包括：

接收测试样本，测试样本包括飞机待测试是否出现异常的飞机原始数据；

采用正常状态库对测试样本进行测试，判定飞机原始数据是否出现异常。

进一步的，聚类算法中工作状态组的初始聚类点需要满足以下条件：

第一个选取的工作状态组的初始聚类点为对应样本的算术中心点；

其他的工作状态组的初始聚类点到自身之前选取的初始聚类点之间的距离和最大。