CN107506255B - 737-ng飞机基于qar数据的辅助排故方法 - Google Patents
737-ng飞机基于qar数据的辅助排故方法 Download PDFInfo
- Publication number
- CN107506255B CN107506255B CN201710771339.5A CN201710771339A CN107506255B CN 107506255 B CN107506255 B CN 107506255B CN 201710771339 A CN201710771339 A CN 201710771339A CN 107506255 B CN107506255 B CN 107506255B
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- classification
- working data
- working
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
- G06F11/0739—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function in a data processing system embedded in automotive or aircraft systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种737‑NG飞机基于QAR数据的辅助排故方法，包括：将QAR数据转译成工作数据，工作数据依次包括故障标识字符、组合参数标识字符和工作参数数值，故障标识字符由N位二进制数组成，N为大于2的整数，将各个故障分别置于不同的分类中，N位中对应各位在置1时对应表示不同的分类，N位中除去置1的该位后，重新按序排列的N‑1位二进制数表示该故障在该分类中的位置；建立故障关键字与故障、故障所在分类及在该分类中位置的对应关系；将与故障关键字对应分类及在分类中位置相同的工作数据提取出来；将提取出来的工作数据进行图表显示；根据图表进行辅助排故。通过本发明，可以提高基于QAR数据的辅助排故效率。
Description
技术领域
本发明属于航空领域，具体涉及一种737-NG飞机基于QAR(Quick accessrecorder，快速存取记录器)数据的辅助排故方法。
背景技术
随着人们生活质量的提高，越来越多的人会选择飞机出行，但是一旦发生空难生还率将非常低，因此如何保证航行的安全成为航空公司越来越关注的问题。相比于波音大型飞机和空客飞机，型号为737-NG的波音飞机没有独立的中央维护计算机，直接用于飞机排故的工具只限于故障隔离手册和系统的机载自检设备。大部分基于故障隔离手册的故障隔离程序都是根据系统工作原理和故障现象，通过机载自检设备逐步确定故障原因，其缺点是不能真实反映飞行过程中系统及部件的具体表现，难以精确定位故障原因，从而难以精确定位故障部件。对较为复杂、安全敏感的系统排故时，为了防止故障再次发生，往往通过更换可能原因中的多个部件，撒网式地排除故障，这导致无法对故障部件进行精确定位，提高了737-NG飞机的维护成本。为此，设计人员开始采用QAR数据进行辅助排故，但是目前在进行辅助排故过程中存在数据量太大，无法快速进行排故的问题。
发明内容
本发明提供一种737-NG飞机基于QAR数据的辅助排故方法，以解决基于QAR数据进行辅助排故时排故速率较低的问题。
根据本发明实施例的第一方面，提供一种737-NG飞机基于QAR数据的辅助排故方法，包括：建立工作数据库，将QAR数据转译成工作数据，所述工作数据依次包括故障标识字符、组合参数标识字符和工作参数数值，所述故障标识字符由N位二进制数组成，N为大于2的整数，将各个故障分别置于不同的分类中，N位中对应各位在置1时对应表示不同的分类，N位中除去置1的该位后，重新按序排列的N-1位二进制数表示该故障在该分类中的位置；
建立故障关键字与故障、故障所在分类及在该分类中位置的对应关系；
查找出与用户输入故障关键字对应的各个工作数据：根据该故障关键字从所述对应关系中查找到对应的故障、该故障所在分类及在该分类中的位置，遍历各个工作数据的故障标识字符，针对每个故障标识字符，依次按序判断其N位二进制数中对应各位是否置为1，将N位二进制数中首次出现的置位为1的对应位所对应的分类作为该工作数据对应故障所在分类，判断该工作数据对应故障所在分类是否与用户输入故障关键字对应故障所在分类相同，若分类相同，则将该工作数据的N位中首次置1的该位去除后，重新按序排列的N-1位二进制数作为该工作数据对应故障在所在分类中的位置，判断该工作数据对应故障在所在分类中的位置是否与用户输入故障关键字对应故障在所在分类中的位置相同，若位置相同，则将该工作数据提取出来；
查看提取出来的工作数据的组合参数识别字符，若一个工作数据的组合参数识别字符指向另一个工作数据，则将两个工作数据进行图表组合显示，否则对工作数据进行单独图表显示；
根据用户输入故障关键字后，显示的图表结果进行辅助排故。
在一种可选的实现方式中，若分类不同，则查看下一工作数据；若位置不同，则查看下一工作数据。
在另一种可选的实现方式中，当用户输入“座舱高度警告”这一故障关键字时，提取与电子流量控制活门有关的工作数据。
在另一种可选的实现方式中，当用户输入“EFLOW”这一故障关键字时，提取工作数据：左侧控制组件打开数据1320：LT ECS PACK ON、选择N1指示数据275：SELECTEDN1INDICATED#1、左侧控制组件流量数据1318：LT ECS PACK FLOW、右侧控制组件流量数据1317：RT ECS PACK FLOW、右侧控制组件打开数据1319：RT ECS PACK ON、选定N1指示数据274：SELECTED N1INDICTED#2，在275：SELECTED N1INDICATED#1>80时，其余工作数据出现了OFF/HIGH或者OFF的指示，即表示出现了EFLOW非指令性关闭故障。
本发明的有益效果是：
通过本发明，用户在输入故障关键字后可以迅速查找对与该故障关键字对应故障关联的工作数据，并将该工作数据进行图表显示，从而可以提高基于QAR数据的辅助排故效率。
附图说明
图1是本发明737-NG飞机基于QAR数据的辅助排故方法的一个实施例流程图；
图2是本发明EFLOW故障的图表结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方案作进一步详细的说明。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
参见图1，为本发明737-NG飞机基于QAR数据的辅助排故方法的一个实施例流程图。该737-NG飞机基于QAR数据的辅助排故方法可以包括：
步骤S101、建立工作数据库，将QAR数据转译成工作数据，所述工作数据依次包括故障标识字符、组合参数标识字符和工作参数数值，所述故障标识字符由N位二进制数组成，N为大于2的整数，将各个故障分别置于不同的分类中，N位中对应各位在置1时对应表示不同的分类，N位中除去置1的该位后，重新按序排列的N-1位二进制数表示该故障在该分类中的位置。
本实施例中，由于存在大量的QAR数据，如果根据各个QAR数据转译形成的工作数据自身的标识信息，来提取与输入故障关键字对应的工作数据，就需要首先根据故障关键字确定与该故障对应的各个工作数据的标识信息，然后将确定的标识信息逐条与各个工作数据的标识信息逐位进行对比。为了区分各个工作数据，需要采用长度很长的字符作为其标识信息，这样在输入故障关键词后将需要进行大量较长工作数据标识信息对比，大大降低的辅助排故效率。本发明为每个工作数据预留有故障标识字符，以故障标识字符为4位为例，4位二进制数值可以有下表几种表现形式：
| 0000 | 0100 | 1000 | 1100 |
| 0001 | 0101 | 1001 | 1101 |
| 0010 | 0110 | 1010 | 1110 |
| 0011 | 0111 | 1011 | 1111 |
其中，由低位至高位，当4位中第1位置1时，对应第一分类，包括：
| 0001 | 0101 | 1001 | 1101 |
| 0011 | 0111 | 1011 | 1111 |
4位中去除置1的第1位后，重新按序排列形成以下3位二进制：
| 000 | 010 | 100 | 110 |
| 001 | 011 | 101 | 111 |
由此可见，第一分类中可以包括8个故障，各个故障在该第一分类中的位置分别用重新按序排列后的3位二进制数值表示。
当4位中第2位置1时，对应第二分类，包括：
| 0010 | 0110 | 1010 | 1110 |
| 0011 | 0111 | 1011 | 1111 |
4位中去除置1的第2位后，重新按序排列形成以下3位二进制：
| 000 | 010 | 100 | 110 |
| 001 | 011 | 101 | 111 |
由此可见，第二分类中可以包括8个故障，各个故障在该第二分类中的位置分别用重新按序排列后的3位二进制数值表示。
当4位中第3位置1时，对应第三分类，包括：
| 0100 | 1100 |
| 0101 | 1101 |
| 0110 | 1110 |
| 0111 | 1111 |
4位中去除置1的第3位后，重新按序排列形成以下3位二进制：
| 000 | 100 |
| 001 | 101 |
| 010 | 110 |
| 011 | 111 |
由此可见，第三分类中可以包括8个故障，各个故障在该第三分类中的位置分别用重新按序排列后的3位二进制数值表示。
当4位中第4位置1时，对应第四分类，包括：
| 1000 | 1100 |
| 1001 | 1101 |
| 1010 | 1110 |
| 1011 | 1111 |
4位中去除置1的第4位后，重新按序排列形成以下3位二进制：
| 000 | 100 |
| 001 | 101 |
| 010 | 110 |
| 011 | 111 |
由此可见，第四分类中可以包括8个故障，各个故障在该第四分类中的位置分别用重新按序排列后的3位二进制数值表示。
综上，本发明中故障标识字符可以用于表示四个分类，每个分类中可以表示8个故障，总计可以表示32种故障，而常规的4位二进制只能表示16种故障，因此本发明通过将QAR数据转译成包括故障识别字符的工作数据，并对故障标识字符进行设计，可以用较短的字符来表示大量的故障，这样在提取与输入故障相关的工作数据时，只需要将输入故障对应的故障标识字符与工作数据中存储的故障标识字符进行对比，由于故障标识字符的长度较短，因此可以提高故障对应工作数据的查找速度，大大提高基于QAR数据的辅助排故效率。
步骤S102、建立故障关键字与故障、故障所在分类及在该分类中位置的对应关系。
本实施例中，在建立对应关系时，可以首先建立故障关键字与故障之间的对应关系，然后建立故障与其所在分类及在该分类中位置的对应关系。
步骤S103、查找出与用户输入故障关键字对应的各个工作数据：根据该故障关键字从所述对应关系中查找到对应的故障、该故障所在分类及在该分类中的位置，遍历各个工作数据的故障标识字符，针对每个故障标识字符，依次按序判断其N位二进制数中对应各位是否置为1，将N位二进制数中首次出现的置位为1的对应位所对应的分类作为该工作数据对应故障所在分类，判断该工作数据对应故障所在分类是否与用户输入故障关键字对应故障所在分类相同，若分类相同，则将该工作数据的N位中首次置1的该位去除后，重新按序排列的N-1位二进制数作为该工作数据对应故障在所在分类中的位置，判断该工作数据对应故障在所在分类中的位置是否与用户输入故障关键字对应故障在所在分类中的位置相同，若位置相同，则将该工作数据提取出来。
本实施例中，用户在输入故障关键字后，可以首先从对应关系中查找出与该故障关键字对应的故障，然后从对应关系中查找出该故障所在分类及其在该分类中的位置；然后遍历各个工作数据的故障标识字符，针对每个故障标识字符，从低位至高位或者从高位至低位依次按序判断其N位二进制数中对应各位是否置为1，确定N位二进制数中首次出现的置位为1的对应位，并将该位所对应的分类作为该工作数据对应故障所在分类；判断该工作数据对应故障所在分类是否与用户输入故障关键字对应故障所在分类相同，若分类相同，则继续对该工作数据做进一步处理，若分类不同，则查看下一工作数据。由于本发明首先查找各个工作数据的故障标识字符中首次出现的置位为1的对应位，根据该位来确定工作数据对应故障所在分类，然后将工作数据对应故障分类与用户输入故障关键字对应故障分类进行比较，若相同则继续进行比较，否则查看下一工作数据，在该步骤中只需遍历N位二进制数的各位，不需要针对每条工作数据的N位二进制数都逐位进行比较，并且此步骤可以过滤掉大量不在用户输入关键字对应故障所在分类中的工作数据，因此大大提高了故障关联工作数据的查找效率。
在判断出该工作数据对应故障所在分类与用户输入关键字对应故障所在分类相同时，将该工作数据的N位中首次置1的该位去除后，重新按序排列的N-1位二进制数作为该工作数据对应故障在所在分类中的位置，判断该工作数据对应故障在所在分类中的位置是否与用户输入故障关键字对应故障在所在分类中的位置相同，若位置相同，则将该工作数据提取出来，若位置不相同，则查找下一工作数据。本发明在确定故障在对应分类中的位置时，只需要针对筛选出的工作数据的N-1位二进制数进行逐位比较，相比于针对N位二进制数进行逐位比较，本发明可以提高故障关联工作数据的查找效率。
同样地，以故障标识字符为4位为例，若用户输入关键字对应故障所在分类在第一分类中(即工作数据的故障标识字符中最低位为1)，且其在第一分类中的位置表示为“011”，三条工作数据的故障标识字符可以表示为“1110”、“1001”和“0111”，在查找与用户输入关键字对应的工作数据时，首先从低位至高位查看第一条工作数据的故障标识字符，由于第一条工作数据的故障标识字符中最低位不为1，因此第一条工作数据对应故障所在分类与用户输入关键字对应故障所在分类不同，该第一条工作数据不属于与用户输入关键字对应故障关联的工作数据，不再对该第一条工作数据做进一步处理，继续查看第二条工作数据。由于第二条工作数据的故障标识符中最低位为1，因此第二条工作数据对应故障所在分类与用户输入关键字对应故障所在分类相同，对第二条工作数据做进一步处理，去除4位二进制数的最低位后形成3位二进制数“100”，将该3位二进制数“100”与用户输入关键字对应故障所在分类的位置“011”逐位进行比较，由于两者并不相同，因此第二条工作数据对应故障在所在分类中的位置与用户输入关键字对应故障在所在分类中的位置不同，即第二条工作数据仍不属于与用户输入关键字对应故障关联的工作数据，继续查看第三条工作数据。由于第三条工作数据的故障标识符中最低位为1，因此第三条工作数据对应故障所在分类与用户输入关键字对应故障所在分类相同，对第三条工作数据做进一步处理，去除4位二进制数的最低位后形成3位二进制数“011”，将该3位二进制数“011”与用户输入关键字对应故障所在分类的位置“011”逐位进行比较，由于两者不相同，因此第三条工作数据对应故障在所在分类中的位置与用户输入关键字对应故障在所在分类中的位置不同，即第三条工作数据属于与用户输入关键字对应故障关联的工作数据，将该第三条工作数据提取出来。需要注意的是：本发明只是以4位故障标识符为例，在实际应用中并不只存在4位故障标识符。
步骤S104、查看提取出来的工作数据的组合参数识别字符，若一个工作数据的组合参数识别字符指向另一个工作数据，则将两个工作数据进行图表组合显示，否则对工作数据进行单独图表显示。
步骤S105、根据用户输入故障关键字后，显示的图表结果进行辅助排故。
由上述实施例可见，通过本发明，用户在输入故障关键字后可以迅速查找对与该故障关键字对应故障关联的工作数据，并将该工作数据进行图表显示，从而可以提高基于QAR数据的辅助排故效率。
以出现座舱高度警告为例，经申请人研究发现，出现座舱高度警告的原因可能是电子流量控制活门eFCV设计缺陷导致非指令关闭，eFCV的内部调节器易被污染卡滞导致该活门处于非正常关闭位，进而造成飞机在起飞爬升阶段无法正常增压，且期间飞机没有任何警告提示，直至触发座舱高度警告。为此，当用户输入“座舱高度警告”这一故障关键字时，可以提取与电子流量控制活门有关的工作数据。
另外，以EFLOW故障为例，当用户输入“EFLOW”这一故障关键字时，可以提取工作数据：左侧控制组件打开数据1320：LT ECS PACK ON、选择N1指示数据275：SELECTEDN1INDICATED#1、左侧控制组件流量数据1318：LT ECS PACK FLOW、右侧控制组件流量数据1317：RT ECS PACK FLOW、右侧控制组件打开数据1319：RT ECS PACK ON、选定N1指示数据274：SELECTED N1INDICTED#2，在275：SELECTED N1INDICATED#1>80时，其余工作数据出现了OFF/HIGH或者OFF的指示，即表示出现了EFLOW非指令性关闭故障，结合图2所示，N1达到了100时，其余参数一个或多个变成了OFF位。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (4)
1.一种737-NG飞机基于QAR数据的辅助排故方法，其特征在于，包括：建立工作数据库，将QAR数据转译成工作数据，所述工作数据依次包括故障标识字符、组合参数标识字符和工作参数数值，所述故障标识字符由N位二进制数组成，N为大于2的整数，将各个故障分别置于不同的分类中，N位中对应各位在置1时对应表示不同的分类，N位中除去置1的该位后，重新按序排列的N-1位二进制数表示该故障在该分类中的位置；
建立故障关键字与故障、故障所在分类及在该分类中位置的对应关系；
查找出与用户输入故障关键字对应的各个工作数据：根据该故障关键字从所述对应关系中查找到对应的故障、该故障所在分类及在该分类中的位置，遍历各个工作数据的故障标识字符，针对每个故障标识字符，依次按序判断其N位二进制数中对应各位是否置为1，将N位二进制数中首次出现的置位为1的对应位所对应的分类作为该工作数据对应故障所在分类，判断该工作数据对应故障所在分类是否与用户输入故障关键字对应故障所在分类相同，若分类相同，则将该工作数据的N位中首次置1的该位去除后，重新按序排列的N-1位二进制数作为该工作数据对应故障在所在分类中的位置，判断该工作数据对应故障在所在分类中的位置是否与用户输入故障关键字对应故障在所在分类中的位置相同，若位置相同，则将该工作数据提取出来；
查看提取出来的工作数据的组合参数识别字符，若一个工作数据的组合参数识别字符指向另一个工作数据，则将两个工作数据进行图表组合显示，否则对工作数据进行单独图表显示；
根据用户输入故障关键字后显示的图表结果进行辅助排故。
2.根据权利要求1所述的737-NG飞机基于QAR数据的辅助排故方法，其特征在于，若分类不同，则查看下一工作数据；若位置不同，则查看下一工作数据。
3.根据权利要求1所述的737-NG飞机基于QAR数据的辅助排故方法，其特征在于，当用户输入“座舱高度警告”这一故障关键字时，提取与电子流量控制活门有关的工作数据。
4.根据权利要求1所述的737-NG飞机基于QAR数据的辅助排故方法，其特征在于，当用户输入“EFLOW”这一故障关键字时，提取工作数据：左侧控制组件打开数据1320：LT ECSPACK ON、选择N1指示数据275：SELECTED N1 INDICATED#1、左侧控制组件流量数据1318：LTECS PACK FLOW、右侧控制组件流量数据1317：RT ECS PACK FLOW、右侧控制组件打开数据1319：RT ECS PACK ON和选定N1指示数据274：SELECTED N1 INDICTED#2，在275：SELECTEDN1 INDICATED#1>80时，其余工作数据出现了OFF/HIGH或者OFF的指示，即表示出现了EFLOW非指令性关闭故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710771339.5A CN107506255B (zh) | 2017-08-31 | 2017-08-31 | 737-ng飞机基于qar数据的辅助排故方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710771339.5A CN107506255B (zh) | 2017-08-31 | 2017-08-31 | 737-ng飞机基于qar数据的辅助排故方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107506255A CN107506255A (zh) | 2017-12-22 |
| CN107506255B true CN107506255B (zh) | 2020-03-24 |
Family
ID=60694564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710771339.5A Active CN107506255B (zh) | 2017-08-31 | 2017-08-31 | 737-ng飞机基于qar数据的辅助排故方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107506255B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978168B (zh) * | 2019-03-19 | 2021-08-24 | 北京瑞斯克企业管理咨询有限公司 | 基于时序qar参数曲线聚类的重着陆成因自动推理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010056592A2 (en) * | 2008-11-12 | 2010-05-20 | The Boeing Company | System and method for determining electronic logbook observed defect fix effectiveness |
| CN103970122A (zh) * | 2014-04-10 | 2014-08-06 | 海航航空技术有限公司 | 一种基于acms的飞机故障实时监控方法和系统 |
| CN105527506A (zh) * | 2014-09-28 | 2016-04-27 | 中国航空工业集团公司西安飞机设计研究所 | 一种智能故障报文检测系统及其发送方法 |
| CN105955243A (zh) * | 2016-06-08 | 2016-09-21 | 中国商用飞机有限责任公司 | 一种基于故障案例的飞机诊断维修方法及其装置 |
-
2017
- 2017-08-31 CN CN201710771339.5A patent/CN107506255B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010056592A2 (en) * | 2008-11-12 | 2010-05-20 | The Boeing Company | System and method for determining electronic logbook observed defect fix effectiveness |
| CN103970122A (zh) * | 2014-04-10 | 2014-08-06 | 海航航空技术有限公司 | 一种基于acms的飞机故障实时监控方法和系统 |
| CN105527506A (zh) * | 2014-09-28 | 2016-04-27 | 中国航空工业集团公司西安飞机设计研究所 | 一种智能故障报文检测系统及其发送方法 |
| CN105955243A (zh) * | 2016-06-08 | 2016-09-21 | 中国商用飞机有限责任公司 | 一种基于故障案例的飞机诊断维修方法及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107506255A (zh) | 2017-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10235445B2 (en) | Employing associative memory for enhanced lifecycle management | |
| CN105955243B (zh) | 一种基于故障案例的飞机诊断维修方法及其装置 | |
| CN107085744A (zh) | 利用数据分析增强的飞机维护和检查 | |
| US11270528B2 (en) | Apparatus and method for vehicle maintenance scheduling and fault monitoring | |
| CN104454785B (zh) | 一种工程机械液压缸故障诊断系统及与之适用的故障样本信号采集方法 | |
| CN103970122B (zh) | 一种基于acms的飞机故障实时监控方法和系统 | |
| EP3477412B1 (en) | System fault isolation and ambiguity resolution | |
| CN107766610B (zh) | 一种民用飞机适航审定试飞可靠性监控方法 | |
| CN113359664A (zh) | 故障诊断与维护系统、方法、设备及存储介质 | |
| CN111361759B (zh) | 基于混合模型的飞机辅助动力装置在翼剩余寿命预测方法 | |
| CN105760659A (zh) | 飞机起落架收放系统在小样本、贫信息下的可靠性评估方法 | |
| CN107506255B (zh) | 737-ng飞机基于qar数据的辅助排故方法 | |
| CN104050371B (zh) | 一种基于改进sdg的多故障诊断方法 | |
| CN115087938A (zh) | 不可知论系统功能状态确定和故障自动管理的系统和方法 | |
| Wan et al. | Bibliometric analysis of human factors in aviation accident using MKD | |
| Lee et al. | Anomaly detection of aircraft engine in FDR (flight data recorder) data | |
| Loe et al. | Visualization of Business Intelligence Insights into Aviation Accidents | |
| Chen et al. | APU feature integration based on multi-variant flight data analysis | |
| Glowacki et al. | Operations reliability study of small aircraft powered by piston engines | |
| Lam et al. | Human Reliability Analysis in Aviation Accidents: A Review | |
| CN113050595A (zh) | 一种基于pfmea和hra方法的潜在故障分析方法 | |
| Wang et al. | Research on health assessment and fault prediction method of aircraft electromechanical system based on fault tree | |
| CN112491463B (zh) | 基于acars报文识别飞机航段的方法 | |
| CN117273478B (zh) | 融合规则与案例的告警处置决策方法及系统 | |
| Bao | Research on Aircraft Runway Accident Investigation Report Based on LDA-Apriori Algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |