CN107891994B - 一种全智能飞行器飞行试验误差分析系统 - Google Patents
一种全智能飞行器飞行试验误差分析系统 Download PDFInfo
- Publication number
- CN107891994B CN107891994B CN201711101297.0A CN201711101297A CN107891994B CN 107891994 B CN107891994 B CN 107891994B CN 201711101297 A CN201711101297 A CN 201711101297A CN 107891994 B CN107891994 B CN 107891994B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- test data
- analysis
- fault
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 90
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000003745 diagnosis Methods 0.000 claims abstract description 50
- 238000007405 data analysis Methods 0.000 claims abstract description 47
- 208000024891 symptom Diseases 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007726 management method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000013523 data management Methods 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000008676 import Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000007620 mathematical function Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 210000001520 comb Anatomy 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种全智能飞行器飞行试验误差分析系统，系统包含试验数据管理模块、飞行试验数据分析模块、智能故障诊断模块、人机交互模块。试验数据管理模块支持试验数据的批量导入，统一管理；飞行试验数据分析模块对试验数据进行数据处理、特征提取；智能故障诊断模块，根据数据分析模块所得征兆特征，结合知识库的知识规则，进行智能推理和规则匹配，诊断出系统故障；人机交互模块可对整个过程进行控制，并实时动态显示系统数据分析、故障定位的过程与结果；该系统优点包括，可快速给出数据分析结果并准确定位系统级故障、试验数据批量导入、试验数据统一管理、诊断过程自动进行、诊断结果实时动态显示、诊断过程自主可控、开放性好。
Description
技术领域
本发明涉及飞行器飞行试验误差分析的技术领域，具体涉及一种全智能飞行器飞行试验误差分析系统。
背景技术
飞行器飞行试验误差分析现阶段主要依靠专家在每一次飞行试验结束后对飞行试验进行人工分析和判读，人工判读存在漏判和误判的隐患；近年来，随着计算机技术的发展，也有全自动的数据判读系统，以及全自动故障诊断系统，但主要还是人工数据判读、人工故障诊断。
飞行试验误差分析系统，包含数据库模块、判据库模块、数据分析模块、专家知识库模块、智能故障诊断推理模块。将试验数据实时或离线导入系统，系统首先对数据进行预处理；接着，根据判据对处理后的数据进行分析，判断数据正常或异常，给出数据分析的结果，对于异常的数据，提取数据异常点作为故障征兆；智能故障诊断模块根据故障征兆，结合专家系统的知识和经验，通过黑板模型的推理，以及规则匹配，最后给出故障诊断的结果；专家知识库的知识，通过故障树的方式在线整理添加，形成知识；系统输出数据分析结果以及故障诊断结果。
飞行器飞行试验误差分析现阶段主要依靠专家在每一次飞行试验结束后对数据的分析结果进行人工分析和判读，人工判读存在漏判和误判的隐患；对于飞行试验误差的分析需要专家的经验知识，知识具有积累性，判决规则规范化而且随着飞行的状态和类型的不同复杂多样化，工作量非常大；同时现阶段数据判读系统、故障诊断系统一般不支持实时诊断，只支持离线分析诊断；数据分析与故障诊断速度慢，不能满足实时分析，快速诊断的要求。本发明针对现有技术的缺陷，通过数据库管理技术，支持飞行试验数据实时接收，以及离线数据的一次性导入；数据分析模块可以选择不同的数据处理方式；判据库标准支持判据(波线、阈值、枚举)的在线添加；知识库可以通过故障树对专家知识进行在线梳理添加；智能故障诊断推理模块可以根据数据分析的结果，快速定位系统故障；系统实时输出数据分析结果以及故障诊断结果。
飞行器(火箭、导弹等)在研制过程中，需要进行大量地面试验外还必须进行飞行试验，这样才能完全考核和检验飞行器在实际飞行环境中的性能及各项指标，以至定型，通过在实际环境中的飞行，利用地面测量系统获取的轨迹和各部件的工作状态数据，依此诊断飞行器在飞行过程中的故障，并分析、检验飞行器的设计方案及性能。
发明内容
本发明针对飞行器飞行试验时实时、准实时、离线误差分析的需求，设计解决飞行试验误差分析的问题。本系统属于飞行器飞行试验的误差分析系统，主要解决的问题有：以飞行器飞行时的测量数据(遥测、外测数据等)为基础，对整个飞行过程进行实时、准实时、离线分析，能够快速给出飞行试验参数分析结果，快速诊断出系统的故障，为飞行试验成功与否，飞行质量好坏的评估给出参考指标。
本发明采用的技术方案为：一种全智能飞行器飞行试验误差分析系统，包括试验数据管理模块、飞行试验数据分析模块、智能故障诊断模块和人机交互模块；其中，
试验数据管理模块由数据库组成，支持试验数据的批量导入，统一管理；
飞行试验数据分析模块对试验数据进行预处理、数据处理、特征提取；其中，数据处理函数库隶属于飞行试验数据分析模块，包含数据处理以及数据预处理所需的数学函数、动力学模型；飞行试验判据库隶属于飞行试验数据分析模块，包含数据分析时各种判据；
智能故障诊断模块，根据数据分析模块所得的故障征兆，结合知识库所提供的专家知识，进行推理和规则匹配，从而诊断出系统故障；知识库中的规则和事实由专家通过建立故障树分析得到；
人机交互模块，实时显示数据分析以及故障定位的结果，同时用户可通过该模块实时控制整个数据分析及智能故障诊断的过程。
其中，飞行试验数据分析模块可以实现试验数据的预处理；试验数据的数据处理采用常规数学函数或者动力学模型对不能直接提取征兆的原始试验数据进行处理，以便获取故障征兆；征兆提取通过包络线分析、阈值分析、枚举分析对试验数据进行分析，提取异常特征点；征兆提取时所需的判据，来源于判据库，判据库由试验人员添加，或者根据历史试验中的正常数据自动生成。
其中，智能故障诊断模块根据故障征兆推过推理机制推理得到系统故障，推理机制模块包含黑板模型和搜索匹配算法，对数据分析模块所得到的故障征兆，根据知识库提供的规则和事实进行搜索匹配，得到故障诊断结果；知识库包含故障树，事实表，规则表；试验人员通过故障树梳理诊断诊断的各种故障模式，系统根据梳理结果自动生成事实表和规则表，从而得到知识库。
其中，人机交互模块可对整个智能诊断过程进行控制，包括数据的导入操作、状态量的管理、待诊断数据的选取、数据分析判据的添加与删除、数据处理函数的选择、征兆提取函数的选择、知识库的添加与删除操作、试验分析结果报告的导出操作等，同时该模块可以实时显示数据分析和故障诊断的过程及结果。
本发明与现有技术相比的优点在于：
(1)本发明支持数据批量导入，批量处理；
(2)本发明实时、准实时、离线诊断；
(3)本发明数据处理快速准确；
(4)本发明在征兆提取模块具有全自动包络分析、阈值分析、枚举分析技术；
(5)本发明通过故障树梳理故障模式并自动生成诊断规则；
(6)本发明智能推理模块的设计，黑板模型，搜索匹配，可以迅速定位故障；
(7)本发明人机交互模块可以对整个智能诊断过程进行控制，并实时显示诊断过程中数据分析结果以及故障定位结果。
附图说明
图1为本发明一种全智能飞行器飞行试验误差分析系统结构图；
图2为本发明试验数据管理模块框图；
图3为本发明智能推理模块推理机制框图；
图4为本发明故障树示意图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明一种全智能飞行器飞行试验误差分析系统，包含试验数据管理模块、飞行试验数据分析模块、智能故障诊断模块。试验数据管理模块由数据库组成，包括试验管理、状态量管理、处理信息管理、诊断标准管理、知识库管理和诊断结果管理。支持试验数据的批量导入，统一管理；飞行试验数据分析模块对试验数据进行预处理、数据处理、特征提取；其中，数据处理函数库隶属于飞行试验数据分析模块，包含数据处理以及数据预处理所需的数学函数、动力学模型；飞行试验判据库隶属于飞行试验数据分析模块，包含数据分析时各种判据；智能故障诊断模块，根据数据分析模块所得的故障征兆，结合知识库所提供的专家知识，进行推理和规则匹配，从而诊断出系统故障；知识库中的规则和事实由专家通过故障树建立分析得到。
试验数据管理模块由MySQL数据库组成，MySQL是一个关系型数据库管理系统，由瑞典MySQL AB公司开发，目前属于Oracle旗下产品，MySQL是最流行的关系型数据库管理系统之一，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，具有体积小、速度快、成本低的特点。试验数据管理模块支持试验数据的一次性批量导入，包括试验管理，状态量的添加与删除，处理信息统一管理，支持在线添加删除数据。
飞行试验数据分析模块可以实现试验数据的预处理，即发现数据中存在的各种问题，处理方法包括异常值处理、零均值化处理、消除趋势项等等；试验数据的处理采用常规数学函数或者动力学模型对不能直接提取征兆的原始试验数据进行处理，以便获取故障征兆；征兆提取通过包络线分析、阈值分析、枚举分析对试验数据进行分析，提取异常特征点；征兆提取时所需的判据，来源于判据库，判据库由试验人员添加，或者根据历史试验中的正常数据自动生成。具体特征为：数据处理函数库，包含常用的数学处理函数，包含飞行试验所需的常规动力学分析模型，支持用户在线自定义添加处理函数和动力学模型，支持调用用户开发的外部处理函数程序；判据库包含常用的各种阈值型、枚举型、包络型判据，判据支持用户在线添加，支持从历史数据中自学习得到判据。
智能故障诊断模块根据故障征兆通过推理机制推理得到系统故障。推理机制模块包含黑板模型和搜索匹配算法，对数据分析模块所得到的故障征兆，根据知识库提供的规则和事实进行搜索匹配，得到故障诊断结果；知识库包含故障树，事实表，规则表；试验人员通过故障树梳理诊断诊断的各种故障模式，系统根据梳理结果自动生成事实表和规则表，从而得到知识库。智能诊断模块采用启发式搜索，当状态量诊断异常时，启动搜索算法和黑板模型，在知识库中搜索诊断知识；针对诊断对象的不同可以通过故障树在线梳理对象的故障模式，形成诊断规则；对于系统的未知故障具有自学习功能，记录新的故障模式形成事实和诊断规则。
人机交互模块为C#设计的可视化界面，界面的按钮、显示窗口等与后台运行程序连接，可对整个智能诊断过程进行控制，包括数据的导入操作、状态量的管理、待诊断数据的选取、数据分析判据的添加与删除、数据处理函数的选择、征兆提取函数的选择、知识库的添加与删除操作、试验分析结果报告的导出操作等，同时界面可以实时显示数据分析和故障诊断的过程及结果。
Claims (3)
1.一种全智能飞行器飞行试验误差分析系统，其特征在于：包括试验数据管理模块、飞行试验数据分析模块、智能故障诊断模块和人机交互模块；其中，
试验数据管理模块由数据库组成，支持试验数据的批量导入，统一管理；
飞行试验数据分析模块对试验数据进行预处理、数据处理、特征提取；其中，数据处理函数库隶属于飞行试验数据分析模块，包含数据处理以及数据预处理所需的数学函数、动力学模型；飞行试验判据库隶属于飞行试验数据分析模块，包含数据分析时各种判据；
智能故障诊断模块，根据数据分析模块所得的故障征兆，结合知识库所提供的专家知识，进行推理和规则匹配，从而诊断出系统故障；知识库中的规则和事实由专家通过建立故障树分析得到；
人机交互模块，实时显示数据分析以及故障定位的结果，同时用户可通过该模块实时控制整个数据分析及智能故障诊断的过程；
飞行试验数据分析模块可以实现试验数据的预处理；试验数据的数据处理采用常规数学函数或者动力学模型对不能直接提取征兆的原始试验数据进行处理，以便获取故障征兆；征兆提取通过包络线分析、阈值分析、枚举分析对试验数据进行分析，提取异常特征点；征兆提取时所需的判据，来源于判据库，判据库由试验人员添加，或者根据历史试验中的正常数据自动生成。
2.根据权利要求1所述的一种全智能飞行器飞行试验误差分析系统，其特征在于：智能故障诊断模块根据故障征兆推理机制推理得到系统故障，推理机制模块包含黑板模型和搜索匹配算法，对数据分析模块所得到的故障征兆，根据知识库提供的规则和事实进行搜索匹配，得到故障诊断结果；知识库包含故障树，事实表，规则表；试验人员通过故障树梳理诊断的各种故障模式，系统根据梳理结果自动生成事实表和规则表，从而得到知识库。
3.根据权利要求1所述的一种全智能飞行器飞行试验误差分析系统，其特征在于：人机交互模块可对整个智能诊断过程进行控制，包括数据的导入操作、状态量的管理、待诊断数据的选取、数据分析判据的添加与删除、数据处理函数的选择、征兆提取函数的选择、知识库的添加与删除操作、试验分析结果报告的导出操作，同时该模块可以实时显示数据分析和故障诊断的过程及结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711101297.0A CN107891994B (zh) | 2017-11-09 | 2017-11-09 | 一种全智能飞行器飞行试验误差分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711101297.0A CN107891994B (zh) | 2017-11-09 | 2017-11-09 | 一种全智能飞行器飞行试验误差分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107891994A CN107891994A (zh) | 2018-04-10 |
| CN107891994B true CN107891994B (zh) | 2020-08-25 |
Family
ID=61804838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711101297.0A Active CN107891994B (zh) | 2017-11-09 | 2017-11-09 | 一种全智能飞行器飞行试验误差分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107891994B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108974389B (zh) * | 2018-07-16 | 2021-07-30 | 上海交通大学 | 用于民机设计及适航审定的智能座舱系统实现方法 |
| CN109270851B (zh) * | 2018-08-17 | 2021-08-13 | 北京航空航天大学 | 人机交互动态故障树认知过载故障逻辑门的设计方法 |
| CN110386266B (zh) * | 2019-06-12 | 2023-02-17 | 江西冠一通用飞机有限公司 | 一种基于状态树的飞机故障诊断及故障维修方法 |
| CN110908356A (zh) * | 2019-10-11 | 2020-03-24 | 成都飞机工业（集团）有限责任公司 | 一种飞控试验数据快速故障定位方法 |
| CN112487058A (zh) * | 2020-11-30 | 2021-03-12 | 北京航空航天大学 | 一种基于数据挖掘的数控机床故障监测与诊断系统 |
| CN114692416B (zh) * | 2022-04-06 | 2023-04-07 | 江苏锐天智能科技股份有限公司 | 一种智能模拟仿真飞行中飞机故障分析系统及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
| US10372843B2 (en) * | 2014-02-07 | 2019-08-06 | The Boeing Company | Virtual aircraft network |
| CN104627385B (zh) * | 2014-12-01 | 2016-06-29 | 中国民航大学 | 一种过程可视化决策诊断系统及其推理控制方法 |
| CN106502238A (zh) * | 2016-11-30 | 2017-03-15 | 北京航空航天大学 | 一种固液动力飞行器故障诊断系统 |
-
2017
- 2017-11-09 CN CN201711101297.0A patent/CN107891994B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107891994A (zh) | 2018-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107891994B (zh) | 一种全智能飞行器飞行试验误差分析系统 | |
| WO2021179574A1 (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
| CN105225049B (zh) | 一种高可扩展性故障诊断专家系统 | |
| CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN112487058A (zh) | 一种基于数据挖掘的数控机床故障监测与诊断系统 | |
| CN109858886B (zh) | 一种基于集成学习的费控成功率提升分析方法 | |
| US11580425B2 (en) | Managing defects in a model training pipeline using synthetic data sets associated with defect types | |
| EP3340136A1 (en) | Systems and methods for determining relationships between defects | |
| CN114688926B (zh) | 一种运载火箭健康检测验证评估系统和方法 | |
| CN113592343A (zh) | 二次系统的故障诊断方法、装置、设备和存储介质 | |
| CN107102949A (zh) | 应用程序离线测试方法及工具 | |
| CN115718472A (zh) | 水电机组故障扫描诊断方法 | |
| CN112906764A (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
| CN115033463A (zh) | 一种系统异常类型确定方法、装置、设备和存储介质 | |
| CN110333709B (zh) | 一种轧钢过程故障诊断方法及系统 | |
| CN117648931A (zh) | 一种代码审查方法、装置、电子设备及介质 | |
| CN112416732B (zh) | 一种基于隐马尔可夫模型的数据采集运行异常检测方法 | |
| CN111047125A (zh) | 产品不良分析装置、方法及计算机可读存储介质 | |
| CN117312854A (zh) | 一种生产质量监控方法、装置、设备及存储介质 | |
| CN114219302B (zh) | 面向飞行技能全生命周期的飞行员作风胜任力画像方法 | |
| CN115543820A (zh) | 一种基于tesseract-orc的软件自动化测试方法及系统 | |
| CN113033845B (zh) | 一种电力传输资源共建共享的建设方法及装置 | |
| CN115373366A (zh) | 一种交互式诊断系统、诊断方法及存储介质 | |
| CN114881112A (zh) | 一种系统异常检测方法、装置、设备及介质 | |
| CN112256576B (zh) | 人机对话语料测试方法、装置、设备及存储介质 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Qingzhen Inventor after: Li Cao Inventor after: Cui Langfu Inventor after: Peng Wen Inventor before: Peng Wen Inventor before: Cui Langfu |