CN110136294A - 一种航空发动机的维修决策方法、设备和介质 - Google Patents

Abstract

本发明公开了一种航空发动机的维修决策方法，包括步骤：以预设频率对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种发动机参数所对应的时序数据集；对时序数据集进行异常检测，以确定在每一架次中至少一种异常的发动机参数，并构建异常参数集；对异常参数集进行关联分析，并得到异常的发动机参数之间的关联规则；根据关联规则确定需要维修的设备。本发明还公开了一种计算机设备和存储介质。本发明通过关联规则可以避免出现飞机发动机的二次维修情况。

Description

一种航空发动机的维修决策方法、设备和介质

技术领域

本发明涉及计算机技术领域，具体涉及一种航空发动机的维修决策方法、设备和介质。

背景技术

从上世纪90年代至今，航空装备技术飞速发展，尤其是在军事战略的调整以及航空装备作战使用样式发生变化的大环境下，飞机地面保障的要求越来越高，而保障飞机发动机在其中是最为根本的因素。军事科技的飞速发展对飞行发动机的保障以及故障预测提出了更高的要求。但是在长期的发展中，飞机发动机的保障技术总是落后于其他航天装备的技术。原有的飞机发动机保障体系在新装备条件下面临巨大的挑战，而对其保障的不到位，会大大降低军用飞机的战备完好率。

飞机发动机的健康管理缺乏量化分析，且在实际使用及维护过程中积累的经验和数据没能与设计数据很好地结合分析，造成理论与实际的脱离。飞机发动机发生故障时没有预警机制，机务外场设备维护人员对配备的飞机发动机，难以做到心中有数，预见性不足，且过度检修和检修不足现象并存，导致飞机发动机的完好率下降。

当飞机发动机在发生故障后，现阶段的故障数据没有结构化，机务外场维护人员也很难针对故障现象及可靠性数据、指标数据等的综合分析，进行明确的故障诊断，从而很难找到最优的故障预测方法，进行飞机发动机更换。这使得飞机发动机维修成本增大，同时故障发动机也得不到良好的维护，导致资源的浪费。

飞行发动机的维修决策是评判发动机健康状态的基础，它时刻影响着军用飞机的作战效率和维修保障效率，因此其在整个部队中的作用极为重要，所以，在大力发展航空装备的同时，如何为飞机发动机预测潜在异常情况并且提供有效的维修决策，也是地面保障领域中亟待解决的技术问题。

发明内容

有鉴于此，为了克服上述问题的至少一个方面，本发明实施例的提出一种航空发动机的维修决策方法，包括步骤：

对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种所述发动机参数所对应的时序数据集；

对所述时序数据集进行异常检测，以确定在所述每一架次中的异常发动机参数，并构建异常参数集；

对所述异常参数集进行关联分析，并得到所述异常的发动机参数之间的关联规则；

根据所述关联规则在后续飞行中确定需要维修的设备。

在一些实施例中，对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种所述发动机参数所对应的时序数据集，进一步包括：

以预设频率对每一架次中的至少一种发动机参数进行数据采集，对采集的所述每一架次的所述至少一种发动机参数所对应的数据进行预处理；

利用预处理后的数据构建所述时序数据集。

在一些实施例中，所述预处理包括数据去噪、缺失数据填补以及归一化处理。

在一些实施例中，对所述时序数据集进行异常检测，进一步包括：

判断所述时序数据集是否服从正态分布；

响应于所述时序数据集服从正态分布，利用基于3σ法则进行异常检测；

响应于所述时序数据集不服从正态分布，利用基于四分位法进行异常检测。

在一些实施例中，利用Anderson-Darling方法判断所述时序数据集是否服从正态分布。

在一些实施例中，对所述异常参数集进行关联分析，进一步包括：

利用FP-Growth算法对所述异常参数集进行关联分析。

在一些实施例中，在进行所述关联分析时，设置最小支持度阈值为0.1，最小置信度阈值为0.5。

在一些实施例中，根据所述关联规则确定需要维修的设备，进一步包括：

响应于所述发动机参数出现异常，确定需要维修的发动机的设备为与出现异常的发动机参数相关的设备以及与根据所述关联规则确定的其他发动机参数相关的设备。

基于同一发明构思，根据本发明的另一个方面，本发明的实施例还提供了一种计算机设备，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时执行如上所述的任一种航空发动机的维修决策的方法的步骤。

基于同一发明构思，根据本发明的另一个方面，本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种航空发动机的维修决策方法的步骤。

本发明具有以下有益技术效果之一：在进行维修决策时，需要将与飞机发动机参数相关的设备进行提前更换或者维修，可以避免出现飞机发动机的二次维修情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本发明的实施例提供的一种航空发动机的维修决策方法的流程示意图；

图2为本发明的实施例提供的采集的一种发动机参数的数据；

图3为本发明的实施例提供的异常参数集；

图4为本发明的实施例提供的计算机设备的结构示意图；

图5为本发明的实施例提供的计算机可读存储介质的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

根据本发明的一个方面，本发明的实施例提出一种航空发动机的维修方法，如图1所示，其可以包括步骤：S1、对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种所述发动机参数所对应的时序数据集；S2、对所述时序数据集进行异常检测，以确定在所述每一架次中的异常发动机参数，并构建异常参数集；S3、对所述异常参数集进行关联分析，并得到所述异常的发动机参数之间的关联规则；S4、根据所述关联规则在后续飞行中确定需要维修的设备。

在本发明实施例中，飞机发动机参数可以包括：低压涡轮后燃气总温T4、振动值B、发动机低压转子转速N1、发动机高压转子转速N2、油门位置Alfa_PYD、低压进口叶片转角Alfa_1、高压进口叶片转角Alfa_2、喷口鱼鳞片位置Dpc、发动机进口空气总温T1、滑油进口压力Pm、占空比S1、占空比S8和APII-39二次电源接通V2。

在一些实施例中，飞机的一次飞行，从A机场起飞到降落至A机场，称为一个架次，也可以说是单个架次。假设飞机从2012/7/22 7:32:21开始起飞，到2012/7/22 7:32:40降落，共20秒。从起飞到降落期间每一秒，13种飞机发动机参数都在产生数据。例如以预设频率对飞机单个架次的一种发动机参数N1进行采集，那么得到的数据应该如图2所示，那么，可以构成关于参数N1的时序数据集[0，0，0，0，0，0，0，0，0，0，0，0，5.293，12.529，9.849，8.442，9.313001，10.05，10.05，11.725]，对其他12种发动机参数以同样的方式进行采集，即可得到其他12中参数的时序数据集。同样的，可以得到其他架次的发动机参数所对应的时序数据集。

在一些实施例中，可以以预设频率对每一架次中的至少一种发动机参数进行数据采集，并且可以对采集的所述每一架次的所述至少一种发动机参数所对应的数据进行预处理，然后利用预处理后的数据构建所述时序数据集。

具体的，可以先采用中值滤波的方法进行数据去噪，然后采用插值方法进行缺失数据填补，再进行归一后处理。对所采集的数据进行归一化处理的目的主要是将所有需要计算的数据都缩小到0-1之间，有效地简化计算，节约计算资源。

在一些实施例中，在步骤S2对所述时序数据集进行异常检测中，可以进一步包括：

判断所述时序数据集是否服从正态分布；

响应于所述时序数据集服从正态分布，利用基于3σ法则进行异常检测；

响应于所述时序数据集不服从正态分布，利用基于四分位法进行异常检测。

具体的，可以利用Anderson-Darling方法判断所述时序数据集是否服从正态分布。并且对多个架次中出现异常情况的飞机发动机参数进行标记，确定在每一架次中至少一种异常的发动机参数，以构建如图3所示的异常参数集。

在一些实施例中，可以利用基于FP-Growth算法对多个架次的异常数据集进行关联分析，设置最小支持度阈值为0.1，最小置信度阈值为0.5，挖掘出飞机发动机异常参数之间的关联规则。

具体的，如图3所示，图中的False表示在某一架次飞行中，该飞机发动机参数无异常，True表示有异常。在第8架次中，可以看出N1有异常，N2也有异常。如果在多个架次中都出现这种情况，即N1有异常，N2也有异常，那么可以看作是一种频繁模型。根据关联分析，可以得到一条关联规则：{N1}->{N2}，也就是说当N1出现异常时，那么N2也有很大几率出现异常。

通过对飞机发动机参数进行关联分析，得到如下的异常参数之间的关联规则：

{N1}->{N2}//N1出现异常时，那么N2也有很大几率出现异常

{T4}->{B}//T4出现异常时，那么B也有很大几率出现异常

{S1}->{S8}//S1出现异常时，那么S8也有很大几率出现异常

在一些实施例中，还可以利用关联规则的置信度信息，将关联规则按照置信度从大到小排序，标记那些先导出现异常情况的关联规则以构建重点关注维修集，重点关注维修集中的对象也就是存在潜在异常情况的飞机发动机参数，那么在进行维修决策时，需要将与这些飞机发动机参数相关的设备进行提前更换或者维修，避免出现飞机发动机的二次维修情况。

具体的，当飞机的发动机的某一参数出现异常后，不仅对与该参数相关的设备进行维修，同时也对根据关联规则确定的与该参数相对应的另一参数相关的设备进行维修，以避免出现飞机发动机的二次维修情况。

本发明采用异常检测算法和关联分析模型相结合的方式对飞机发动机进行维修决策评估，挖掘出重点关注维修集，然后对重点关注维修集中的飞机发动机参数进行重点关注，可有效预测飞机发动机的潜在异常情况，在进行维修决策时，需要将与这些飞机发动机参数相关的设备进行提前更换或者维修，避免出现飞机发动机的二次维修情况。

基于同一发明构思，根据本发明的另一个方面，如图3所示，本发明的实施例还提供了一种计算机设备501，包括：

至少一个处理器520；以及

存储器510，存储器510存储有可在处理器上运行的计算机程序511，处理器520执行程序时执行如上的任一种航空发动机的维修方法的步骤。

基于同一发明构思，根据本发明的另一个方面，如图4所示，本发明的实施例还提供了一种计算机可读存储介质601，计算机可读存储介质601存储有计算机程序610，计算机程序610被处理器执行时执行如上的任一种航空发动机的维修方法的步骤。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

此外，典型地，本发明实施例公开的装置、设备等可为各种电子终端设备，例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等，也可以是大型终端设备，如服务器等，因此本发明实施例公开的保护范围不应限定为某种特定类型的装置、设备。本发明实施例公开的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。

此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。

此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。

此外，应该明白的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。

结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。

结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。

在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种航空发动机的维修决策方法，包括步骤：

对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种所述发动机参数所对应的时序数据集；

对所述时序数据集进行异常检测，以确定在所述每一架次中的异常发动机参数，并构建异常参数集；

对所述异常参数集进行关联分析，并得到所述异常的发动机参数之间的关联规则；

根据所述关联规则在后续飞行中确定需要维修的设备。

2.如权利要求1所述的方法，其特征在于，对每一架次中的至少一种发动机参数进行数据采集，并构建与每一种所述发动机参数所对应的时序数据集，进一步包括：

以预设频率对每一架次中的至少一种发动机参数进行数据采集，对采集的所述每一架次的所述至少一种发动机参数所对应的数据进行预处理；

利用预处理后的数据构建所述时序数据集。

3.如权利要求2所述的方法，其特征在于，所述预处理包括数据去噪、缺失数据填补以及归一化处理。

4.如权利要求1所述的方法，其特征在于，对所述时序数据集进行异常检测，进一步包括：

判断所述时序数据集是否服从正态分布；

响应于所述时序数据集服从正态分布，利用基于3σ法则进行异常检测；

响应于所述时序数据集不服从正态分布，利用基于四分位法进行异常检测。

5.如权利要求4所述的方法，其特征在于，利用Anderson-Darling方法判断所述时序数据集是否服从正态分布。

6.如权利要求1所述的方法，其特征在于，对所述异常参数集进行关联分析，进一步包括：

利用FP-Growth算法对所述异常参数集进行关联分析。

7.如权利要求6所述的方法，其特征在于，在进行所述关联分析时，设置最小支持度阈值为0.1，最小置信度阈值为0.5。

8.如权利要求1所述的方法，其特征在于，根据所述关联规则确定需要维修的设备，进一步包括：

响应于所述发动机参数出现异常，确定需要维修的发动机的设备为与出现异常的发动机参数相关的设备以及与根据所述关联规则确定的其他发动机参数相关的设备。

9.一种计算机设备，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如权利要求1-8任意一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行权利要求1-8任意一项所述的方法。