CN111241694B - 一种基于大数据处理的飞机机群健康评估方法，设备及可读存储介质 - Google Patents

Abstract

本发明提供一种基于大数据处理的飞机机群健康评估方法，设备及可读存储介质,获取K架飞机的飞参数据，并构建的K组时序数据集；对于所构建的K组时序数据集进行数据预处理；对于每一架飞机的N种飞参数据进行特征提取，并计算每一种飞参数据的健康评分；飞机有M个系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分；利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分；根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分。本发明采用一种基于大数据处理的飞机机群健康评估模型对飞机机群的健康态势进行分析，并给出健康评分，可有效评估飞机机群的健康情况。

Description

一种基于大数据处理的飞机机群健康评估方法，设备及可读 存储介质

技术领域

本发明涉及属于计算机技术领域，尤其涉及军用飞行大数据机务外场自主保障信息支持系统的一种基于大数据处理的飞机机群健康评估方法。

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，而监控飞机机群健康在其中是最为根本的因素。军事科技的飞速发展对航空飞机机群监控以及异常预测提出了更高的要求。但是在长期的发展中，飞机机群健康评估技术总是落后于其他航天的技术。原有的飞机机群监控与健康评估系统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。

飞机机群监控和健康评估缺乏量化分析，而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。机务外场设备维护人员在监控飞机机群的异常状态和健康评估，难以做到心中有数，预见性不足，导致难以准确地对飞机机群进行异常监控和健康评估。

当采集到飞机机群的飞参数据后，机务外场维护人员也很难针对可靠性数据、指标数据等的综合分析，进行明确的飞机机群的异常监控和健康评估，从而很难找到最优的健康评估方法。这使得很难对飞机机群的健康态势做到心中有数。

飞机机群的异常监控和健康评估是预测机群健康状态的基础，它时刻影响着军用飞机机群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，如何为飞机机群提供准确的飞机机群健康评估也是地面保障领域中亟待解决的技术问题。

发明内容

为了克服上述现有技术中的不足，本发明提供一种应用于机务外场自主保障信息支持系统的基于大数据处理的飞机机群健康评估方法，可有效评估飞机机群的健康情况。

为此本发明包括以下步骤：

步骤1，获取K架飞机的飞参数据，并构建的K组时序数据集；

步骤2，对于所构建的K组时序数据集进行数据预处理；

步骤3，对于每一架飞机的N种飞参数据进行特征提取，并计算每一种飞参数据的健康评分；

步骤4，飞机有M个系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分；

步骤5，利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分；

步骤6，根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分。

基于上述飞机机群健康评估方法，本发明还提供实现基于大数据处理的飞机机群健康评估方法的设备，包括：

存储器，用于存储计算机程序及基于大数据处理的飞机机群健康评估方法；

处理器，用于执行所述计算机程序及基于大数据处理的飞机机群健康评估方法，以实现基于大数据处理的飞机机群健康评估方法的步骤。

基于上述飞机机群健康评估方法，本发明还提供一种具有基于大数据处理的飞机机群健康评估方法的可读存储介质，可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现基于大数据处理的飞机机群健康评估方法的步骤。

从以上技术方案可以看出，本发明具有以下优点：

基于大数据处理的飞机机群健康评估方法可以实现对飞机机群监控和健康评估量化分析，在实际使用及维护过程中将积累的经验和设计数据很好地结合分析，实现理论与实际相结合。设备维护人员在监控飞机机群的异常状态和健康评估时，做到心中有数，准确地对飞机机群进行异常监控和健康评估。

健康评估方法当采集到飞机机群的飞参数据后，维护人员也对可靠性数据、指标数据等数据进行综合分析，进行明确的飞机机群的异常监控和健康评估，从而找到最优的健康评估方法。对飞机机群的健康态势做到心中有数。

基于大数据处理的飞机机群健康评估方法实现了对飞机机群的异常监控和健康评估，保证军用飞机机群的作战效率和维修保障效率，为飞机机群提供准确的飞机机群健康评估数据。

附图说明

为了更清楚地说明本发明的技术方案，下面将对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附图。

图1为基于大数据处理的飞机机群健康评估方法流程图。

具体实施方式

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本发明提供一种基于大数据处理的飞机机群健康评估方法，如图1所示，方法包括：

步骤1，获取K架飞机的飞参数据，并构建的K组时序数据集；

具体的，包括以下子步骤：

步骤1011，获取K架飞机的飞参数据，并构建的K组时序数据集S＝{s^(k)|k＝1,2,...,K}；

本发明实施例中，所述的飞机参数包含低压涡轮后排气总温T4、振动值B等121项飞机参数，选择了15架飞机当前架次的飞参数据。

步骤1012，对于构建好的K组时序数据集S＝{s^(k)|k＝1,2,...,K}，存储到大数据平台中的分布式文件系统HDFS中。飞参数据为非结构化数据，并且数据量大，利用分布式文件系统HDFS能够快速地存储和读取飞参数据。

本发明实施例中，大数据平台中的分布式文件系统HDFS中部署了三个数据存储节点，用来存储15架飞机当前架次的飞参数据。

步骤2，对于所构建的K组时序数据集进行数据预处理；

具体的，包括以下子步骤：

步骤1021，对于所构建的K组时序数据集进行数据预处理，所述预处理包括缺失数据填补和归一化处理；

本发明实施例中，所述预处理包括缺失数据填补和归一化处理；先对所采集的时序数据集进行缺失数据填补后，再进行归一后处理。其中，可采用插值方法进行缺失数据填补。对所采集的数据集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；

步骤1022，对所构建的时序数据集在进行去噪滤波时，采用基于小波变换的去噪算法，并在大数据平台中分布式计算引擎Spark进行计算。

本发明实施例中，将S＝{s^(k)|k＝1,2,…,K}采用基于小波变换的去噪算法进行滤波去噪，并在大数据平台中分布式计算引擎Spark进行计算。大数据平台中的分布式计算引擎Spark中部署了三个计算节点，用来计算15架飞机当前架次的飞参数据。

步骤3，对于每一架飞机的N种飞参数据进行特征提取，并计算每一种飞参数据的健康评分；

本发明实施例中，对于每一架飞机的N种飞参数据进行特征提取，选择了121种飞参数据，并计算每一种飞参数据的健康评分P_i(i＝1,2,…,N)为：

其中，μ_i(i＝1,2,…,N)表示第i种飞机参数的提取的数据特征，即均值，

表示第i种飞机参数的历史均值。

步骤4，飞机有M个系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分；

本发明实施例中，飞机有M＝8个系统，即发动机系统、飞控系统、环控系统、航电子系统、燃油系统、液压系统、电源系统和刹车系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分Q_j(j＝1,2,…,M)为：

其中，c(j)表示飞机第j个系统中所包含飞机参数构成的集合，|c(j)|表示集合所含元素的个数，同时成立w_i＝1/|c(j)|。

步骤5，利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分；

本发明实施例中，利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分R_k(k＝1,2,…,K)为；

其中，K＝15，α_j(j＝1,2,…,M)表示每一个系统健康评分的权值，同时对于每一个权值成立α_j＝|c(j)|/N。

步骤6，根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分。

本发明实施例中，根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分G为：

其中，V_k为第k架飞机的剩余寿命，T_k表示第k架飞机的总规定寿命，显然成立0≤V_k≤T_k。根据飞参健康评分、飞机系统评分和整机健康评分的计算公式，飞机机群健康评分G可以写成：

这样，基于大数据处理的飞机机群健康评估方法可以实现对飞机机群监控和健康评估量化分析，在实际使用及维护过程中将积累的经验和设计数据很好地结合分析，实现理论与实际相结合。设备维护人员在监控飞机机群的异常状态和健康评估时，做到心中有数，准确地对飞机机群进行异常监控和健康评估。

基于上述飞机机群健康评估方法，本发明还提供实现基于大数据处理的飞机机群健康评估方法的设备，包括：

存储器，用于存储计算机程序及基于大数据处理的飞机机群健康评估方法；

处理器，用于执行所述计算机程序及基于大数据处理的飞机机群健康评估方法，以实现基于大数据处理的飞机机群健康评估方法的步骤。

基于上述飞机机群健康评估方法，本发明还提供一种具有基于大数据处理的飞机机群健康评估方法的可读存储介质，可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现基于大数据处理的飞机机群健康评估方法的步骤。

实现基于大数据处理的飞机机群健康评估方法的设备是结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的实现基于大数据处理的飞机机群健康评估方法的设备可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据实现基于大数据处理的飞机机群健康评估方法的设备公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的索引方法。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于大数据处理的飞机机群健康评估方法，其特征在于，方法包括：

步骤1，获取K架飞机的飞参数据，并构建的K组时序数据集；

步骤2，对于所构建的K组时序数据集进行数据预处理；

步骤3，对于每一架飞机的N种飞参数据进行特征提取，并计算每一种飞参数据的健康评分；

步骤4，飞机有M个系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分；

步骤5，利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分；

步骤6，根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分；

步骤3还包括：

所述的对于每一架飞机的N种飞参数据进行特征提取，并计算每一种飞参数据的健康评分P_i(i＝1,2,...,N)为：

其中，μ_i(i＝1,2,...,N)表示第i种飞机参数的提取的数据特征，即均值，

表示第i种飞机参数的历史均值；

步骤4还包括：

所述的飞机有M个系统，利用计算出的每一种飞参数据的健康评分，计算每一个系统的健康评分Q_j(j＝1,2,...,M)为：

其中，c(j)表示飞机第j个系统中所包含飞机参数构成的集合，|c(j)|表示集合所含元素的个数，同时成立w_i＝1/|c(j)|；

步骤5还包括：

所述的利用计算出的飞机每一个系统的健康评分，计算每一架飞机的整机健康评分R_k(k＝1,2,…,K)为：

其中，α_j(j＝1,2,…,M)表示每一个系统健康评分的权值，同时对于每一个权值成立α_j＝|c(j)|/N；

步骤6还包括：

所述的根据计算出来的飞参健康评分、飞机系统评分和整机健康评分构建飞机机群健康评估模型，并给出健康评分G为：

其中，V_k为第k架飞机的剩余寿命，T_k表示第k架飞机的总规定寿命，显然成立0≤V_k≤T_k；

根据飞参健康评分、飞机系统评分和整机健康评分的计算公式，飞机机群健康评分G可以写成：

2.根据权利要求1所述的飞机机群健康评估方法，其特征在于，

步骤1还包括：

步骤11，获取K架飞机的飞参数据，并构建的K组时序数据集S＝{s^(k)|k＝1,2,...,K}；

步骤12，对于构建好的K组时序数据集S＝{s^(k)|k＝1,2,...,K}，存储到大数据平台中的分布式文件系统HDFS中；

飞参数据为非结构化数据，并且数据量大，利用分布式文件系统HDFS能够快速地存储和读取飞参数据。

3.根据权利要求1所述的飞机机群健康评估方法，其特征在于，

步骤2还包括：

步骤21，对于所构建的K组时序数据集进行数据预处理，所述预处理包括缺失数据填补和归一化处理；

步骤22，对所构建的时序数据集在进行去噪滤波时，采用基于小波变换的去噪算法，并在大数据平台中分布式计算引擎Spark进行计算。

4.一种实现基于大数据处理的飞机机群健康评估方法的设备，其特征在于，包括：

存储器，用于存储计算机程序及基于大数据处理的飞机机群健康评估方法；

处理器，用于执行所述计算机程序及基于大数据处理的飞机机群健康评估方法，以实现如权利要求1至3任意一项所述基于大数据处理的飞机机群健康评估方法的步骤。

5.一种具有基于大数据处理的飞机机群健康评估方法的可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至3任意一项所述基于大数据处理的飞机机群健康评估方法的步骤。

Images