CN112434824B - 一种飞机故障维修管理系统 - Google Patents
一种飞机故障维修管理系统 Download PDFInfo
- Publication number
- CN112434824B CN112434824B CN202011228995.9A CN202011228995A CN112434824B CN 112434824 B CN112434824 B CN 112434824B CN 202011228995 A CN202011228995 A CN 202011228995A CN 112434824 B CN112434824 B CN 112434824B
- Authority
- CN
- China
- Prior art keywords
- module
- fault
- information
- management
- maintenance
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 68
- 238000007726 management method Methods 0.000 claims abstract description 70
- 238000013024 troubleshooting Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282320 Panthera leo Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
Abstract
本发明公开了一种飞机故障维修管理系统,属于机务领域,所述的飞机故障维修管理系统包括前台系统和后台系统,所述的前台系统用于车间维修使用,前台系统包括用于维修人员记录故障和排故情况的维修信息模块,用于交接班信息录入和交班信息导出的交班下传模块,用于显示和读取后台排故要点信息的今日要点模块,用于显示和读取当前机队的重大疑难故障以及故障处理信息的管控模块,用于浏览后台系统中机队管理工程师维护的各种技术提示、排故指南的经验库,本发明把机队管理、航线维修和运行控制放在一个平台下进行信息整合,故障管理系统根据控制流的实际需求,避免复杂的功能模块切换,串联控制动作、减少动作中断。
Description
技术领域
本发明属于飞机故障维修领域,更具体的说涉及一种飞机故障维修管理系统。
背景技术
近年云南分公司执管机队规模迅速扩张,故障管控难度不可同日而语,主要面对以下考验:和机队规模扩大相匹配,故障总数比2013年增加一倍;随着航班结构的调整,日用率提升,过夜、国际航班占比上升明显,维护机会受到压缩;
运行环境日趋复杂,高高原等新运行规范不断加入,运行指标逐年提高,对排故有效性提出更高要求;熟练员工比例下降,新员工成长速度跟不上机队发展。
发明内容
本发明串联故障信息拾取、筛选、分析、监控、方案下发、计划、排故执行和结果评估,对故障要素进行集约化管理,贴合生产实际。从运行控制体系拾取故障到故障管理模块,只需一键操作,使后台工程师团队高效贴近一线生产。
为了实现上述目的,本发明是采用以下技术方案实现的:所述的飞机故障维修管理系统维修信息模块、交班下传模块、今日要点模块、故障管控模块、经验库模块、单机技术管理模块、机队技术管控模块、运行控制模块,上述模块中分为前台系统和后台系统,前台系统用于车间维修使用,后台系统用于机队管理和运行控制工程师使用,所述的交班下传模块、故障管控模块属于前台系统,单机技术管理模块、机队技术管控模块、运行控制模块属于后台系统。
维修信息模块、今日要点模块、经验库模块为前后台系统均有的模块,后台系统中的今日要点模块、经验库模块为前台系统中的相应模块提供信息,前台系统中只负责读取和显示相关信息,前台系统中的维修信息模块用于车间维修人员记录故障和排故情况,并将信息传送到后台系统中的维修信息模块中。
优选的,所述的交班下传模块用于车间交班,可以下传非故障类的交班信息、车间内部控制的小缺陷,并且不与后台系统数据交联,完全由车间内部负责控制,交班下传模块包括待完成工作查询、交班execl表单。
优选的,所述的今日要点模块包括今日执行、监控、计划执行,并且分为前台系统部分和后台系统部分,前台系统部分的今日要点模块用于用于浏览今日开口故障情况,上一次处理结果,故障点评,风险提示,生产准备信息,排故计划,故障责任工程师名单,后台部分的今日要点模块同步显示到前台系统的今日要点菜单下和交接班EXCEL表单文件中。
优选的,所述的故障管控模块包括排故项目、故障管控两个部分,故障管控模块中的信息来源于后台系统中的单机技术管理模块,排故项目用于浏览当前机队的重大疑难故障,故障管控用于浏览后台系统中机队管理工程师对机队所有历史故障的评估处理记录,上述记录前台系统只有读取浏览权限。
优选的,所述的经验库包括前台的经验库与后台经验库,前台经验库用于浏览后台系统中机队管理工程师维护的各种技术提示、排故指南,后台系统的经验库中每一条信息可以上传大小不超过50M的文档、照片、视频等附件,特殊情况下需上传超大附件时,可以通过系统管理员上传。
优选的,所述的单机技术管理模块与后台维修信息模块联动,维修信息模块中当发现故障信息需要关注时,机队管理工程师点击“拾取”,相应故障信息才能在“单机技术管理”菜单下看到。
优选的,所述的前台系统中的维修信息模块中心与经验库中的故障处理方法信息采用图像识别匹配算法进行故障匹配,车间维修人员在对疑难故障进行处置时,遇到不能够处理得故障,通过拍摄图片,上传到前台系统的维修信息模块中,维修信息模块能够自动与经验库中上传到疑难故障图片进行比对,匹配完成后,自动在前台系统中显示经验库中匹配出的故障维修方案以及故障位置信息。
优选的,所述的匹配算法采用Sift特征匹配算法,所述的Sift算法采用以下三个步骤实现:步骤1.构建尺度空间,检测极值点,获得尺度不变性;步骤2.特征点过滤并进行精确定位;步骤3.为特征点分配方向值;步骤4.计算变换参数;当两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量,取图1的某个关键点,通过遍历找到图像2中的距离最近的两个关键点,在这两个关键点中,如果次近距离除以最近距离小于某个阙值,则判定为一对匹配点。
本发明有益效果:
本发明串联故障信息拾取、筛选、分析、监控、方案下发、计划、排故执行和结果评估,对故障要素进行集约化管理,贴合生产实际。从运行控制体系拾取故障到故障管理模块,只需一键操作,使后台工程师团队高效贴近一线生产。
附图说明
图1为的菜单结构和数据关系;
图2为本发明系统的使用者和任务关系;
图3高斯金字塔;
图4DOG函数进行曲线拟合;
图5关键点匹配直方图;
图6关键点匹配kd树。
具体实施方式
为了便于本领域一般技术人员理解和实现本发明,现结合附图及具体实施例进一步描述本发明的技术方案。
所述的飞机故障维修管理系统维修信息模块、交班下传模块、今日要点模块、故障管控模块、经验库模块、单机技术管理模块、机队技术管控模块、运行控制模块,上述模块中分为前台系统和后台系统,前台系统用于车间维修使用,后台系统用于机队管理和运行控制工程师使用,所述的交班下传模块、故障管控模块属于前台系统,单机技术管理模块、机队技术管控模块、运行控制模块属于后台系统。
维修信息模块、今日要点模块、经验库模块为前后台系统均有的模块,后台系统中的今日要点模块、经验库模块为前台系统中的相应模块提供信息,前台系统中只负责读取和显示相关信息,前台系统中的维修信息模块用于车间维修人员记录故障和排故情况,并将信息传送到后台系统中的维修信息模块中。前台系统维修信息模块,用于维修人员记录故障和排故情况。各机型的典型维护、排故工作按章节规定了项目号,核定标准工时;对于找不到项目号的特殊工作,统一将项目号填写为0-0,由工时考核负责人手工核定工时。填报时要求填报主做、协助和辅助人员名单。系统实现了工作内容和参与人员的记录,各维修单位可以根据自身情况调整主做、协助和辅助人员的工时分配比例,也可以调整具体项目号的核定工时。
后台系统的故障维修模块用于浏览前台系统中维修人员录入的维修信息。默认显示指定机号飞机的维护信息,以及由本单位维修人员录入的非指定机号飞机的维护信息,以减少对不同维修单位机队管理工程师的干扰。当发现故障信息需要关注时,机队管理工程师点击“拾取”,相应故障信息才能在“单机技术管理”菜单下看到。
所述的交班下传模块用于车间交班,可以下传非故障类的交班信息、车间内部控制的小缺陷,并且不与后台系统数据交联,完全由车间内部负责控制,交班下传模块包括待完成工作查询、交班execl表单。包括车间开口交班信息,以及开口故障信息(来源于后台系统的今日排故项目、计划排故项目、监控项目,包含故障分析、排故准备情况、责任工程师名单等信息)。
所述的今日要点模块包括今日执行、监控、计划执行,并且分为前台系统部分和后台系统部分,前台系统部分的今日要点模块用于用于浏览今日开口故障情况,上一次处理结果,故障点评,风险提示,生产准备信息,排故计划,故障责任工程师名单,后台部分的今日要点模块同步显示到前台系统的今日要点菜单下和交接班EXCEL表单文件中。
所述的故障管控模块包括排故项目、故障管控两个部分,故障管控模块中的信息来源于后台系统中的单机技术管理模块,排故项目用于浏览当前机队的重大疑难故障,故障管控用于浏览后台系统中机队管理工程师对机队所有历史故障的评估处理记录,上述记录前台系统只有读取浏览权限。
所述的经验库包括前台的经验库与后台经验库,前台经验库用于浏览后台系统中机队管理工程师维护的各种技术提示、排故指南,后台系统的经验库中每一条信息可以上传大小不超过50M的文档、照片、视频等附件,特殊情况下需上传超大附件时,可以通过系统管理员上传,经验库同步显示到前台系统,供一线维护人员使用。
所述的单机技术管理模块与后台维修信息模块联动,用于评估处理故障,维修信息模块中当发现故障信息需要关注时,机队管理工程师点击“拾取”,相应故障信息才能在“单机技术管理”菜单下看到。默认显示指定机号飞机的维护信息,以减少对不同维修单位机队管理工程师的干扰。选中一条信息,点击“修改”就可以为此信息添加故障分析、排故方案、排故准备、风险提示等,并可以修改信息状态。信息状态共有四种:新拾取的待评估故障显示为黄色,状态为“今日执行”的显示为红色,状态为”监控”显示为蓝色,状态为”计划执行”和”已完成”的显示为白色。如果维修人员没有报告故障,工程师从其他渠道获知新的故障信息(如AHM、AIRMAN,口头告知等),可以点击“工程师新增信息”,录入一条故障信息并完成故障评估处理。
机队技术管控中的执管机队模块用于新飞机交付后,添加机号。为减少不同维修单位之间的信息干扰,系统根据指定机号情况来限制故障信息的显示、读写、修改。新飞机交付后,注意及时添加入本故障系统。
所述的前台系统中的维修信息模块与经验库中的故障处理方法信息采用图像识别匹配算法进行故障匹配,车间维修人员在对疑难故障进行处置时,遇到不能够处理得故障,通过拍摄图片,上传到前台系统的维修信息模块中,维修信息模块能够自动与经验库中上传到疑难故障图片进行比对,匹配完成后,自动在前台系统中显示经验库中匹配出的故障维修方案以及故障位置信息。
所述的匹配算法采用Sift特征匹配算法,所述的Sift算法采用以下三个步骤实现:步骤1.构建尺度空间,检测极值点,获得尺度不变性;步骤2.特征点过滤并进行精确定位;步骤3.为特征点分配方向值;步骤4.计算变换参数;当两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量,取图1的某个关键点,通过遍历找到图像2中的距离最近的两个关键点,在这两个关键点中,如果次近距离除以最近距离小于某个阙值,则判定为一对匹配点。
所述的步骤1构建尺度空间检测极值点,一个图像的尺度空间L(x,y,σ),定义为一个变化尺度的高斯函数G(x,y,σ)与原图像I(x,y)的卷积。即L(x,y,σ)=G(x,y,σ)*I(x,y)(1)
其中,*表示卷积计算
其中,m、n表示高斯模版的维度,(x,y)代表图像像素的位置。为尺度空间因子,值越小表示图像被平滑的越少,相应的尺度就越小。小尺度对应于图像的细节特征,大尺度对应于图像的概貌特征。
尺度空间在实现时,使用高斯金字塔表示(如图3),高斯金字塔的构建分为两部分:
1.对图像做不同尺度的高斯模糊
2.对图像做降采样(隔点采样)
图像的金字塔模型是指,将原始图像不断降阶采样,得到一系列大小不一的图像,由大到小,从下到上构成的塔状模型。原图像为金子塔的第一层,每次降采样所得到的新图像为金字塔的上一层(每层一张图像),每个金字塔共n层。金字塔的层数根据图像的原始大小和塔顶图像的大小共同决定。
高斯图像金字塔共o组、s层,则有:
σ(s)=σ02s/S (3)
其中,σ表示尺度空间坐标,s表示sub-level层坐标,σ0表示初始尺度,S表示每组层数(一般为3~5)。
建立DOG高斯差分金字塔为了有效提取稳定的关键点,利用不同尺度的高斯差分核与卷积生成;DOG函数为
L(x,y,σ)=G(x,y,σ)*I(x,y) (4)
D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]*I(x,y)=L(x,y,kσ)-L(x,y,σ) (5)
DOG极值检测,特征点是由DOG空间的局部极值点组成的。为了寻找DOG函数的极值点,每一个像素点要和它所有的相邻点比较,看其是否比它的图像域和尺度域的相邻点大或者小,中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较,以确保在尺度空间和二维图像空间都检测到极值点。
步骤2,特征点过滤并进行精确定位,步骤1检测到的极值点是离散空间的极值点,以下通过拟合三维二次函数来精确确定关键点的位置和尺度,同时去除低对比度的关键点和不稳定的边缘响应点(因为DOG算子会产生较强的边缘响应),以增强匹配稳定性、提高抗噪声能力。如图4所示,为了提高关键点的稳定性,需要对尺度空间DOG函数进行曲线拟合。利用DOG函数在尺度空间的Taylor展开式(拟合函数)为:
其中,X=(x,y,σr)。求导并让方程等于零,可以得到极值点的偏移量为:
对应极值点,方程的值为:
其中,代表相对插值中心的偏移量,当它在任一维度上的偏移量大于0.5时(即x或y或),意味着插值中心已经偏移到它的邻近点上,所以必须改变当前关键点的位置。
步骤3,为特征点分配方向值,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,使得描述符具有旋转不变性。
对于在DOG金字塔中检测出的关键点,采集其所在高斯金字塔图像3σ邻域窗口内像素的梯度和方向分布特征。梯度的模值和方向如下:
梯度幅值:
梯度方向:
L为关键点所在的尺度空间值,按Lowe的建议,梯度的模值m(x,y)按σ=1.5σ_oct的高斯分布加成,按尺度采样的3σ原则,邻域窗口半径为σ=1.5σ_oct。
在完成关键点的梯度计算后,使用直方图统计邻域内像素的梯度和方向。梯度直方图将0~360度的方向范围分为36个柱(bins),其中每柱10度。如图5所示,直方图的峰值方向代表了关键点的主方向。方向直方图的峰值代表了该特征点处邻域梯度的方向,以直方图中最大值作为该关键点的主方向。为了增强匹配的鲁棒性,只保留峰值大于主方向峰值80%的方向作为该关键点的辅方向。从工程师关于飞机维修设备的领域,以及将飞机维修领域内飞机设备图片经过多次的本算法计算,为了保证准确无误的图片匹配效果,得到大概有15%关键点具有多方向,但这些点对匹配的稳定性至为关键。至此,将检测出的含有位置、尺度和方向的关键点即是该图像的SIFT特征点。
步骤4,计算变换参数;关键点匹配分别对模板图和实时图建立关键点描述子集合。目标的识别是通过两点集内关键点描述子的比对来完成。具有128维的关键点描述子的相似性度量采用欧式距离。
模板图中关键点描述子:Ri=(ri1,ri2,…,ri128) (11)
实时图中关键点描述子:Si=(si1,si2,…,si128) (12)
任意两描述子相识度量:
要得到匹配的关键点描述子:d(Ri,Sj)需要满足:
关键点的匹配采用如图6kd树的数据结构来完成搜索。搜索的内容是以目标图像的关键点为基准,搜索与目标图像的特征点最邻近的原图像特征点和次邻近的原图像特征点。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种飞机故障维修管理系统,其特征在于:所述的飞机故障维修管理系统维修信息模块、交班下传模块、今日要点模块、故障管控模块、经验库模块、单机技术管理模块、机队技术管控模块、运行控制模块,上述模块中分为前台系统和后台系统,前台系统用于车间维修使用,后台系统用于机队管理和运行控制工程师使用,所述的交班下传模块、故障管控模块属于前台系统,单机技术管理模块、机队技术管控模块、运行控制模块属于后台系统;
维修信息模块、今日要点模块、经验库模块为前后台系统均有的模块,后台系统中的今日要点模块、经验库模块为前台系统中的相应模块提供信息,前台系统中只负责读取和显示相关信息,前台系统中的维修信息模块用于车间维修人员记录故障和排故情况,并将信息传送到后台系统中的维修信息模块中,供工程师评估筛选信息;
所述的交班下传模块用于车间交班,可以下传非故障类的交班信息、车间内部控制的小缺陷,并且不与后台系统数据交联,完全由车间内部负责控制,交班下传模块包括待完成工作查询、交班execl表单导出;
所述的今日要点模块包括今日执行、监控、计划执行,并且分为前台系统部分和后台系统部分,前台系统部分的今日要点模块用于浏览今日开口故障情况,上一次处理结果,故障点评,风险提示,生产准备信息,排故计划,故障责任工程师名单,后台部分的今日要点模块是经工程师评估后的当天需关注的排故工作,同步显示到前台系统的今日要点菜单下和交接班EXCEL表单文件中;
所述的故障管控模块包括排故项目、故障管控两个部分,故障管控模块中的信息来源于后台系统中的单机技术管理模块,排故项目用于浏览当前机队的重大疑难故障,故障管控用于浏览后台系统中机队管理工程师对机队所有历史故障的评估处理记录,上述记录前台系统只有读取浏览权限;
所述的经验库包括前台的经验库与后台经验库,前台经验库用于浏览后台系统中机队管理工程师维护的各种技术提示、排故指南,后台系统的经验库中每一条信息可以上传大小不超过50M的文档、照片、视频等附件,特殊情况下需上传超大附件时,可以通过系统管理员上传;
所述的单机技术管理模块与后台维修信息模块联动,维修信息模块中当发现故障信息需要关注时,机队管理工程师点击“拾取”,相应故障信息才能在“单机技术管理”菜单下看到;
所述的前台系统中的维修信息模块与经验库中的故障处理方法信息采用图像识别匹配算法进行故障匹配,车间维修人员在对疑难故障进行处置时,遇到不能够处理得故障,通过拍摄图片,上传到前台系统的维修信息模块中,维修信息模块能够自动与经验库中上传到疑难故障图片进行比对,匹配完成后,自动在前台系统中显示经验库中匹配出的故障维修方案以及故障位置信息;
所述的匹配算法采用Sift特征匹配算法,所述的Sift算法采用以下四个步骤实现:步骤1.构建尺度空间,检测极值点,获得尺度不变性;
步骤2.特征点过滤并进行精确定位;
步骤3.为特征点分配方向值;
步骤4.计算变换参数;当两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量,通过遍历找到图像2中的距离最近的两个关键点,在这两个关键点中,如果次近距离除以最近距离小于某个阙值,则判定为一对匹配点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228995.9A CN112434824B (zh) | 2020-11-06 | 2020-11-06 | 一种飞机故障维修管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228995.9A CN112434824B (zh) | 2020-11-06 | 2020-11-06 | 一种飞机故障维修管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434824A CN112434824A (zh) | 2021-03-02 |
CN112434824B true CN112434824B (zh) | 2024-06-14 |
Family
ID=74695559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011228995.9A Active CN112434824B (zh) | 2020-11-06 | 2020-11-06 | 一种飞机故障维修管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434824B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113484877B (zh) * | 2021-07-14 | 2024-02-13 | 中国东方航空股份有限公司 | 用于航空器地面行驶避撞的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921939A (zh) * | 2018-07-04 | 2018-11-30 | 王斌 | 一种基于图片的三维场景重建方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106828969B (zh) * | 2017-03-16 | 2019-05-24 | 烟台南山学院 | 一种民航飞机故障远程传输和智能分析支持系统 |
CN108665154A (zh) * | 2018-04-26 | 2018-10-16 | 上海韦地计算机科技有限公司 | 一种航空产品生产过程执行管理系统 |
CN110210634A (zh) * | 2019-06-04 | 2019-09-06 | 江苏锐天信息科技有限公司 | 基于大数据驱动的民航发动机故障诊断与健康管理系统 |
CN110689147A (zh) * | 2019-09-28 | 2020-01-14 | 东方航空技术有限公司 | 一种飞机故障快速诊断系统及方法 |
-
2020
- 2020-11-06 CN CN202011228995.9A patent/CN112434824B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921939A (zh) * | 2018-07-04 | 2018-11-30 | 王斌 | 一种基于图片的三维场景重建方法 |
Non-Patent Citations (2)
Title |
---|
互联网+ 时代下的航线维修特点和展望;高海龙,等;《民航管理》;78-82 * |
航线维修故障管控系统的建立;张蓉,等;《航空维修与工程》;55-57 * |
Also Published As
Publication number | Publication date |
---|---|
CN112434824A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deng et al. | Automatic indoor construction process monitoring for tiles based on BIM and computer vision | |
Zhang et al. | Change detection between multimodal remote sensing data using Siamese CNN | |
CN103324937B (zh) | 标注目标的方法和装置 | |
CN102187336B (zh) | 用于识别视频档案中的对象的方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN104123542A (zh) | 一种轮毂工件定位的装置及其方法 | |
CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
CN103927507A (zh) | 一种改进的变电站巡检机器人的多仪表读数识别方法 | |
CN113435773B (zh) | 一种用于数字工厂的生产进度监控方法、系统和存储介质 | |
CN102663418B (zh) | 一种基于回归模型的图像集合建模与匹配方法 | |
CN112434824B (zh) | 一种飞机故障维修管理系统 | |
CN109800712A (zh) | 一种基于深度卷积神经网络的车辆检测计数方法及设备 | |
CN107316296A (zh) | 一种基于对数变换的遥感图像变化检测方法及装置 | |
Vatsavai et al. | Geospatial image mining for nuclear proliferation detection: Challenges and new opportunities | |
CN104992433B (zh) | 基于线段匹配的多光谱图像配准的方法及装置 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
CN116168019B (zh) | 基于机器视觉技术的电网故障检测方法及系统 | |
CN115205691B (zh) | 一种水稻种植区域识别方法、装置、存储介质及设备 | |
CN113867410B (zh) | 一种无人机航拍数据的采集模式识别方法和系统 | |
CN108846364A (zh) | 一种基于fpga的视频特征检测方法和系统 | |
CN114155440A (zh) | 一种耕地非农化的自动检测方法及系统 | |
CN110737790B (zh) | 一种基于数据库的通用图像数据集管理方法 | |
CN113837178A (zh) | 一种基于深度学习的变电站表计自动定位与统一分割方法 | |
DE102021128522A1 (de) | Identifizierung von regeln des netzwerkdatenverkehrs | |
CN112488174A (zh) | 一种相似零件智能检索方法 |
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 |