CN113525714B - 一种基于神经网络的民航飞机故障预测系统 - Google Patents
一种基于神经网络的民航飞机故障预测系统 Download PDFInfo
- Publication number
- CN113525714B CN113525714B CN202110871675.3A CN202110871675A CN113525714B CN 113525714 B CN113525714 B CN 113525714B CN 202110871675 A CN202110871675 A CN 202110871675A CN 113525714 B CN113525714 B CN 113525714B
- Authority
- CN
- China
- Prior art keywords
- module
- electrically connected
- fault
- data
- processor
- 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
-
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于神经网络的民航飞机故障预测系统,包括预处理器,预处理器的输入端电连接有导入单元,导入单元包括往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块。本发明由导入单元通过预处理器将各项数据导入处理器,故障数据分类模块和误差计算模块通过概率预测模块和深度神经网络计算模拟模块对故障概率进行计算和模拟,推荐指令模块通过往期故障处理数据导入模块将对应的往期处理方法导出供使用者观看,从而具备了能够快速预测提示的优点,解决了现有的故障预测系统在使用过程中,无法对故障参数进行准确判断,无法对故障信息进行模拟和提示的问题。
Description
技术领域
本发明涉及飞机故障预测技术领域,具体为一种基于神经网络的民航飞机故障预测系统。
背景技术
在飞机运行过程中,会通过故障预测系统对各项数据进行预测,但现有的故障预测系统在使用过程中,无法对故障参数进行准确判断,同时无法对故障信息进行模拟和提示,容易导致使用者错过处理故障的最佳时间。
发明内容
为解决上述背景技术中提出的问题,本发明的目的在于提供一种基于神经网络的民航飞机故障预测系统,具备了能够快速预测提示的优点,解决了现有的故障预测系统在使用过程中,无法对故障参数进行准确判断,同时无法对故障信息进行模拟和提示,容易导致使用者错过处理故障最佳时间的问题。
为实现上述目的,本发明提供如下技术方案:一种基于神经网络的民航飞机故障预测系统,包括预处理器,所述预处理器的输入端电连接有导入单元,所述导入单元包括往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块,所述往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块均与预处理器的输入端电连接;
所述预处理器的输出端电连接有处理器,所述处理器的输入端双向电连接有数据储存模块,所述处理器的输入端双向电连接有概率预测模块,所述处理器的输入端双向电连接有故障数据分类模块,所述处理器的输入端双向电连接有深度神经网络计算模拟模块,所述处理器的输入端双向电连接有误差计算模块,所述处理器的输出端电连接有显示模块,所述处理器的输入端双向电连接有预测数据收发模块一,所述预测数据收发模块一的输出端双向电连接有预测数据收发模块二,所述预测数据收发模块二的输出端双向电连接有监控指挥中心,所述显示模块的输出端和监控指挥中心的输出端均电连接有数据警示模块,所述处理器的输入端电连接有推荐指令模块。
作为本发明优选的,所述显示模块为防水显示屏。
作为本发明优选的,所述处理器的输入端电连接有散热模块,所述散热模块为制冷风扇。
作为本发明优选的,所述数据储存模块为硬盘。
作为本发明优选的,所述数据警示模块为声光报警器。
作为本发明优选的,所述处理器的输入端双向电连接有故障定位模块。
作为本发明优选的,所述概率预测模块为概率计算器。
作为本发明优选的,所述处理器的输入端双向电连接有监控模块,所述监控模块为监控摄像头,所述处理器的输入端双向电连接有异常报告生成模块,所述处理器的输入端电连接有备用电源模块,所述备用电源模块的输入端电连接有电源检测模块,所述监控指挥中心的输入端电连接有数据加密模块,所述数据加密模块的输入端电连接有数据解密模块。
与现有技术相比,本发明的有益效果如下:
1、本发明由导入单元通过预处理器将各项数据导入处理器,故障数据分类模块和误差计算模块通过概率预测模块和深度神经网络计算模拟模块对故障概率进行计算和模拟,同时预测数据收发模块一和预测数据收发模块二通过数据警示模块、显示装置和监控指挥中心对使用者进行警示,推荐指令模块通过往期故障处理数据导入模块将对应的往期处理方法导出供使用者观看,从而具备了能够快速预测提示的优点,解决了现有的故障预测系统在使用过程中,无法对故障参数进行准确判断,同时无法对故障信息进行模拟和提示,容易导致使用者错过处理故障最佳时间的问题。
2、本发明通过将显示模块设置为防水显示屏,能够对数据进行快速显示,同时提高了显示模块的防水性能。
3、本发明通过设置散热模块,能够对处理器进行散热,提高了处理器的使用寿命。
4、本发明通过将数据储存模块设置为硬盘,能够对数据进行储存,方便使用者对数据进行调出查看。
5、本发明通过将数据警示模块设置为声光报警器,能够对使用者进行快速提醒。
6、本发明通过设置故障定位模块,能够对处理器及其他模块进行故障检测和定位,使使用者能够快速对故障位置进行了解。
7、本发明通过将概率预测模块设置为概率计算器,能够对概率进行快速计算。
8、本发明通过设置监控模块,能够对使用者的操作进行观察和监控,方便远程指挥。
附图说明
图1为本发明的系统图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供的一种基于神经网络的民航飞机故障预测系统,包括预处理器,预处理器的输入端电连接有导入单元,导入单元包括往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块,往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块均与预处理器的输入端电连接;
预处理器的输出端电连接有处理器,处理器的输入端双向电连接有数据储存模块,处理器的输入端双向电连接有概率预测模块,处理器的输入端双向电连接有故障数据分类模块,处理器的输入端双向电连接有深度神经网络计算模拟模块,处理器的输入端双向电连接有误差计算模块,处理器的输出端电连接有显示模块,处理器的输入端双向电连接有预测数据收发模块一,预测数据收发模块一的输出端双向电连接有预测数据收发模块二,预测数据收发模块二的输出端双向电连接有监控指挥中心,显示模块的输出端和监控指挥中心的输出端均电连接有数据警示模块,处理器的输入端电连接有推荐指令模块。
参考图1,显示模块为防水显示屏。
作为本发明的一种技术优化方案,通过将显示模块设置为防水显示屏,能够对数据进行快速显示,同时提高了显示模块的防水性能。
参考图1,处理器的输入端电连接有散热模块,散热模块为制冷风扇。
作为本发明的一种技术优化方案,通过设置散热模块,能够对处理器进行散热,提高了处理器的使用寿命。
参考图1,数据储存模块为硬盘。
作为本发明的一种技术优化方案,通过将数据储存模块设置为硬盘,能够对数据进行储存,方便使用者对数据进行调出查看。
参考图1,数据警示模块为声光报警器。
作为本发明的一种技术优化方案,通过将数据警示模块设置为声光报警器,能够对使用者进行快速提醒。
参考图1,处理器的输入端双向电连接有故障定位模块。
作为本发明的一种技术优化方案,通过设置故障定位模块,能够对处理器及其他模块进行故障检测和定位,使使用者能够快速对故障位置进行了解。
参考图1,概率预测模块为概率计算器。
作为本发明的一种技术优化方案,通过将概率预测模块设置为概率计算器,能够对概率进行快速计算。
参考图1,处理器的输入端双向电连接有监控模块,监控模块为监控摄像头,处理器的输入端双向电连接有异常报告生成模块,处理器的输入端电连接有备用电源模块,备用电源模块的输入端电连接有电源检测模块,监控指挥中心的输入端电连接有数据加密模块,数据加密模块的输入端电连接有数据解密模块。
作为本发明的一种技术优化方案,通过设置监控模块,能够对使用者的操作进行观察和监控,方便远程指挥。
本发明的工作原理及使用流程:使用时,往期故障数据导入模块和往期故障处理数据导入模块将往期数据和处理数据通过预处理器导入处理器,同时飞机正常数据导入模块和实时飞机传感器数据导入模块将飞机的正常数据和各种传感器的实时数据通过预处理器导入处理器,故障数据分类模块则会对各种数据进行分类,同时概率预测模块通过数据对故障概率进行计算预测,而深度神经网络计算模拟模块则能够对故障概率进行计算和模拟,误差计算模块对计算后的预测数据进行误差计算,处理器则会将故障概率和概率误差通过显示屏进行导出,方便使用者观看,同时预测数据收发模块一通过预测数据收发模块二将故障概率预测数据导入监控指挥中心,当故障数据概率较大时,数据警示模块能够对使用者进行警示,同时推荐指令模块能够通过往期故障处理数据导入模块将对应的往期处理方法导出供使用者观看,备用电源模块能够在停电时进行供电,而异常报告生成模块则能够将设备故障信息生成报告进行显示,而数据加密模块和数据解密模块能够进行加密防护,从而达到能够快速预测提示的优点。
综上所述:该基于神经网络的民航飞机故障预测系统,由导入单元通过预处理器将各项数据导入处理器,故障数据分类模块和误差计算模块通过概率预测模块和深度神经网络计算模拟模块对故障概率进行计算和模拟,同时预测数据收发模块一和预测数据收发模块二通过数据警示模块、显示装置和监控指挥中心对使用者进行警示,推荐指令模块通过往期故障处理数据导入模块将对应的往期处理方法导出供使用者观看,从而具备了能够快速预测提示的优点,解决了现有的故障预测系统在使用过程中,无法对故障参数进行准确判断,同时无法对故障信息进行模拟和提示,容易导致使用者错过处理故障最佳时间的问题。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于神经网络的民航飞机故障预测系统,包括预处理器,其特征在于:所述预处理器的输入端电连接有导入单元,所述导入单元包括往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块,所述往期故障处理数据导入模块、飞机正常数据导入模块、往期故障数据导入模块和实时飞机传感器数据导入模块均与预处理器的输入端电连接;
所述预处理器的输出端电连接有处理器,所述处理器的输入端双向电连接有数据储存模块,所述处理器的输入端双向电连接有概率预测模块,所述处理器的输入端双向电连接有故障数据分类模块,所述处理器的输入端双向电连接有深度神经网络计算模拟模块,所述处理器的输入端双向电连接有误差计算模块,所述处理器的输出端电连接有显示模块,所述处理器的输入端双向电连接有预测数据收发模块一,所述预测数据收发模块一的输出端双向电连接有预测数据收发模块二,所述预测数据收发模块二的输出端双向电连接有监控指挥中心,所述显示模块的输出端和监控指挥中心的输出端均电连接有数据警示模块,所述处理器的输入端电连接有推荐指令模块,所述数据警示模块为声光报警器,处理器将故障概率和概率误差通过显示屏进行导出,预测数据收发模块一通过预测数据收发模块二将故障概率预测数据导入监控指挥中心。
2.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述显示模块为防水显示屏。
3.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述处理器的输入端电连接有散热模块,所述散热模块为制冷风扇。
4.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述数据储存模块为硬盘。
5.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述处理器的输入端双向电连接有故障定位模块。
6.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述概率预测模块为概率计算器。
7.根据权利要求1所述的一种基于神经网络的民航飞机故障预测系统,其特征在于:所述处理器的输入端双向电连接有监控模块,所述监控模块为监控摄像头,所述处理器的输入端双向电连接有异常报告生成模块,所述处理器的输入端电连接有备用电源模块,所述备用电源模块的输入端电连接有电源检测模块,所述监控指挥中心的输入端电连接有数据加密模块,所述数据加密模块的输入端电连接有数据解密模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871675.3A CN113525714B (zh) | 2021-07-30 | 2021-07-30 | 一种基于神经网络的民航飞机故障预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871675.3A CN113525714B (zh) | 2021-07-30 | 2021-07-30 | 一种基于神经网络的民航飞机故障预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113525714A CN113525714A (zh) | 2021-10-22 |
CN113525714B true CN113525714B (zh) | 2023-05-12 |
Family
ID=78121571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110871675.3A Active CN113525714B (zh) | 2021-07-30 | 2021-07-30 | 一种基于神经网络的民航飞机故障预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113525714B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462513A (zh) * | 2022-01-18 | 2022-05-10 | 山东航空股份有限公司 | 基于飞机故障发生数据的飞机故障预警方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799367B (zh) * | 2010-01-27 | 2011-08-10 | 北京信息科技大学 | 一种机电设备神经网络故障趋势预测方法 |
CN106906867A (zh) * | 2017-03-29 | 2017-06-30 | 深圳市源畅通科技有限公司 | 一种具有自动预警功能的挖掘机控制系统 |
US11907833B2 (en) * | 2018-11-27 | 2024-02-20 | The Boeing Company | System and method for generating an aircraft fault prediction classifier |
CN109607344B (zh) * | 2018-12-20 | 2020-04-14 | 华北水利水电大学 | 一种基于神经网络垂直电梯故障预测系统及方法 |
CN110347141A (zh) * | 2019-06-25 | 2019-10-18 | 安徽中祺智能电器股份有限公司 | 一种智能平台管理系统及故障处理方法 |
CN111340326A (zh) * | 2019-12-24 | 2020-06-26 | 国网浙江省电力有限公司嘉兴供电公司 | 基于神经网络故障预测的电力终端监控方法和装置 |
CN112197977A (zh) * | 2020-09-17 | 2021-01-08 | 浙江交通职业技术学院 | 一种用于飞机故障检测的实时监控系统 |
CN112363488A (zh) * | 2020-12-07 | 2021-02-12 | 东风柳州汽车有限公司 | 车辆故障处理系统及方法 |
CN114638444B (zh) * | 2022-05-19 | 2022-09-02 | 珠海翔翼航空技术有限公司 | 针对突发故障下的跳伞时间预测方法、系统、设备 |
-
2021
- 2021-07-30 CN CN202110871675.3A patent/CN113525714B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113525714A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108391086B (zh) | 融合事件感知与位置传感的工业视频联动分析方法与系统 | |
CN110275814A (zh) | 一种业务系统的监控方法及装置 | |
CN107146355A (zh) | 一种基于人工智能技术的火灾预警系统 | |
CN114862288B (zh) | 智慧水务二次加压管理系统 | |
CN110119128B (zh) | 一种用于实验室用电设备的监控管理系统 | |
WO2023098372A1 (zh) | 自我诊断方法和无负压叠压供水设备 | |
CN113525714B (zh) | 一种基于神经网络的民航飞机故障预测系统 | |
CN104656521A (zh) | 工况数据监控装置及系统 | |
CN208861426U (zh) | 一种独立区域无线联网型火灾报警系统 | |
CN110288146A (zh) | 一种能源资源信息采集方法、装置和可读存储介质 | |
CN116367109A (zh) | 一种基于无线通信网络的火灾防控信息交互方法及系统 | |
CN115915734A (zh) | 风扇运行控制方法、装置、电子设备及存储介质 | |
CN110320503B (zh) | 一种x波段天气雷达标准输出控制器系统 | |
CN206291946U (zh) | 水道智能预警系统 | |
CN103778059B (zh) | 一种异常报警的方法和系统 | |
CN108643252A (zh) | 一种输电线路杆塔塔基滑坡检测系统 | |
CN202268157U (zh) | 舰载塔康监控器 | |
CN201821161U (zh) | 数字化配电网监控与管理系统及其电力设备温升预警系统 | |
CN104808773A (zh) | 检测头戴式智能设备持续附着在人体上的装置和方法 | |
CN103955159A (zh) | 腐蚀情况监控系统和方法 | |
AU2021105377A4 (en) | A fault prediction system of civil aviation aircraft based on neural network | |
EP3705783B1 (en) | System for controlling and monitoring devices, plants and/or domestic circuits and operation method thereof | |
CN114298243A (zh) | 一种数据处理方法、装置以及设备 | |
CN204462742U (zh) | 工况数据监控装置及系统 | |
CN202057814U (zh) | 辐射环境自动监测系统 |
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 |