CN113901994A - 一种飞行参数数据的特征序列挖掘方法 - Google Patents
一种飞行参数数据的特征序列挖掘方法 Download PDFInfo
- Publication number
- CN113901994A CN113901994A CN202111136551.7A CN202111136551A CN113901994A CN 113901994 A CN113901994 A CN 113901994A CN 202111136551 A CN202111136551 A CN 202111136551A CN 113901994 A CN113901994 A CN 113901994A
- Authority
- CN
- China
- Prior art keywords
- sequence
- flight parameter
- parameter data
- cursor
- vernier
- 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.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000011144 upstream manufacturing Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种飞行参数数据的特征序列挖掘方法,自行设计了特征序列挖掘算法,结合业务经验规则,实现了飞参的高效自动判读,可替代业务人员的飞参判读工作,沉淀飞参判读知识,从而提高工作效率。本发明通过时序定义,采用时序数据库存储大量飞参数据,再基于飞参判读经验,采用特征序列挖掘算法、数据过滤技术,实现飞参的自动判读,加快飞机放飞速度,从而提升试飞效率。
Description
技术领域
本发明属于航空大数据技术与试飞技术领域,具体地说,涉及一种飞行参数数据的特征序列挖掘方法。
背景技术
飞参判读是航空工业中判断飞机飞行过程健康状态的重要业务过程,经过飞参判读确认后的飞机,才能继续执行飞行任务。然而,由于历史原因,飞参判读还停留在人工判读的阶段,飞参数据量大、参数多,因此人工判读对人员专业性要求高、上手难,且工作量巨大、工作效率不高,经验难以积累。
目前,在航空领域,部分公司主要采用人工采用专业软件进行飞参判读,确保飞机放飞,尚未有公司通过对判读规则的梳理和总结,设计自动判读算法来实现自动判读。
发明内容
本发明针对现有技术的上述需求,提出了一种飞行参数数据的特征序列挖掘方法,自行设计了特征序列挖掘算法,结合业务经验规则,实现了飞参的高效自动判读,可替代业务人员的飞参判读工作,沉淀飞参判读知识,从而提高工作效率。本发明通过时序定义,采用时序数据库存储大量飞参数据,再基于飞参判读经验,采用特征序列挖掘算法、数据过滤技术,实现飞参的自动判读,加快飞机放飞速度,从而提升试飞效率。
本发明具体实现内容如下:
本发明提出了一种飞行参数数据的特征序列挖掘方法,用于对有阈值判定和持续时间判定的飞行参数数据进行连续时间挖掘,具体包括以下步骤:
步骤1:读取相关的飞行参数数据,按照飞行参数数据的时间序列,生成有索引的数据表,并将索引设置为有序递增;
步骤2:对于根据时间序列建立了索引后的飞行参数数据进行数据过滤;
步骤3:对于数据过滤后的飞行参数数据进行序列连续性判断,判断过滤后的飞行参数数据的持续时间是否大于预先设定的时间dd;
步骤4:对于持续时间大于预先设定的时间dd的,判断为发生了对应的事件;反之,则判断为未发生对应的事件。
为了更好地实现本发明,进一步地,所述步骤3中,首先采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列;然后通过筛选出的连续的序列计算得到序列的持续时间;最后再将序列的持续时间与预先设定的时间dd进行比较判断。
为了更好地实现本发明,进一步地,所述步骤3中,采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列的具体步骤包括:
步骤(1):在飞行参数数据的待筛选序列的开始处设置上游标和下游标;
步骤(2):保持下游标不动,将上游标向后移动一个位置;
步骤(3):上游标向后移动一个位置后,判断上游标对应的索引是否递增1;
步骤(4):若上游标对应的索引递增1,则继续将上游标向后移动以为,然后重复继续步骤(2)和步骤(3)的操作,直到上游标单次移动后对应的索引递增大于1;若上游标向后单次移动后对应的索引递增大于1,则将下游标移动到上游标对应的位置,记录前次上游标和下游标之间对应的序列为一个持续序列,然后继续后续序列的筛选,直至遍历完所有序列。
为了更好地实现本发明,进一步地,设定下游标为i,上游标为j;下游标i对应的索引为xi,上游标j对应的索引为yj;
所述步骤(1)中,令i=0,j=0,xi=yj=0;
所述步骤(2)中,令j=j+1;
所述步骤(3)中,计算判断上游标对应的索引是否递增1的具体公式为:
为了更好地实现本发明,进一步地,所述步骤3中,通过筛选出的连续的序列计算得到序列的持续时间的具体操作为:根据筛选出的单个持续的序列的序列长度乘以序列间隔,得到对应的持续时间。
为了更好地实现本发明,进一步地,所述步骤1中,读取到飞行参数数据后,将对应的飞行参数数据生成dataframe框架格式的文件再进行后续处理。
为了更好地实现本发明,进一步地,所述步骤2中,对于每个需要筛选的事件设定对应的判据,根据判据对飞行参数数据进行数据过滤。
本发明与现有技术相比具有以下优点及有益效果:
(1)通过时序定义,采用时序数据库存储大量飞参数据,再基于飞参判读经验,采用特征序列挖掘算法、数据过滤技术,实现飞参的自动判读,加快飞机放飞速度,从而提升试飞效率。
(2)通过本发明的应用,构建出自动判断飞参故障信号的判读模型,辅助工人进行飞参判读,提升了业务人员的工作效率。
具体实施方式
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中的技术方案进行清楚、完整地描述,应当理解,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,因此不应被看作是对保护范围的限定。基于本发明中的实施例,本领域普通技术工作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。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“设置”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;也可以是直接相连,也可以是通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1:
本实施例提出了一种飞行参数数据的特征序列挖掘方法,用于对有阈值判定和持续时间判定的飞行参数数据进行连续时间挖掘,具体包括以下步骤:
步骤1:读取相关的飞行参数数据,按照飞行参数数据的时间序列,生成有索引的数据表,并将索引设置为有序递增;
步骤2:对于根据时间序列建立了索引后的飞行参数数据进行数据过滤;
步骤3:对于数据过滤后的飞行参数数据进行序列连续性判断,判断过滤后的飞行参数数据的持续时间是否大于预先设定的时间dd;
步骤4:对于持续时间大于预先设定的时间dd的,判断为发生了对应的事件;反之,则判断为未发生对应的事件。
实施例2:
本实施例在上述实施例1的基础上,为了更好地实现本发明,进一步地,所述步骤3中,首先采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列;然后通过筛选出的连续的序列计算得到序列的持续时间;最后再将序列的持续时间与预先设定的时间dd进行比较判断。
为了更好地实现本发明,进一步地,所述步骤3中,采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列的具体步骤包括:
步骤(1):在飞行参数数据的待筛选序列的开始处设置上游标和下游标;
步骤(2):保持下游标不动,将上游标向后移动一个位置;
步骤(3):上游标向后移动一个位置后,判断上游标对应的索引是否递增1;
步骤(4):若上游标对应的索引递增1,则继续将上游标向后移动以为,然后重复继续步骤(2)和步骤(3)的操作,直到上游标单次移动后对应的索引递增大于1;若上游标向后单次移动后对应的索引递增大于1,则将下游标移动到上游标对应的位置,记录前次上游标和下游标之间对应的序列为一个持续序列,然后继续后续序列的筛选,直至遍历完所有序列。
为了更好地实现本发明,进一步地,设定下游标为i,上游标为j;下游标i对应的索引为xi,上游标j对应的索引为yj;
所述步骤(1)中,令i=0,j=0,xi=yj=0;
所述步骤(2)中,令j=j+1;
所述步骤(3)中,计算判断上游标对应的索引是否递增1的具体公式为:
为了更好地实现本发明,进一步地,所述步骤3中,通过筛选出的连续的序列计算得到序列的持续时间的具体操作为:根据筛选出的单个持续的序列的序列长度乘以序列间隔,得到对应的持续时间。
本实施例的其他部分与上述实施例1相同,故不再赘述。
实施例3:
本实施例在上述实施例1-2任一项的基础上,为了更好地实现本发明,进一步地,所述步骤1中,读取到飞行参数数据后,将对应的飞行参数数据生成dataframe框架格式的文件再进行后续处理。
本实施例的其他部分与上述实施例1-2任一项相同,故不再赘述。
实施例4:
本实施例在上述实施例1-3任一项的基础上,为了更好地实现本发明,进一步地,所述步骤2中,对于每个需要筛选的事件设定对应的判据,根据判据对飞行参数数据进行数据过滤。
本实施例的其他部分与上述实施例1-3任一项相同,故不再赘述。
实施例5:
本实施例在上述实施例1-4任一项的基础上,
工作原理:
本实施例的其他部分与上述实施例1-4任一项相同,故不再赘述。
实施例6:
本实施例在上述实施例1-5任一项的基础上,给出一个以事件“地面油门杆未放置停车状态或停车状态油门杆位置超标”为例的举例说明:
本发明设计了飞参数据的特征序列挖掘算法,进行特征序列挖掘,从而实现飞参的自动判读。飞参判据如下表1所示:
表1判据说明表
算法设计具体如下:
1)数据过滤。按照判据结构,将涉及的飞行参数数据读取后,生成dataframe,并使索引有序递增;然后按照“发动机高压转子转速≤xx&(油门杆角度>yy‖油门杆角度<zz)”,对数据进行过滤;
2)序列连续性判断。过滤后的数据需要判断其是否“持续时间大于dd”,才能判断是否发生事件“地面油门杆未放置停车状态或停车状态油门杆位置超标”。判断数据是否持续有两个方面:
I找出过滤后的数据中连续的序列。本算法采用基于双游标的特征序列挖掘算法结合 dataframe索引来筛选连续的序列,算法逻辑如下:
步骤1设置上游标与下游标在序列开始处,即令i=0,j=0,xi=yj=0
步骤2下游标不动,上游标向后移动一个位置,即令j=j+1;
步骤3对比上游标对应的索引是不是递增1,若递增为1,则上游标继续向后移动;若递增的索引大于1,则上游标不动,记录上游标有下游标之间的序列,然后下游标移动到上游标位置。
程序判断语句为:
else记录i到j-1的序列,then i=j
步骤4:重复开始步骤2,直到序列遍历完,即直至j=m,程序判断语句为:
else则记录i到m-1的序列。
II判断连续序列持续时间是否有20秒。找出连续的序列后,只需用序列长度乘以时间间隔,则可得到持续时间,由此可判断出是否发生事件“地面油门杆未放置停车状态或停车状态油门杆位置超标”。
本发明设计了一种飞参数据的特征序列挖掘算法,简单快速的挖掘出飞参数据中,满足飞参判据的连续时间序列,并为飞参自动判读提供了支撑。
本实施例的其他部分与上述实施例1-5任一项相同,故不再赘述。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (7)
1.一种飞行参数数据的特征序列挖掘方法,用于对有阈值判定和持续时间判定的飞行参数数据进行连续时间挖掘,其特征在于,具体包括以下步骤:
步骤1:读取相关的飞行参数数据,按照飞行参数数据的时间序列,生成有索引的数据表,并将索引设置为有序递增;
步骤2:对于根据时间序列建立了索引后的飞行参数数据进行数据过滤;
步骤3:对于数据过滤后的飞行参数数据进行序列连续性判断,判断过滤后的飞行参数数据的持续时间是否大于预先设定的时间dd;
步骤4:对于持续时间大于预先设定的时间dd的,判断为发生了对应的事件;反之,则判断为未发生对应的事件。
2.如权利要求1所述的一种飞行参数数据的特征序列挖掘方法,其特征在于,所述步骤3中,首先采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列;然后通过筛选出的连续的序列计算得到序列的持续时间;最后再将序列的持续时间与预先设定的时间dd进行比较判断。
3.如权利要求1所述的一种飞行参数数据的特征序列挖掘方法,其特征在于,所述步骤3中,采用双游标特征序列挖掘算法结合飞行参数数据的索引来筛选出连续的序列的具体步骤包括:
步骤(1):在飞行参数数据的待筛选序列的开始处设置上游标和下游标;
步骤(2):保持下游标不动,将上游标向后移动一个位置;
步骤(3):上游标向后移动一个位置后,判断上游标对应的索引是否递增1;
步骤(4):若上游标对应的索引递增1,则继续将上游标向后移动以为,然后重复继续步骤(2)和步骤(3)的操作,直到上游标单次移动后对应的索引递增大于1;若上游标向后单次移动后对应的索引递增大于1,则将下游标移动到上游标对应的位置,记录前次上游标和下游标之间对应的序列为一个持续序列,然后继续后续序列的筛选,直至遍历完所有序列。
5.如权利要求2所述的一种飞行参数数据的特征序列挖掘方法,其特征在于,所述步骤3中,通过筛选出的连续的序列计算得到序列的持续时间的具体操作为:根据筛选出的单个持续的序列的序列长度乘以序列间隔,得到对应的持续时间。
6.如权利要求1所述的一种飞行参数数据的特征序列挖掘方法,其特征在于,所述步骤1中,读取到飞行参数数据后,将对应的飞行参数数据生成dataframe框架格式的文件再进行后续处理。
7.如权利要求1所述的一种飞行参数数据的特征序列挖掘方法,其特征在于,所述步骤2中,对于每个需要筛选的事件设定对应的判据,根据判据对飞行参数数据进行数据过滤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136551.7A CN113901994A (zh) | 2021-09-27 | 2021-09-27 | 一种飞行参数数据的特征序列挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136551.7A CN113901994A (zh) | 2021-09-27 | 2021-09-27 | 一种飞行参数数据的特征序列挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113901994A true CN113901994A (zh) | 2022-01-07 |
Family
ID=79029846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111136551.7A Pending CN113901994A (zh) | 2021-09-27 | 2021-09-27 | 一种飞行参数数据的特征序列挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113901994A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160347482A1 (en) * | 2015-05-27 | 2016-12-01 | The Aerospace Corporation | Systems and methods for estimating parameters of a spacecraft based on emission from an atomic or molecular product of a plume from the spacecraft |
CN109885563A (zh) * | 2019-02-01 | 2019-06-14 | 沈阳航空航天大学 | 一种基于动态规则约束的数据清洗算法 |
CN109934956A (zh) * | 2019-03-13 | 2019-06-25 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN111552921A (zh) * | 2020-04-15 | 2020-08-18 | 成都飞机工业(集团)有限责任公司 | 一种用于异常检测的飞行数据预处理方法 |
CN112732687A (zh) * | 2020-12-29 | 2021-04-30 | 中国民用航空飞行学院 | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 |
-
2021
- 2021-09-27 CN CN202111136551.7A patent/CN113901994A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160347482A1 (en) * | 2015-05-27 | 2016-12-01 | The Aerospace Corporation | Systems and methods for estimating parameters of a spacecraft based on emission from an atomic or molecular product of a plume from the spacecraft |
CN109885563A (zh) * | 2019-02-01 | 2019-06-14 | 沈阳航空航天大学 | 一种基于动态规则约束的数据清洗算法 |
CN109934956A (zh) * | 2019-03-13 | 2019-06-25 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN111552921A (zh) * | 2020-04-15 | 2020-08-18 | 成都飞机工业(集团)有限责任公司 | 一种用于异常检测的飞行数据预处理方法 |
CN112732687A (zh) * | 2020-12-29 | 2021-04-30 | 中国民用航空飞行学院 | 基于数据清洗的航空飞行数据可视化处理系统及分析方法 |
Non-Patent Citations (4)
Title |
---|
SANG-IL KO等: "A short range measurement using RF signal’s propagation time based on vernier effect", 《2009 ICROS-SICE INTERNATIONAL JOINT CONFERENCE》, 21 August 2009 (2009-08-21), pages 1956 - 1961, XP031567048 * |
刘翔锋等: "基于层次分析法的供应商选择问题", 《成都信息工程大学学报》, 30 April 2019 (2019-04-30), pages 123 - 126 * |
张徵等: "基于本体的工程数据关键字检索和排序方法", 《计算机应用与软件》, 30 November 2014 (2014-11-30), pages 45 - 49 * |
李春香;: "飞行数据可视化技术研究", 中国安全科学学报, no. 01, 15 January 2009 (2009-01-15), pages 170 - 175 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112015000218B4 (de) | Verfahren, System und Computerprogramm zum Abtasten einer Mehrzahl von Speicherbereichen in einem Arbeitsspeicher nach einer spezifizierten Anzahl von Ergebnissen | |
DE112013001905B4 (de) | Erhöhte Inline-Deduplizierungseffizienz | |
CN103714123B (zh) | 企业云存储分块对象重复数据删除和重组版本控制方法 | |
CN105955876A (zh) | 一种数据监控处理方法以及装置 | |
CN114281864A (zh) | 一种面向电力网络告警信息的关联分析方法 | |
CN106020722A (zh) | 一种云存储系统的重复数据去重方法、装置及系统 | |
CN113901994A (zh) | 一种飞行参数数据的特征序列挖掘方法 | |
CN107239451A (zh) | 数据库索引创建方法和装置 | |
CN113869603A (zh) | 一种基于掘进指数的异常工况预警方法 | |
CN104375921A (zh) | 一种针对ibm主机进行检查的方法及系统 | |
CN107577809A (zh) | 离线小文件处理方法及装置 | |
CN105302669B (zh) | 一种云备份过程中数据去重的方法和系统 | |
CN104123347A (zh) | 一种应用于boss系统的数据重删方法及系统 | |
CN117272019A (zh) | 一种盾构机掘进姿态的预测方法、装置、设备及存储介质 | |
CN107291903A (zh) | 一种基于可视化软件系统的工程技术档案查找与归档方法 | |
JP6115526B2 (ja) | 製品採取計画作成方法および製品採取計画作成装置 | |
CN113807068B (zh) | 一种基于RPA的Excel自动化方法 | |
CN104734725B (zh) | 基于fri的自适应采样恢复方法 | |
CN109214906A (zh) | 基于大数据仓库分层的税务数据资产分类管理方法及系统 | |
CN114996245A (zh) | 一种应用在水泥生产大数据的数据压缩方法 | |
CN114185884A (zh) | 基于列存数据的流式数据处理方法及系统 | |
CN112597440A (zh) | 一种基于金融技术指标的用电异动分析方法 | |
CN111177866B (zh) | 一种基于smooth t和matlab的涡轮特性处理方法 | |
CN105224697A (zh) | 带过滤条件的排序方法和用于执行所述方法的装置 | |
DE102009059931A1 (de) | Ermitteln und Parametrieren von Polynom-Modellen für Verbrennungsmotoren |
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 |