CN114861361A - 一种航空失效快速决策方法及系统 - Google Patents
一种航空失效快速决策方法及系统 Download PDFInfo
- Publication number
- CN114861361A CN114861361A CN202210544464.3A CN202210544464A CN114861361A CN 114861361 A CN114861361 A CN 114861361A CN 202210544464 A CN202210544464 A CN 202210544464A CN 114861361 A CN114861361 A CN 114861361A
- Authority
- CN
- China
- Prior art keywords
- failure
- information
- case
- rule
- decision
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及航空机械部件失效决策领域,本发明提供了一种航空失效快速决策方法及系统,能够基于历史案例信息中所记录的决策信息与基本信息进行分析决策。包括:失效共词分析,自主获取案例表征关键词;基于案例表征关键词,实现对于决策信息与基本信息的关联规则挖掘,形成失效规则主体;对于得到的失效规则主体,结合失效共词分析结果,完成规则决策模型构建,形成可供快速决策的诊断模型。本发明能够实现对于失效可能原因的快速诊断,并提供相应的历史案例知识辅助进一步的分析。
Description
技术领域
本发明涉及航空机械部件失效决策技术领域,具体地说,是一种航空失效快速决策方法及系统,用于针对航空失效进行快速诊断决策。
背景技术
随着现代科学技术的发展,航空装备安全可靠性要求日益提高,机械构件的结构、功能、承载和服役环境越来越复杂,随之而来的机械零部件故障难以避免。由于机械构件的失效往往是多种因素耦合作用的结果,相应的分析工作日益复杂,要想快速、准确地进行故障诊断和分析,单纯依靠失效分析专家远不能满足工程需求。在现阶段的失效决策过程中,主要是依靠工作人员的工作经验和专业知识对数据进行分析,来确定故障发生的类型和具体原因,进而制定对应的处理措施。这种方式过于依赖人员的经验,需要大量的人工参与,效率低下,而且人员的不确定因素会影响诊断结果的好坏。因此,亟需一种针对航空失效快速决策的方法。
发明内容
本发明的目的在于提供一种航空失效快速决策方法及系统,用于针对航空失效进行快速诊断决策。
本发明通过下述技术方案实现:一种航空失效快速决策方法,包括以下步骤:
步骤S1:根据记录的失效案例数据和关系型数据库构建失效案例数据库,所述失效案例数据库包括案例库、失效模式库、图谱库和规则术语库;
步骤S2:对失效案例数据库中各数据表构建共词矩阵;
步骤S3:使用聚类分析法提取案例表征关键词;
步骤S4:针对提取所获得的失效案例关键词,对失效案例数据库进行失效案例关键词信息关联及规整,形成可供关联挖掘的信息主体,即决策信息与基本信息;
步骤S5:将所述信息主体构建成失效案例链表,基于系统设定的支持度、决策度完成决策信息与基本信息的关联规则挖掘,形成失效规则主体;
步骤S6:对于失效规则主体,结合构建的共词矩阵实现编码,构建规则决策模型。
在本发明中,输入案例的基础信息,包括机型、服役时间、材料等非决策信息;对于输入信息进行术语统一,然后进行案例表征关键词匹配;将各基础信息进行案例关联,得到可分析的信息主体;对于匹配结果进行共词矩阵编码,然后输入规则决策模型进行规则推理,推理结果返回失效规则主体中进行查询,输出相应的失效决策结果;将匹配后的失效规则依据置信度进行排序,频繁项集依据支持度进行排序。
为了更好地实现本发明,进一步地,步骤S1中的案例库、失效模式库、图谱库和规则术语库中的信息包括:
所述案例库包括案例ID信息、失效类型信息、失效部件信息、机型信息、材料信息和服役时间信息;
所述失效模式库包括失效ID信息、失效类型信息、一级失效模式、二级失效模式和三级失效模式;
所述图谱库包括图谱ID信息、图谱信息和图谱链接信息;
所述规则术语库包括术语ID信息、术语类型信息和术语别名信息。
为了更好地实现本发明,进一步地,步骤S2中构建共词矩阵的方法包括:
针对规则术语库中的数据对案例库中的信息进行术语统一和失效模式统一,统计汇总共词词频不小于1的关键词内容,并采用Cosine系数进行标准化。
为了更好地实现本发明,进一步地,步骤S3中使用聚类分析法提取案例关键词的方法包括:
基于关键词主成分分析结果的累计贡献率大于85%的主成分个数作为k,进行k-means聚类,获取案例表征关键词;
所述案例表征关键词包括提取记录在案例库、失效模式库、图谱库和规则术语库中的的关键词以及提取案例关键词。
为了更好地实现本发明,进一步地,步骤S4中进行关键词信息关联及规整的方法包括:
对存储在失效案例数据库中案例库、失效模式库、图谱库间的失效案例信息的关联,形成可供后续规则挖掘的失效案例输入;
可供关联挖掘的信息主体根据信息类型分为决策信息与基本信息两部分;
所述决策信息包括失效机理信息、失效模式信息、失效原因信息和预防措施信息;
所述基本信息包括机型信息、服役时间信息、材料牌号信息、飞行起落信息和材料状态信息。
为了更好地实现本发明,进一步地,步骤S5包括:
步骤S51:根据所述决策信息和基本信息构成失效故障案例链表,根据系统设定的支持度阈值对失效故障案例链表中小于阈值的信息进行删除,形成失效案例频繁项集;
步骤S52:根据系统设定的置信度阈值对失效案例频繁项集中小于阈值的信息进行删除,完成对所述基本信息和决策信息的失效规则挖掘,形成失效规则主体。
为了更好地实现本发明,进一步地,步骤S51包括:将统一的失效案例信息根据失效模式进行聚合,扫描各失效模式案例数据集,按照支持度进行计数并排列,构建单向数据链表,每个数据链表都包含一个计数器和一个指针;
计数器存储该失效案例总数以及以此信息为头元素的总数。指针则用于保存相关信息的关联案例信息。把所有数据链表按照计数表支持度的计数递增排列,形成失效故障案例链表。
为了更好地实现本发明,进一步地,步骤S52包括:
通过对失效故障案例链表的扫描,将链表中大于等于支持度的案例输出;
扫描完成后,将该失效模式的链表头元素数值设为零,实现失效案例频繁项集构建;
最后,对于形成的失效案例频繁项集,根据设定的置信度阈值进行删除。
为了更好地实现本发明,进一步地,本发明还公开了一种航空失效快速决策系统,包括失效案例数据库、案例表征关键词提取库、失效规则挖掘单元和规则赋权单元,其中:
所述失效案例数据库单元,包括案例库、失效模式库、图谱库以及规则术语库,用于基于关系数据库的失效案例进行信息管理;
案例表征关键词提取库,用于对记录在失效案例数据库中案例库、失效模式库、图谱库和规则术语库的关键词提取以及案例关键词提取,满足失效规则挖掘以及规则赋权的形式输入、简化计算步骤,在案例表征关键词提取库进行共词矩阵计算、关键词主成分分析和关键词聚类;
失效规则挖掘单元,用于通过基于分析得到的案例表征关键词,运用失效链表关联规则挖掘算法,依据于用户设定的支持度、置信度等阈值挖掘得到决策信息与基本信息间的失效关联规则,在失效规则挖掘单元进行提取失效案例关联及规整、失效故障案例链表构建和失效规则挖掘;
规则赋权单元,用于通过案例表征关键词提取中计算的共现词编码,针对挖掘得到的失效规则主体,构建规则决策模型,满足对于用户输入信息的匹配以及失效决策。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明能够实现对于失效可能原因的快速诊断,并提供相应的历史案例知识辅助进一步的分析。
附图说明
本发明结合下面附图和实施例做进一步说明,本发明所有构思创新应视为所公开内容和本发明保护范围。
图1为本发明提供的一种航空失效快速决策系统中的结构示意图。
图2为本发明提供的一种航空失效快速决策方法的流程示意图。
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,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:
本实施例的一种航空失效快速决策方法,如图1所示,本发明公开了一个航空失效快速决策方法。该方法能够基于历史案例信息中所记录的决策信息(失效机理、失效模式、失效原因、预防措施等)与基本信息(机型、服役时间、材料牌号、飞行起落、材料状态等非决策信息)进行分析决策。包括:失效共词分析,自主获取案例表征关键词;基于案例表征关键词,实现对于决策信息与基本信息的关联规则挖掘,形成失效规则主体;对于得到的失效规则主体,结合失效共词分析结果,完成规则决策模型构建,形成可供快速决策的诊断模型。
本航空失效快速决策方法在快速决策系统构建过程分为失效案例数据库构建、案例表征关键词提取、失效规则挖掘、规则赋权4个部分。首先,基于所记录的失效案例数据,构建失效案例数据库,包括:案例库、失效模式库、图谱库以及规则术语库;然后,对于所构建的失效案例数据库中各数据表构建共词矩阵,进行聚类分析提取能够表征失效案例的关键词。针对所提取获得的失效案例关键词,对所构建的失效案例数据库进行失效案例关联及信息规整,形成可供关联挖掘的信息主体;将该信息主体构建失效案例链表,基于系统设定的支持度、决策度完成决策信息与基本信息的关联规则挖掘,形成失效规则主体;最后,对于失效规则主体,结合前面所构建的共词矩阵实现编码,构建规则决策模型。
在航空失效快速决策系统应用过程中,对于用户所输入的基本信息,系统将基于提取的案例关键词进行匹配,对于匹配结果进行共词矩阵编码,输入规则决策模型进行规则推理,推理结果返回失效规则主体中进行查询,输出相应的失效决策结果。
实施例2:
本实施例在实施例1的基础上做进一步优化,在本实施例中,失效模式库,主要包括对于失效模式的管理;图谱库,主要包括对于失效案例图谱的管理;规则术语库,主要包括对于失效案例中有关信息的术语管理。
本实施例的其他部分与实施例1相同,故不再赘述。
实施例3:
本实施例在上述实施例1或2的基础上做进一步优化,在本实施例中,共词矩阵计算,主要为针对术语库中的数据对案例库中信息进行术语统一、失效模式统一,然后统计汇总共词词频不小于1的关键词内容,并采用Cosine系数进行标准化。
本实施例的其他部分与上述实施例1或2相同,故不再赘述。
实施例4:
本实施例在上述实施例1-3任一项的基础上做进一步优化,在本实施例中,关键词聚类,主要为基于关键词主成分分析结果的累计贡献率大于85%的主成分个数作为k,进行k-means聚类,得到案例表征关键词。
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任一项的基础上做进一步优化,在本实施例中,失效案例关联及规整主要指通过对于存储在失效案例数据库中案例库、失效模式库、图谱库间的失效案例信息的关联,以及案例关键词匹配,形成可供后续规则挖掘的失效案例输入,包括决策信息(失效机理、失效模式、失效原因、预防措施等)与基本信息(机型、服役时间、材料牌号、飞行起落、材料状态等非决策信息)两部分。
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任一项的基础上做进一步优化,在本实施例中,失效规则挖掘,是指根据支持度、置信度阈值对已关联及规整后的失效案例信息进行关联规则挖掘。其中,支持度、置信度阈值由使用人员根据实际需求进行设定。
规则赋权,是指对于用户输入的基本信息(机型、服役时间、材料牌号、飞行起落、材料状态等非决策信息)与失效规则主体间的共词矩阵系数均值。该均值作为基本信息与失效规则的相似度量化。
案例信息规整中的失效模式统一,所统一的对象为失效案例中的失效模式信息,具体操作为将不同级别的失效模式更改为统一级别的失效模式。
案例信息规整中的术语统一,所统一的对象为失效案例中的术语信息,包括:基本信息中的术语(同一机型的不同名称)、决策信息中的术语(同一失效现象的不同描述)等,具体操作为将不同的案例描述语统一为所设定的术语。
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。
实施例7:
本实施例在上述实施例1-6任一项的基础上做进一步优化,在本实施例中,关联规则挖掘,是指形成失效故障案例链表。通过对失效故障案例链表的扫描,将链表中大于等于支持度的案例输出。扫描完后,将该失效模式的链表头元素数值设为零,实现失效案例频繁项集构建。然后,对于形成的失效案例频繁项集,根据设定的置信度阈值进行删除。
本实施例的其他部分与上述实施例1-6任一项相同,故不再赘述。
实施例8:
本实施例在上述实施例1-7任一项的基础上做进一步优化,在本实施例中,失效故障案例链表,是将统一的失效案例信息根据失效模式进行聚合,扫描各失效模式案例数据集,按照支持度进行计数并排列,构建单向数据链表,每个数据链表都包含一个计数器和一个指针。计数器存储该失效案例总数以及以此信息为头元素的总数。指针则用于保存相关信息的关联案例信息。把所有数据链表按照计数表支持度的计数递增排列,形成失效故障案例链表。
本实施例的其他部分与上述实施例1-7任一项相同,故不再赘述。
实施例9:
本实施例在上述实施例1-8任一项基础上做进一步优化,如图2所示,本实施例还提供了一种航空失效快速决策系统,包括失效案例数据库、案例表征关键词提取库、失效规则挖掘单元和规则赋权单元,其中:
失效案例数据库主要指基于关系数据库的失效案例有关的信息管理,满足后续挖掘分析决策等步骤的数据需求,根据信息管理内容,分为案例库、失效模式库、图谱库以及规则术语库;
案例表征关键词提取主要指针对于所记录在失效案例数据库中各类别子库(案例库、失效模式库、图谱库以及规则术语库)的关键词提取以及案例关键词提取,满足失效规则挖掘以及规则赋权的形式输入、简化计算步骤。该部分分为3个步骤:共词矩阵计算、关键词主成分分析、关键词聚类;
失效规则挖掘单元主要指通过基于分析得到的案例表征关键词,运用失效链表关联规则挖掘算法,依据于用户设定的支持度、置信度等阈值挖掘得到决策信息(失效机理、失效模式、失效原因、预防措施等)与基本信息(机型、服役时间、材料牌号、飞行起落、材料状态等非决策信息)间的失效关联规则。该部分分为3个步骤:失效案例关联及规整、失效故障案例链表构建、失效规则挖掘;
规则赋权单元主要指通过案例表征关键词提取中计算的共现词编码,针对挖掘得到的失效规则主体,构建规则决策模型,满足对于用户输入信息的匹配以及失效决策。
图2所示为一个航空失效快速决策系统应用流程图,通过用户输入案例的基础信息,能够实现对于失效可能原因的快速诊断,并提供相应的历史案例知识辅助进一步的分析。该应用流程中,根据用户的输入信息,系统将基于提取的案例关键词进行匹配,对于匹配结果进行共词矩阵编码,输入规则决策模型进行规则推理,推理结果返回失效规则主体中进行查询,输出相应的失效决策结果。
本实施例的其他部分与上述实施例1-8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做的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (9)
1.一种航空失效快速决策方法,其特征在于,包括以下步骤: 步骤S1:根据记录的失效案例数据和关系型数据库构建失效案例数据库,所述失效案例数据库包括案例库、失效模式库、图谱库和规则术语库; 步骤S2:对失效案例数据库中各数据表构建共词矩阵;
步骤S3:使用聚类分析法提取案例表征关键词; 步骤S4:针对提取所获得的失效案例关键词,对失效案例数据库进行失效案例关键词信息关联及规整,形成可供关联挖掘的信息主体,即决策信息与基本信息;
步骤S5:将所述信息主体构建成失效案例链表,基于系统设定的支持度、决策度完成决策信息与基本信息的关联规则挖掘,形成失效规则主体; 步骤S6:对于失效规则主体,结合构建的共词矩阵实现编码,构建规则决策模型。
2.根据权利要求1所述的一种航空失效快速决策方法,其特征在于,所述步骤S1中的案例库、失效模式库、图谱库和规则术语库中的信息包括: 所述案例库包括案例ID信息、失效类型信息、失效部件信息、机型信息、材料信息和服役时间信息; 所述失效模式库包括失效ID信息、失效类型信息、一级失效模式、二级失效模式和三级失效模式; 所述图谱库包括图谱ID信息、图谱信息和图谱链接信息; 所述规则术语库包括术语ID信息、术语类型信息和术语别名信息。
3.根据权利要求1所述的一种航空失效快速决策方法,其特征在于,所述步骤S2中构建共词矩阵的方法包括: 针对规则术语库中的数据对案例库中的信息进行术语统一和失效模式统一,统计汇总共词词频不小于1的关键词内容,并采用Cosine系数进行标准化。
4.根据权利要求1所述的一种航空失效快速决策方法,其特征在于,所述步骤S3中使用聚类分析法提取案例关键词的方法包括: 基于关键词主成分分析结果的累计贡献率大于85%的主成分个数作为k,进行k-means聚类,获取案例表征关键词; 所述案例表征关键词包括提取记录在案例库、失效模式库、图谱库和规则术语库中的的关键词以及提取案例关键词。
5.根据权利要求1所述的一种航空失效快速决策方法,其特征在于,所述步骤S4中进行关键词信息关联及规整的方法包括: 对存储在失效案例数据库中案例库、失效模式库、图谱库间的失效案例信息的关联,形成可供后续规则挖掘的失效案例输入; 可供关联挖掘的信息主体根据信息类型分为决策信息与基本信息两部分; 所述决策信息包括失效机理信息、失效模式信息、失效原因信息和预防措施信息; 所述基本信息包括机型信息、服役时间信息、材料牌号信息、飞行起落信息和材料状态信息。
6.根据权利要求1任一项所述的一种航空失效快速决策方法,其特征在于,所述步骤S5包括: 步骤S51:根据所述决策信息和基本信息构成失效故障案例链表,根据系统设定的支持度阈值对失效故障案例链表中小于阈值的信息进行删除,形成失效案例频繁项集; 步骤S52:根据系统设定的置信度阈值对失效案例频繁项集中小于阈值的信息进行删除,完成对所述基本信息和决策信息的失效规则挖掘,形成失效规则主体。
7.根据权利要求6所述的一种航空失效快速决策方法,其特征在于,所述步骤S51包括:将统一的失效案例信息根据失效模式进行聚合,扫描各失效模式案例数据集,按照支持度进行计数并排列,构建单向数据链表,每个数据链表都包含一个计数器和一个指针; 计数器存储该失效案例总数以及以此信息为头元素的总数,指针则用于保存相关信息的关联案例信息,把所有数据链表按照计数表支持度的计数递增排列,形成失效故障案例链表。
8.根据权利要求6所述的一种航空失效快速决策方法,其特征在于,所述步骤S52包括:通过对失效故障案例链表的扫描,将链表中大于等于支持度的案例输出; 扫描完成后,将该失效模式的链表头元素数值设为零,实现失效案例频繁项集构建; 最后,对于形成的失效案例频繁项集,根据设定的置信度阈值进行删除。
9.一种航空失效快速决策系统,其特征在于,包括失效案例数据库、案例表征关键词提取库、失效规则挖掘单元和规则赋权单元,其中: 所述失效案例数据库单元,包括案例库、失效模式库、图谱库以及规则术语库,用于基于关系数据库的失效案例进行信息管理; 案例表征关键词提取库,用于对记录在失效案例数据库中案例库、失效模式库、图谱库和规则术语库的关键词提取以及案例关键词提取,满足失效规则挖掘以及规则赋权的形式输入、简化计算步骤,在案例表征关键词提取库进行共词矩阵计算、关键词主成分分析和关键词聚类; 失效规则挖掘单元,用于通过基于分析得到的案例表征关键词,运用失效链表关联规则挖掘算法,依据于用户设定的支持度、置信度等阈值挖掘得到决策信息与基本信息间的失效关联规则,在失效规则挖掘单元进行提取失效案例关联及规整、失效故障案例链表构建和失效规则挖掘; 规则赋权单元,用于通过案例表征关键词提取中计算的共现词编码,针对挖掘得到的失效规则主体,构建规则决策模型,满足对于用户输入信息的匹配以及失效决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544464.3A CN114861361A (zh) | 2022-05-19 | 2022-05-19 | 一种航空失效快速决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544464.3A CN114861361A (zh) | 2022-05-19 | 2022-05-19 | 一种航空失效快速决策方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114861361A true CN114861361A (zh) | 2022-08-05 |
Family
ID=82638706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210544464.3A Pending CN114861361A (zh) | 2022-05-19 | 2022-05-19 | 一种航空失效快速决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114861361A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160062820A1 (en) * | 2013-03-15 | 2016-03-03 | Richard B. Jones | System and method for the dynamic analysis of event data |
CN108734402A (zh) * | 2018-05-23 | 2018-11-02 | 华中科技大学 | 基于虚拟案例的非常规突发事件应急管理决策方法及系统 |
-
2022
- 2022-05-19 CN CN202210544464.3A patent/CN114861361A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160062820A1 (en) * | 2013-03-15 | 2016-03-03 | Richard B. Jones | System and method for the dynamic analysis of event data |
CN108734402A (zh) * | 2018-05-23 | 2018-11-02 | 华中科技大学 | 基于虚拟案例的非常规突发事件应急管理决策方法及系统 |
Non-Patent Citations (3)
Title |
---|
卓鹏等: "基于事务拆分的超团挖掘算法", 《计算机工程》, vol. 35, no. 20, pages 1 - 5 * |
邓姝娟等: "基于共词分析的航空发动机系统失效案例研究", 《华东理工大学学报(自然科学版)》, vol. 47, no. 05, pages 1 - 4 * |
陈丽娜等: "航空机械装备失效分析数据库及数据挖掘技术的应用", 《机械工程材料》, vol. 29, no. 10, pages 1 - 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008288B (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
US10198431B2 (en) | Information relation generation | |
US10089581B2 (en) | Data driven classification and data quality checking system | |
CA2796061C (en) | Ascribing actionable attributes to data that describes a personal identity | |
JP7242756B2 (ja) | サービス提供システム、方法及びプログラム | |
US10083403B2 (en) | Data driven classification and data quality checking method | |
US10460240B2 (en) | Apparatus and method for tag mapping with industrial machines | |
CN113779996B (zh) | 基于BiLSTM模型的标准实体文本确定方法、装置及存储介质 | |
CN112116168B (zh) | 一种用户行为的预测方法、装置及电子设备 | |
CN111861514B (zh) | 一种人员推荐方法及人员推荐系统 | |
CN112241734A (zh) | 通过知识图谱和贝叶斯网络对设备故障诊断的方法和系统 | |
CN117290462B (zh) | 一种数据大模型的智能决策系统及方法 | |
US20230298086A1 (en) | System and method for improved spare part search for maintenance services using topic modelling | |
CN112786124B (zh) | 一种问题排查方法、装置、存储介质及设备 | |
CN112733538A (zh) | 一种基于文本的本体构建方法及装置 | |
CN113284627A (zh) | 基于患者表征学习的用药推荐方法 | |
CN111104422B (zh) | 一种数据推荐模型的训练方法、装置、设备及存储介质 | |
CN111104483A (zh) | 基于机器学习的ict系统故障分析及辅助判别方法 | |
CN114861361A (zh) | 一种航空失效快速决策方法及系统 | |
CN116452212A (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
CN115274121A (zh) | 健康医疗数据的管理方法、系统、电子设备及存储介质 | |
CN114023407A (zh) | 一种健康档案缺失值补全方法、系统以及存储介质 | |
US11243937B2 (en) | Log analysis apparatus, log analysis method, and log analysis program | |
US11941020B2 (en) | Displaying query results using machine learning model-determined query results visualizations | |
CN117033724B (zh) | 基于语义关联的多模态数据检索方法 |
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 |