CN115328076A - 一种适用检测飞机控制系统的质量检测方法及系统 - Google Patents
一种适用检测飞机控制系统的质量检测方法及系统 Download PDFInfo
- Publication number
- CN115328076A CN115328076A CN202210845961.7A CN202210845961A CN115328076A CN 115328076 A CN115328076 A CN 115328076A CN 202210845961 A CN202210845961 A CN 202210845961A CN 115328076 A CN115328076 A CN 115328076A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- decoding
- spoiler
- slat
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 19
- 238000004088 simulation Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种适用检测飞机控制系统的质量检测方法及系统，涉及飞机自动控制技术领域，采集历史故障数据集并进行故障‑特征值阈值映射关系的构建，进一步构建故障判断模型，通过对目标飞机控制系统进行监测获取目标监测数据，获得预设译码方案并进行襟缝翼数据、扰流板数据的译码，获取译码结果，基于故障判断模型进行译码结果判断获取评价指数，进一步生成所述目标飞机控制系统的质量检测结果，解决了现有技术中对于飞机控制系统的质量检测方法智能度不足，使得最终的质检结果精度不足，以影响后续控制调控，使得调控结果还存在一定可提升空间的技术问题，实现了飞机控制系统的智能化自动调控。
Description
技术领域
本发明涉及飞机自动控制技术领域，具体涉及一种适用检测飞机控制系统的质量检测方法及系统。
背景技术
为使飞机运行过程中的飞行性能与飞行安全得到一定保障，对于飞机控制系统的精度要求愈加严格，同时，随着飞机的持续运行，会有不同程度的故障出现，因而，对于飞机控制系统的质量检测尤为重要，其质量检测精准度影响着后续飞行的安全性，现如今，会通过进行定期检修来保证飞机的正常运行，然而，现有的对于飞机控制系统的质量检测方法还不够完善，无法保证最终质量检测结果的准确度。
现有的对于飞机控制系统的质量检测方法智能度不足，使得最终的质检结果精度不足，以影响后续控制调控，使得调控结果还存在一定可提升空间。
发明内容
本申请提供了一种适用检测飞机控制系统的质量检测方法及系统，用于针对解决现有技术中存在的对于飞机控制系统的质量检测方法智能度不足，使得最终的质检结果精度不足，以影响后续控制调控，使得调控结果还存在一定可提升空间的技术问题。
鉴于上述问题，本申请提供了一种适用检测飞机控制系统的质量检测方法及系统。
第一方面，本申请提供了一种适用检测飞机控制系统的质量检测方法，所述方法包括：基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；根据所述多次历史故障数据，构建故障-特征值阈值映射关系；根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
第二方面，本申请提供了一种适用检测飞机控制系统的质量检测系统，所述系统包括：数据采集模块，所述数据采集模块用于基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；关系构建模块，所述关系构建模块用于根据所述多次历史故障数据，构建故障-特征值阈值映射关系；模型构建模块，所述模型构建模块用于根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；目标监测模块，所述目标监测模块用于对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；方案获取模块，所述方案获取模块用于获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；译码判断模块，所述译码判断模块用于利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；结果生成模块，所述结果生成模块用于基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种适用检测飞机控制系统的质量检测方法，基于大数据进行历史故障数据集的采集，所述历史故障数据集包括多次历史故障数据，基于所述多次历史故障数据进行故障-特征值阈值映射关系的构建，进一步构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；通过对目标飞机控制系统进行监测获取目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；获得预设译码方案，对所述襟缝翼数据、所述扰流板数据依次进行译码，获取襟缝翼译码结果、扰流板译码结果，基于所述襟缝翼故障判断层进行所述襟缝翼译码结果判断获取襟缝翼评价指数，基于所述扰流板故障判断层进行所述扰流板译码结果判断获取扰流板评价指数，进一步生成所述目标飞机控制系统的质量检测结果，解决了现有技术中对于飞机控制系统的质量检测方法智能度不足，使得最终的质检结果精度不足，以影响后续控制调控，使得调控结果还存在一定可提升空间的技术问题，实现了飞机控制系统的智能化自动调控。
附图说明
图1为本申请提供了一种适用检测飞机控制系统的质量检测方法流程示意图；
图2为本申请提供了一种适用检测飞机控制系统的质量检测方法中预设译码方案获取流程示意图；
图3为本申请提供了一种适用检测飞机控制系统的质量检测方法中优化控制方案生成流程示意图；
图4为本申请提供了一种适用检测飞机控制系统的质量检测系统结构示意图。
附图标记说明：数据采集模块a，关系构建模块b，模型构建模块c，目标监测模块d，方案获取模块e，译码判断模块f，结果生成模块g。
具体实施方式
本申请通过提供一种适用检测飞机控制系统的质量检测方法及系统，采集历史故障数据集并进行故障-特征值阈值映射关系的构建，进一步构建故障判断模型，通过对目标飞机控制系统进行监测获取目标监测数据，获得预设译码方案并进行襟缝翼数据、扰流板数据的译码，获取译码结果，基于故障判断模型进行译码结果判断获取评价指数，进一步生成所述目标飞机控制系统的质量检测结果，用于解决现有技术中存在的对于飞机控制系统的质量检测方法智能度不足，使得最终的质检结果精度不足，以影响后续控制调控，使得调控结果还存在一定可提升空间的技术问题。
实施例一
如图1所示，本申请提供了一种适用检测飞机控制系统的质量检测方法，所述方法包括：
步骤S100：基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；
具体而言，本申请提供的一种适用检测飞机控制系统的质量检测方法，通过构建仿真模型进行环境模拟检测，进行故障识别分析检测，首先，基于大数据进行所述历史故障数据集的采集，所述历史故障数据集指飞机控制系统曾使用进程中所遇到过的故障数据集合，包括了多次历史故障数据，同一故障类型的故障级别不同，相应的参数数据页存在差异性，对获取的相关参数数据进行对应整合处理，使得不同故障类型与相关的参数数据进行对应，作为所述历史故障数据集进行系统存储，所述历史故障数据集的获取，为后续进行故障分析检测提供了参考对比信息。
步骤S200：根据所述多次历史故障数据，构建故障-特征值阈值映射关系；
具体而言，通过对所述历史故障数据集进行采集获取多次历史故障数据，对所述多次历史故障数据进行历史故障数据的多次随机提取，基于所述历史故障数据进行故障类型的确定，进一步针对不同故障类型获取对应故障特征值，对相应故障特征值进行阈值确定方案匹配，使得所述故障特征值可基于适宜方案进行相应故障特征值阈值的获取，进一步进行所述故障类型与特征值阈值的匹配映射，进而进行所述故障-特征值阈值映射关系的构建，所述故障-特征值阈值映射关系的获取为后续进行故障判断模型的构建夯实了基础。
进一步而言，本申请步骤S200还包括：
步骤S210：提取所述多次历史故障数据中任意一次历史故障数据，并将所述任意一次所述历史故障数据作为参考故障数据；
步骤S220：分析确定所述参考故障数据的故障类型，并组建所述故障类型的故障特征值集合；
步骤S230：基于预设阈值确定方案，依次得到所述故障特征值集合中各故障特征值的特征值阈值，并构建所述故障-特征值阈值映射关系。
具体而言，获取所述多次历史故障数据，于所述多次历史故障数据中随机提取任意一次历史故障数据，将其作为参考故障数据进行分析，对提取的历史故障数据进行故障类型的确定，基于故障类型进行故障特征值提取，示例性的，对于襟缝翼故障，可能存在襟缝翼卡阻、襟缝翼传动开、滑架处故障等多特征因素导致襟缝翼出现故障，针对不同故障诱因进行特征值提取，进一步进行所述故障类型与故障特征值的对应，通过进行所述历史故障数据的多次提取分及故障特征值的确定，在此基础上进行所述故障类型的故障特征值集合的组建，其中，所述故障类型与故障特征值一一对应，预设阈值确定方案，所述预设阈值确定方案指对于多个故障类型对应的特征值设定的特征值限定方案，进一步对所述故障特征值集合中各故障值的特征值阈值进行确定，以此为基准进行所述故障-特征值阈值映射关系的构建，可有效提升数据的整洁度。
进一步而言，在所述基于预设阈值确定方案，依次得到所述故障特征值集合中各故障特征值的特征值阈值，并构建所述故障-特征值阈值映射关系之前，本申请步骤S230还包括：
步骤S231：若所述故障特征值满足预设规定特征值，利用第一阈值确定方案得到所述故障特征值的特征值阈值；
步骤S232：若所述故障特征值不满足所述预设规定特征值，获得第二阈值确定方案，其中，所述第二阈值确定方案包括自对比阈值确定、他对比阈值确定；
步骤S233：利用所述自对比阈值确定或所述他对比阈值确定，得到所述故障特征值的所述特征值阈值；
步骤S234：基于所述第一阈值确定方案、所述第二阈值确定方案，组成所述预设阈值确定方案。
具体而言，获取所述预设规定特征值，所述预设规定特征值指标准手册等相关说明中直接规定的特征值阈值，对所述故障特征值进行所述预设规定特征值的匹配对应，进一步进行所述故障特征值与所述预设规定特征值的校对判定，若所述故障特征值满足所述预设规定特征值，基于所述第一阈值确定方案进行所述故障特征值的特征值阈值获取，所述第一阈值确定方案为依据标准手册进行特征值阈值的直接提取对应，若所述故障特征值不满足所述预设规定特征值，将所述自对比阈值确定与所述他对比阈值确定作为所述第二阈值确定方案，以进行所述特征值阈值的确定，所述自对比阈值确定指将正常状况下相应的特征值取值作为基准，通过进行自己与自己比较进行阈值的确定，所述他对比阈值确定指通过参考其他类似机型的类似参数来进行阈值的确定，基于所述自对比阈值确定与所述他对比阈值确定对不满足所述预设规定特征值的所述故障特征值进行确定，进一步的，将所述第一阈值确定方案与所述第二阈值确定方案作为所述预设阈值确定方案进行系统存储。
步骤S300：根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；
步骤S400：对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；
具体而言，获取所述故障-特征值阈值映射关系，以此为基准进行所述故障判断模型的构建，所述故障判断模型为多层级网络层，包括所述襟缝翼故障判断层与所述扰流板故障判断层，所述襟缝翼故障判断层用于对襟翼系统进行故障特征排查分析的网络层，包括滑架位置故障、非指令动作等多种故障类型特征值的阈值分析校对，所述扰流板故障判断层包括对扰流板间隙校装、扰流板信号输入是否正常等多种故障因素的识别判断，基于所述襟缝翼故障判断层与所述扰流板故障判断层组合构建所述故障判断模型，其中，所述襟缝翼故障判断层与所述扰流板故障判断层为同级别网络层，可基于所述故障判断模型进行飞机控制系统相关参数数据的故障识别。
进一步而言，对所述目标飞机控制系统进行监测，所述目标飞机指待检测飞机，通过对所述目标飞机控制系统工作进程进行实时监测获取所述襟缝翼数据与扰流板数据，基于时序性对获取的数据进行归类整合处理，进一步进行系统存储，获取所述目标监测数据，将所述目标监测数据为基准，作为待检测分析数据进行后续故障判定的根据。
步骤S500：获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；
具体而言，将获取的所述襟缝翼数据与所述扰流板数据存储在记录器内，例如，DF、DR、QAR或DAR，进一步的对相关数据进行译码转换，获取所述预设译码方案，所述预设译码方案指将上述数据从二进制排列的原始数据转换为直观的、有单位的工程数据的方案，通过对原始数据的进行记录格式、符号位、译码信息与位置信息的确定，进而确定对应的序号列，进一步进行记录格式高低位判断，对高低位合成的参数序号列进行相应调整进行统一，将所述参数序号列作为模拟量，通过进行进制转换获取对应的表述现实物理量的工程值，对所述襟缝翼数据与所述扰流板数据分别进行上述转换，获取所述襟缝翼译码结果与所述扰流板译码结果，以所述译码结果为待分析数据集进行判断评估，为进行后续分析评价夯实了基础。
进一步而言，如图2所示，在所述获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果之前，本申请步骤S500还包括：
步骤S510：获得译码参数的译码参数编号；
步骤S520：根据所述译码参数编号，查询得到相关数据集，其中，所述相关数据集包括记录格式、有无符号、译码信息、位置信息；
步骤S530：根据所述记录格式、所述有无符号、所述译码信息、所述位置信息，得到所述译码参数的参数序号列；
步骤S540：根据所述参数序号列制定所述预设译码方案。
具体而言，对所述襟缝翼数据与所述扰流板数据进行译码，首先确定译码类型，例如RS码，获取译码参数编号，所述译码参数编号指表述参数的对应序列号，以所述译码参数编号为基准进行相关数据信息的查询，包括记录格式、有无符号、译码信息与位置信息，其中，所述译码信息包括了码长、信息段、最小码距等，所述位置信息包括了数列寻址范围，进一步对所述译码参数的参数序号列进行确定，基于所述参数序列号进行所述预设译码方案的制定，所述预设译码方案指基于译码参数设定的进行译码的流程方式，以所述飞行数据译码为基础进行后续的分析处理。
进一步而言，在所述根据所述参数序号列制定所述预设译码方案之后，本申请步骤S540还包括：
步骤S541：判断所述参数序号列的所述记录格式是否为高低位合成量；
步骤S542：若所述参数序号列的所述记录格式是高低位合成量，基于所述译码信息、所述位置信息对所述参数序号列进行调整，得到参数序号调整列。
具体而言，获取所述参数序号列，所述参数序号列指进行数据译码后对应的序列号，对所述参数序号列的记录格式进行判断，确定相应的记录格式是否为高低位合成量，若所述记录格式为同位级则确定所述参数序号列为最终确定序号列，若所述记录格式为高低位合成量，以所述译码信息与所述位置信息为基准进行所述参数序号列的调整，例如，通过进行左对齐低位补0或者进行右对齐高位补0进行位次调整，将其调整到同位次级，获取所述参数序号调整列为最终确定序号列，便于进行译码直接寻址，进一步进行输出。
进一步而言，在所述得到参数序号调整列之后，本申请步骤S542还包括：
步骤S5421：判断所述参数序号调整列是否为离散量；
步骤S5422：若所述参数序号调整列是离散量，得到离散值描述；
步骤S5423：若所述参数序号调整列不是离散量，根据所述有无符号进行进制转换，得到工程值；
步骤S5424：将所述离散值描述和所述工程值作为译码结果。
具体而言，通过对所述高低为合成参数序号列进行调整，获取所述参数序号调整列，进一步进行所述参数序号调整列的判断，若所述参数序号列为离散量，基于参数离散程度确定离散值描述，若所述参数调整列不是离散量，提取所述参数调整列的符号位次序列，即最高位，其中正数表述为0，负数表述为1，进一步进行工程值的转换，所有参数序号列对应一现实中的物理量，通过进行数据转换，获取所述参数序号列所对应的工程值，进一步的，将所述离散值描述与所述工程值作为译码结果进行输出，进一步对所述译码结果进行针对性分析评价。
步骤S600：利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；
步骤S700：基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
具体而言，将所述襟缝翼译码结果与所述扰流板译码结果输入所述故障判断模型，通过不同网络层对相关数据分别进行识别判定，基于所述襟缝翼故障判断层，对所述襟缝翼译码结果进行纠错反馈，进一步获取所述襟缝翼评价指数，基于所述扰流板故障判断层，进行所述扰流板译码结果的纠错反馈以获取所述扰流板评价指数，所述襟缝翼评价指数与所述扰流板评价指数表述相应错误信息的出错尺度，进一步的，以所述襟缝翼评价指数与所述扰流板评价指数为基准，通过进行三维仿真模型的构建来模拟所述目标飞机的运行控制实况，进一步进行分析评估，生成所述目标飞机控制系统质量检测结果，基于所述质量检测结果进行控制方案的相应调整，以进行控制系统控制方案的优化，进而进行所述目标飞机的控制，可有效提高控制精度。
进一步而言，如图3所示，本申请步骤S700还包括：
步骤S710：基于Pro/E构建所述目标飞机控制系统的三维仿真模型；
步骤S720：基于Adams对所述三维仿真模型进行分析，得到分析结果；
步骤S730：根据所述分析结果，生成优化控制方案，其中，所述优化控制方案用于优化所述目标飞机控制系统的控制。
具体而言，基于三维建模辅助软件Pro/E进行所述目标飞机控制系统的三维仿真模型的构建，通过进行实时运行环境模拟，基于机械系统动力自动分析系统Adams对构建的所述三维仿真模型进行虚拟环境下的运动状况分析，针对所述目标飞机控制系统的控制过程与结果进行评估分析，获取相应的分析结果，所述分析结果包括了差别参数的控制调整方向，基于所述模型模拟分析结果对控制系统控制方案进行修正，进而生成所述优化控制方案，进一步，基于所述优化控制方案进行所述目标飞机控制系统的控制，可有效提高飞机控制精度，并减缩运行进程中的出错率。
实施例二
基于与前述实施例中一种适用检测飞机控制系统的质量检测方法相同的发明构思，如图4所示，本申请提供了一种适用检测飞机控制系统的质量检测系统，所述系统包括：
数据采集模块a，所述数据采集模块a用于基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；
关系构建模块b，所述关系构建模块b用于根据所述多次历史故障数据，构建故障-特征值阈值映射关系；
模型构建模块c，所述模型构建模块c用于根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；
目标监测模块d，所述目标监测模块d用于对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；
方案获取模块e，所述方案获取模块e用于获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；
译码判断模块f，所述译码判断模块f用于利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；
结果生成模块g，所述结果生成模块g用于基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
进一步而言，所述系统还包括：
历史数据提取模块，所述历史数据提取模块用于提取所述多次历史故障数据中任意一次历史故障数据，并将所述任意一次所述历史故障数据作为参考故障数据；
故障类型分析模块，所述故障类型分析模块用于分析确定所述参考故障数据的故障类型，并组建所述故障类型的故障特征值集合；
阈值确定模块，所述阈值确定模块用于基于预设阈值确定方案，依次得到所述故障特征值集合中各故障特征值的特征值阈值，并构建所述故障-特征值阈值映射关系。
进一步而言，所述系统还包括：
特征值判断模块，所述特征值判断模块用于若所述故障特征值满足预设规定特征值，利用第一阈值确定方案得到所述故障特征值的特征值阈值；
第二方案确定模块，所述第二方案确定模块用于若所述故障特征值不满足所述预设规定特征值，获得第二阈值确定方案，其中，所述第二阈值确定方案包括自对比阈值确定、他对比阈值确定；
特征值阈值获取模块，所述特征值阈值获取模块用于利用所述自对比阈值确定或所述他对比阈值确定，得到所述故障特征值的所述特征值阈值；
阈值方案确定模块，所述阈值方案确定模块用于基于所述第一阈值确定方案、所述第二阈值确定方案，组成所述预设阈值确定方案。
进一步而言，所述系统还包括：
参数编号模块，所述参数编号模块用于获得译码参数的译码参数编号；
数据集查询模块，所述数据集查询模块用于根据所述译码参数编号，查询得到相关数据集，其中，所述相关数据集包括记录格式、有无符号、译码信息、位置信息；
参数序号列获取模块，所述参数序号列获取模块用于根据所述记录格式、所述有无符号、所述译码信息、所述位置信息，得到所述译码参数的参数序号列；
译码方案制定模块，所述译码方案制定模块用于根据所述参数序号列制定所述预设译码方案。
进一步而言，所述系统还包括：
序号列判断模块，所述序号列判断模块用于判断所述参数序号列的所述记录格式是否为高低位合成量；
序号列调整模块，所述序号列调整模块用于若所述参数序号列的所述记录格式是高低位合成量，基于所述译码信息、所述位置信息对所述参数序号列进行调整，得到参数序号调整列。
进一步而言，所述系统还包括：
序号调整列判断模块，所述序号调整列判断模块用于判断所述参数序号调整列是否为离散量；
离散描述模块，所述离散描述模块用于若所述参数序号调整列是离散量，得到离散值描述；
调整列转换模块，所述调整列转换模块用于若所述参数序号调整列不是离散量，根据所述有无符号进行进制转换，得到工程值；
译码结果确定模块，所述译码结果确定模块用于将所述离散值描述和所述工程值作为译码结果。
进一步而言，所述系统还包括：
仿真模型构建模块，所述仿真模型构建模块用于基于Pro/E构建所述目标飞机控制系统的三维仿真模型；
仿真模型分析模块，所述仿真模型分析模块用于基于Adams对所述三维仿真模型进行分析，得到分析结果；
控制方案生成模块，所述控制方案生成模块用于根据所述分析结果，生成优化控制方案，其中，所述优化控制方案用于优化所述目标飞机控制系统的控制。
本说明书通过前述对一种适用检测飞机控制系统的质量检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种适用检测飞机控制系统的质量检测方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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申请。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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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 (8)
1.一种适用检测飞机控制系统的质量检测方法，其特征在于，包括：
基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；
根据所述多次历史故障数据，构建故障-特征值阈值映射关系；
根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；
对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；
获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；
利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；
基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
2.根据权利要求1所述的方法，其特征在于，包括：
提取所述多次历史故障数据中任意一次历史故障数据，并将所述任意一次所述历史故障数据作为参考故障数据；
分析确定所述参考故障数据的故障类型，并组建所述故障类型的故障特征值集合；
基于预设阈值确定方案，依次得到所述故障特征值集合中各故障特征值的特征值阈值，并构建所述故障-特征值阈值映射关系。
3.根据权利要求2所述的方法，其特征在于，在所述基于预设阈值确定方案，依次得到所述故障特征值集合中各故障特征值的特征值阈值，并构建所述故障-特征值阈值映射关系之前，还包括：
若所述故障特征值满足预设规定特征值，利用第一阈值确定方案得到所述故障特征值的特征值阈值；
若所述故障特征值不满足所述预设规定特征值，获得第二阈值确定方案，其中，所述第二阈值确定方案包括自对比阈值确定、他对比阈值确定；
利用所述自对比阈值确定或所述他对比阈值确定，得到所述故障特征值的所述特征值阈值；
基于所述第一阈值确定方案、所述第二阈值确定方案，组成所述预设阈值确定方案。
4.根据权利要求1所述的方法，其特征在于，在所述获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果之前，还包括：
获得译码参数的译码参数编号；
根据所述译码参数编号，查询得到相关数据集，其中，所述相关数据集包括记录格式、有无符号、译码信息、位置信息；
根据所述记录格式、所述有无符号、所述译码信息、所述位置信息，得到所述译码参数的参数序号列；
根据所述参数序号列制定所述预设译码方案。
5.根据权利要求4所述的方法，其特征在于，在所述根据所述参数序号列制定所述预设译码方案之后，还包括：
判断所述参数序号列的所述记录格式是否为高低位合成量；
若所述参数序号列的所述记录格式是高低位合成量，基于所述译码信息、所述位置信息对所述参数序号列进行调整，得到参数序号调整列。
6.根据权利要求5所述的方法，其特征在于，在所述得到参数序号调整列之后，还包括：
判断所述参数序号调整列是否为离散量；
若所述参数序号调整列是离散量，得到离散值描述；
若所述参数序号调整列不是离散量，根据所述有无符号进行进制转换，得到工程值；
将所述离散值描述和所述工程值作为译码结果。
7.根据权利要求1所述的方法，其特征在于，还包括：
基于Pro/E构建所述目标飞机控制系统的三维仿真模型；
基于Adams对所述三维仿真模型进行分析，得到分析结果；
根据所述分析结果，生成优化控制方案，其中，所述优化控制方案用于优化所述目标飞机控制系统的控制。
8.一种适用检测飞机控制系统的质量检测系统，其特征在于，所述系统包括：
数据采集模块，所述数据采集模块用于基于大数据采集历史故障数据集，其中，所述历史故障数据集包括多次历史故障数据；
关系构建模块，所述关系构建模块用于根据所述多次历史故障数据，构建故障-特征值阈值映射关系；
模型构建模块，所述模型构建模块用于根据所述故障-特征值阈值映射关系构建故障判断模型，其中，所述故障判断模型包括襟缝翼故障判断层、扰流板故障判断层；
目标监测模块，所述目标监测模块用于对目标飞机控制系统进行监测，得到目标监测数据，其中，所述目标监测数据包括襟缝翼数据、扰流板数据；
方案获取模块，所述方案获取模块用于获得预设译码方案，并利用所述预设译码方案对所述襟缝翼数据、所述扰流板数据依次进行译码，分别得到襟缝翼译码结果、扰流板译码结果；
译码判断模块，所述译码判断模块用于利用所述襟缝翼故障判断层对所述襟缝翼译码结果进行判断，得到襟缝翼评价指数，利用所述扰流板故障判断层对所述扰流板译码结果进行判断，得到扰流板评价指数；
结果生成模块，所述结果生成模块用于基于所述襟缝翼评价指数、所述扰流板评价指数，生成所述目标飞机控制系统的质量检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210845961.7A CN115328076A (zh) | 2022-07-19 | 2022-07-19 | 一种适用检测飞机控制系统的质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210845961.7A CN115328076A (zh) | 2022-07-19 | 2022-07-19 | 一种适用检测飞机控制系统的质量检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115328076A true CN115328076A (zh) | 2022-11-11 |
Family
ID=83917626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210845961.7A Pending CN115328076A (zh) | 2022-07-19 | 2022-07-19 | 一种适用检测飞机控制系统的质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115328076A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105929813A (zh) * | 2016-04-20 | 2016-09-07 | 中国商用飞机有限责任公司 | 用于检验飞机故障诊断模型的方法和装置 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
| CN111259959A (zh) * | 2020-01-16 | 2020-06-09 | 山东超越数控电子股份有限公司 | 一种航天飞行控制器故障状态识别方法，设备及可读存储介质 |
| CN111337237A (zh) * | 2020-03-17 | 2020-06-26 | 北京必可测科技股份有限公司 | 一种设备故障的诊断方法及系统 |
| CN111401584A (zh) * | 2020-03-17 | 2020-07-10 | 北京必可测科技股份有限公司 | 一种设备故障自动诊断方法及系统 |
| CN111829425A (zh) * | 2020-08-06 | 2020-10-27 | 厦门航空有限公司 | 民机前缘位置传感器的健康监测方法及系统 |
| CN114638384A (zh) * | 2022-05-17 | 2022-06-17 | 四川观想科技股份有限公司 | 一种基于机器学习的故障诊断方法及系统 |
-
2022
- 2022-07-19 CN CN202210845961.7A patent/CN115328076A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105929813A (zh) * | 2016-04-20 | 2016-09-07 | 中国商用飞机有限责任公司 | 用于检验飞机故障诊断模型的方法和装置 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
| CN111259959A (zh) * | 2020-01-16 | 2020-06-09 | 山东超越数控电子股份有限公司 | 一种航天飞行控制器故障状态识别方法，设备及可读存储介质 |
| CN111337237A (zh) * | 2020-03-17 | 2020-06-26 | 北京必可测科技股份有限公司 | 一种设备故障的诊断方法及系统 |
| CN111401584A (zh) * | 2020-03-17 | 2020-07-10 | 北京必可测科技股份有限公司 | 一种设备故障自动诊断方法及系统 |
| CN111829425A (zh) * | 2020-08-06 | 2020-10-27 | 厦门航空有限公司 | 民机前缘位置传感器的健康监测方法及系统 |
| CN114638384A (zh) * | 2022-05-17 | 2022-06-17 | 四川观想科技股份有限公司 | 一种基于机器学习的故障诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11586913B2 (en) | Power equipment fault detecting and positioning method of artificial intelligence inference fusion | |
| CN115857447B (zh) | 基于数字孪生的复杂工业系统运行监测方法及系统 | |
| CN110968069B (zh) | 风力发电机组的故障预测方法、相应的装置及电子设备 | |
| CN116300691B (zh) | 一种多轴联动数控加工的状态监测方法及系统 | |
| CN112284440B (zh) | 一种传感器数据偏差自适应修正方法 | |
| CN116448419A (zh) | 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法 | |
| CN113485863B (zh) | 基于改进生成对抗网络生成异构不平衡故障样本的方法 | |
| CN115730684A (zh) | 一种基于lstm-cnn模型的空气质量检测系统 | |
| EP3712728A1 (en) | Apparatus for predicting equipment damage | |
| CN115859777A (zh) | 一种多故障模式下产品系统寿命预测的方法 | |
| CN117351659B (zh) | 一种水文地质灾害监测装置及监测方法 | |
| CN115328076A (zh) | 一种适用检测飞机控制系统的质量检测方法及系统 | |
| CN114139643B (zh) | 一种基于机器视觉的单甘酯质量检测方法及系统 | |
| CN116720095A (zh) | 一种基于遗传算法优化模糊c均值的电特性信号聚类方法 | |
| CN116085290A (zh) | 一种基于滑窗热成像的风机热故障检测方法及系统 | |
| CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
| CN113704073B (zh) | 一种汽车维修记录库异常数据的检测方法 | |
| CN113108949B (zh) | 一种基于模型融合的探空仪温度传感器误差预测方法 | |
| CN110222855B (zh) | 列车车轮退化数据的处理方法、装置及存储介质 | |
| WO2022059183A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| CN116760033B (zh) | 一种基于人工智能的实时电力需求预测系统 | |
| CN114881073A (zh) | 一种变工况滚动轴承分段式故障诊断方法及系统 | |
| CN117309443A (zh) | 用于汽车座椅加工质量的监测方法及系统 | |
| CN117706290A (zh) | 一种电缆终端潜在击穿故障预警方法 | |
| CN117272803A (zh) | 一种基于融合模型的刀具寿命预测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221111 |
|
| RJ01 | Rejection of invention patent application after publication |