CN116522748A - 飞机故障诊断系统、方法、装置、计算机设备及存储介质 - Google Patents
飞机故障诊断系统、方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116522748A CN116522748A CN202310201669.6A CN202310201669A CN116522748A CN 116522748 A CN116522748 A CN 116522748A CN 202310201669 A CN202310201669 A CN 202310201669A CN 116522748 A CN116522748 A CN 116522748A
- Authority
- CN
- China
- Prior art keywords
- data
- aircraft
- fault
- real
- application server
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 238000013024 troubleshooting Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013523 data management Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F16/2471—Distributed 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种飞机故障诊断系统、方法、装置、计算机设备及存储介质，涉及数据处理技术领域，用于提高飞机故障诊断的准确度。系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器：数据应用服务器获取飞机上传的实时状态数据；数字孪生模型服务器通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过所述数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；数据应用服务器调用可加载软件服务器中的算法库，通过所述算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障；所述数据应用服务器将所述飞机故障通过网络反馈至所述飞机对应的航空公司。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种飞机故障诊断系统、方法、装置、计算机设备及存储介质。
背景技术
针对民机PHM(Prognostics Health Management，故障预测与健康管理系统)设计，主要通过采用基于故障信息流传播模型开展系统分析，利用供用商提供的监控参数完成对机载系统的故障诊断设计工作。同时航空公司也会结合QAR(Quick Access Recorder，快速存取记录器)数据开展基于数据的故障诊断分析工作，以进一步满足个性化故障诊断需求。
主制造商针对故障信息流进行故障诊断设计需要依靠供应商提供的监控参数，对供应商的依赖性比较大。同时供应商提供的监控参数是否合理、完整还需要进一步分析，如果仅依靠故障告警无法精确隔离到根因故障。
发明内容
本申请实施例提供一种飞机故障诊断系统、方法、装置、计算机设备及存储介质，用于提高飞机故障诊断的准确度。
本发明实施例提供一种飞机故障诊断系统，所述系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器：
所述数据应用服务器，用于获取飞机上传的实时状态数据；
所述数字孪生模型服务器，用于通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过所述数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；
所述数据应用服务器，用于调用可加载软件服务器中的算法库，通过所述算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障；
所述数据应用服务器，用于将所述飞机故障通过网络反馈至所述飞机对应的航空公司。
在本发明提供的一个可选实施例中，所述数据应用服务器包括：数据采集模块和数据存储模块；
所述数据采集模块，用于采集所述飞机上传的实时状态数据和仿真故障数据；所述实时状态数据包括：机载系统试验数据、实时运行数据；
所述数据存储模块，用于采用不同的数据库对所述数据采集模块采集的实时状态数据和仿真故障数据进行分布式存储。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：数据处理模块；
所述数据处理模块，用于从所述数据存储模块中读取所述数据采集模块采集的实时状态数据和所述仿真故障数据，并通过算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：维修决策模块；
所述维修决策模块，用于基于所述数据处理模块确定的所述实时状态数据和所述仿真故障数据对应的飞机故障，确定所述飞机的维修支持信息，所述维修支持信息包括模拟维修支持信息，排故引导信息。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：信息显示模块
所述信息显示模块，用于显示预测的所述实时状态数据和所述仿真故障数据对应的飞机故障，以及显示供应商的设备孪生体的开发进度和集成后的数字样机状态、飞机和孪生体的运行状态和查看运营飞机的状态信息、故障信息和预测信息。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：数字体设计模块；
所述数字体设计模块，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型。
本发明实施例提供一种飞机故障诊断方法，所述方法包括：
根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
本发明实施例提供一种飞机故障诊断装置，所述装置包括：
训练模块，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
获取模块，用于采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
预测模块，用于将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述飞机故障诊断方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述飞机故障诊断方法。
一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述的飞机故障诊断方法。
本发明提供一种飞机故障诊断系统、方法、装置、计算机设备及存储介质，该系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器。其中，数据应用服务器用于获取飞机上传的实时状态数据；数字孪生模型服务器用于通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；数据应用服务器调用可加载软件服务器中的算法库，通过算法库中的预置算法预测所述实时状态数据和仿真故障数据对应的飞机故障；数据应用服务器用于将飞机故障通过网络反馈至飞机对应的航空公司。本发明将数字孪生模型模拟的仿真故障数据与飞机真实的实时状态数据结合采用人工智能方法库训练出高精度模型，开展故障的增强诊断和预测，提高飞机故障的诊断精度。
附图说明
图1为本申请提供的一种飞机故障诊断系统图；
图2为本申请提供的另一种飞机故障诊断系统图；
图3为本申请提供的一种数据应用服务器架构图；
图4为本申请提供的一种飞机故障诊断方法流程图；
图5为本申请提供的飞机故障诊断装置的结构示意图；
图6为本申请提供的计算机设备的一示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请实施例的技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请实施例技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1和图2所示，为本发明实施例提供的一种飞机故障诊断系统，该系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器：
所述数据应用服务器，用于获取飞机上传的实时状态数据；
具体的，飞机通过通信系统将飞机采集的实时状态数据(包含传感器信息、故障信息等)发送给数据应用服务器。其中，信息传输策略采用“重要信息实时传输、其他数据航后传输的形式”。
所述数字孪生模型服务器，用于通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过所述数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；
所述数据应用服务器，用于调用可加载软件服务器中的算法库，通过所述算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障；
数据应用服务器调用可加载软件服务器中的算法库(包括传统诊断、预测算法和人工智能神经网络算法)，用于故障诊断、预测算法模型的训练。可加载软件服务器，用于故障诊断、预测算法的设计、部署、算法调度，通过专用网络部署在数据应用服务器。
所述数据应用服务器，用于将所述飞机故障通过网络反馈至所述飞机对应的航空公司。
本实施例中的飞机故障诊断系统包含硬件设备和配套软件系统，能够对民机机载系统进行数字孪生体模型开发集成校验、虚实结合的增强故障诊断和预测、维修辅助决策支持和航材备件管理。将孪生体虚拟数据与飞机真实数据结合采用人工智能方法库训练出高精度模型。
本发明提供一种飞机故障诊断系统，该系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器。其中，数据应用服务器用于获取飞机上传的实时状态数据；数字孪生模型服务器用于通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；数据应用服务器调用可加载软件服务器中的算法库，通过算法库中的预置算法预测所述实时状态数据和仿真故障数据对应的飞机故障；数据应用服务器用于将飞机故障通过网络反馈至飞机对应的航空公司。本发明将数字孪生模型模拟的仿真故障数据与飞机真实的实时状态数据结合采用人工智能方法库训练出高精度模型，开展故障的增强诊断和预测，提高飞机故障的诊断精度。
在本发明提供的一个可选实施例中，所述数据应用服务器包括：数据采集模块和数据存储模块。在图3中，将数据采集模块和数据存储模块统称为数据管理模块。
所述数据采集模块，用于采集所述飞机上传的实时状态数据和仿真故障数据；所述实时状态数据包括：机载系统试验数据、实时运行数据；数字孪生模型产生的仿真故障数据。
所述数据存储模块，用于采用不同的数据库对所述数据采集模块采集的实时状态数据和仿真故障数据进行分布式存储。例如：对采集到的实时数据采用时序型数据库进行存储，对结构化的数据，采用结构化的数据库进行存储等等。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：数据处理模块；
所述数据处理模块，用于从所述数据存储模块中读取所述数据采集模块采集的实时状态数据和所述仿真故障数据，并通过算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障。具体的，数据处理模块从数据库中读取数据管理模块采集到的数据，开展民机机载系统的虚实结合的实施状态监控和故障诊断，以及飞行品质分析等工作。同时可以针对主制造商、系统供应商和航空公司自主开发的分析算法进行集成管理。具体的，数据处理模块包括算法集成、故障诊断和飞行品质分析。其中，算法集成和故障诊断用于通过算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障；飞行品质分析用于评估每架飞机每次飞行状态，包括飞机降落是否是重着陆，飞机飞行油耗分析等。
传统的状态监测与故障诊断都是基于飞机上各系统布置的传感器数据进行数据分析从而得到状态信息和故障信息。而虚实结合的状态监测与故障诊断是利用机载系统传感器信息外，在利用飞机的数字孪生体模型中设计的虚拟数据采集的信息，来增加用于状态监测和故障诊断的信息。例如液压系统一般油滤都有设置传感器，状态监测和故障诊断也是利用该传感器信息完成，数据异常的话可能只能判断是油滤和相关管路有故障，但具体位置不清楚。而有了孪生体模型，可以增加管路上的数据采集点，这样就可以不在实体管路中增加传感器采集数据，利用虚拟体的管路数据加上实体的油滤的传感器数据一起进行状态监测和故障诊断，从而达到状态监控和故障诊断更加精确的目的。
如图3所示，在本发明提供的一个可选实施例中，所述数据应用服务器还包括：维修决策模块；
所述维修决策模块，用于基于所述数据处理模块确定的所述实时状态数据和所述仿真故障数据对应的飞机故障，确定所述飞机的维修支持信息，所述维修支持信息包括模拟维修支持信息，排故引导信息。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：信息显示模块
所述信息显示模块，用于显示预测的所述实时状态数据和所述仿真故障数据对应的飞机故障，以及显示供应商的设备孪生体的开发进度和集成后的数字样机状态、飞机和孪生体的运行状态和查看运营飞机的状态信息、故障信息和预测信息。
具体的，信息显示模块主要实现信息可视化展示。如在飞机设计阶段用于主制造商实时查看各系统供应商的设备孪生体的开发进度和集成后的数字样机状态；在飞机运营阶段用于主制造商实时查看飞机和孪生体的运行状态和查看运营飞机的状态信息、故障信息和预测信息等，用于与维修现场的显示信息交互等。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：数字体设计模块；
所述数字体设计模块，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型。
为了实现一体化联动设计，数字体设计模块将在供应商侧、主制造商侧、用户侧分不同权限部署。部署在系统供应商侧，主要用于提供各自设计的民机机载系统设备的数字孪生体模型。部署在主制造商，可通过数字设计模块收集、集成供应商提供的孪生体模型，用于建造数字样机，利用数据管理模块中的数据完成数字样机的校准。
其中，数字孪生体模型是供应商根据各自系统设计原理，基于该平台的数字体设计模块中的模型开发工具，进行虚拟模型搭建，最后由主制造商将各供应商的孪生体模型进行集成。作用就是搭建与真实飞机对应的孪生模型。该孪生体模型是由供应商提供的各系统数字孪生体模型，基于该平台完成的飞机级的整机虚拟模型的集成。作用是用于提供主制造商开展飞机的监控，用于显示飞机故障信息、利用孪生模型数据开展故障预测，也可以用于飞机维修模拟等。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：资源管理模块。其中，资源管理模块主要用于民机机载系统孪生模型设计阶段的资料、资源管理。实现了整个设计过程中的文件资料、设计图纸、专家人员信息、版本管理等设计资源的增、删、改、查功能，以及所有操作过程的日志记录。管理所有设计规程、标准、法规等相关资料；管理设计文档，例如：设计图纸、模型详细设计报告、通信协议、各个子模块设计架构等等。与航材备件管理单位进行链接，用于运营阶段航材备件的支持工作。储备各系统维修支援的专家信息，为系统维修排故等工作提供远程支持。管理参与项目的所有人员信息通讯录，方便项目内部实现统筹协作。
在本发明提供的一个可选实施例中，所述数据应用服务器还包括：组织架构管理模块。组织架构管理模块用于设计和运营阶段各供应商、航空公司以及研发人员的权限管理工作。最终通过各个模块间相关配合，为民机机载系统数字孪生设计提供平台支持，进一步应用到民机运营阶段，结合数字孪生体模型开展民机机载系统健康管理，提升民机的运营保障能力。
本发明实施例提供的一种飞机故障诊断方法，该方法具体包括步骤S101-步骤S103：
步骤S101，根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
步骤S102，采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
步骤S103，将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
具体的，本实施例中的飞机故障诊断方法具体实现分以下6大步，如下图4所示：
步骤一：采用生产数据校验设计阶段产生模型。将设计阶段已经完成的数字孪生体模型集成导入到本文所述一体化平台，通过调用本平台数据管理模块中的真实飞机的试飞、运营数据，用于孪生体模型的校验；
步骤二：模拟用于仿真的故障数据。校验后的孪生体模型相比较设计阶段将更贴近实际生产模式，孪生体模型精度达到可用精度后，模拟产生故障数据，用于数据处理模块中对故障诊断算法模型进行拟合或训练。
步骤三：选择合适的故障诊断、预测算法。在数据处理模块，提供了一个算法库，该库内除了包含已经验证的传统的故障诊断、预测算法外，还将包机器学习以及深度学习等含神经网络算法，算法库内的算法由数据处理模块的算法调度程序统一调度，也可以由用户通过前端页面进行设置；
步骤四：数模结合进行故障诊断、预测分析。将孪生模型与真实飞机的数据进行融合，结合诊断、预测算法，实现飞机故障的增强状态监测、故障诊断和预测。
步骤五：得出故障诊断、预测结果。将故障诊断和预测结果用于飞机健康管理，通过维修辅助支持模块和资源管理模块，根据故障诊断和预测结果，开展远程维修指导和航材备件使用管理。
步骤六：信息可视化展示。主制造商、供应商和航空公司可以通过平台的信息展示模块查看平台后台管理的所有飞机故障信息、维修情况和航材数量和备件信息等。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种飞机故障诊断装置，该飞机故障诊断装置与上述实施例中飞机故障诊断方法一一对应。如图5所示，所述装置各功能模块详细说明如下：
训练模块51，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
获取模块52，用于采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
预测模块53，用于将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
关于装置的具体限定可以参见上文中对于飞机故障诊断方法的限定，在此不再赘述。上述设备中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种飞机故障诊断方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
在一个实施例中，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序被处理器执行实现以下步骤：
根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种飞机故障诊断系统，其特征在于，所述系统包括：数字孪生模型服务器、数据应用服务器、可加载软件服务器：
所述数据应用服务器，用于获取飞机上传的实时状态数据；
所述数字孪生模型服务器，用于通过从所述数据应用服务器中提取的实时状态数据进行数字孪生体模型校准，并将通过所述数字孪生模型模拟的仿真故障数据传输至所述数据应用服务器；
所述数据应用服务器，用于调用可加载软件服务器中的算法库，通过所述算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障；
所述数据应用服务器，用于将所述飞机故障通过网络反馈至所述飞机对应的航空公司。
2.根据权利要求1所述的系统，其特征在于，所述数据应用服务器包括：数据采集模块和数据存储模块；
所述数据采集模块，用于采集所述飞机上传的实时状态数据和仿真故障数据；所述实时状态数据包括：机载系统试验数据、实时运行数据；
所述数据存储模块，用于采用不同的数据库对所述数据采集模块采集的实时状态数据和仿真故障数据进行分布式存储。
3.根据权利要求2所述的系统，其特征在于，所述数据应用服务器还包括：数据处理模块；
所述数据处理模块，用于从所述数据存储模块中读取所述数据采集模块采集的实时状态数据和所述仿真故障数据，并通过算法库中的预置算法预测所述实时状态数据和所述仿真故障数据对应的飞机故障。
4.根据权利要求2所述的系统，其特征在于，所述数据应用服务器还包括：维修决策模块；
所述维修决策模块，用于基于所述数据处理模块确定的所述实时状态数据和所述仿真故障数据对应的飞机故障，确定所述飞机的维修支持信息，所述维修支持信息包括模拟维修支持信息，排故引导信息。
5.根据权利要求2所述的系统，其特征在于，所述数据应用服务器还包括：信息显示模块
所述信息显示模块，用于显示预测的所述实时状态数据和所述仿真故障数据对应的飞机故障，以及显示供应商的设备孪生体的开发进度和集成后的数字样机状态、飞机和孪生体的运行状态和查看运营飞机的状态信息、故障信息和预测信息。
6.根据权利要求2所述的系统，其特征在于，所述数据应用服务器还包括：数字体设计模块；
所述数字体设计模块，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型。
7.一种飞机故障诊断方法，其特征在于，所述方法包括：
根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
8.一种飞机故障诊断装置，其特征在于，所述装置包括：
训练模块，用于根据飞机状态样本数据和对应的仿真故障标签数据训练仿真故障模型；
获取模块，用于采集飞机的实时状态数据，及通过数字孪生体模型获取飞机的仿真故障数据；
预测模块，用于将所述实时状态数据和所述仿真故障数据融合，结合预置算法预测所述飞机的故障。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求7所述的飞机故障诊断方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求7所述的飞机故障诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310201669.6A CN116522748A (zh) | 2023-03-01 | 2023-03-01 | 飞机故障诊断系统、方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310201669.6A CN116522748A (zh) | 2023-03-01 | 2023-03-01 | 飞机故障诊断系统、方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116522748A true CN116522748A (zh) | 2023-08-01 |
Family
ID=87398301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310201669.6A Pending CN116522748A (zh) | 2023-03-01 | 2023-03-01 | 飞机故障诊断系统、方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116522748A (zh) |
-
2023
- 2023-03-01 CN CN202310201669.6A patent/CN116522748A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | A systematic methodology for Prognostic and Health Management system architecture definition | |
| US11396386B2 (en) | Supporting off-wing maintenance of an engine of an aircraft | |
| Enrico et al. | Application of reliability technologies in civil aviation: Lessons learnt and perspectives | |
| EP3156862B1 (en) | Methods and apparatus for the creation and use of reusable fault model components in fault modeling and complex system prognostics | |
| Esperon-Miguez et al. | A review of Integrated Vehicle Health Management tools for legacy platforms: Challenges and opportunities | |
| US8340948B1 (en) | Fleet performance optimization tool for aircraft health management | |
| Kim | A change analysis process to characterize software maintenance projects | |
| CA2771401A1 (en) | Platform health monitoring system | |
| Weiss et al. | Measurement science roadmap for prognostics and health management for smart manufacturing systems | |
| US9342441B2 (en) | Methodology and tool support for test organization and migration for embedded software | |
| CN114219129A (zh) | 基于任务和mtbf的武器系统随行备件需求预测及评估系统 | |
| RU2670907C9 (ru) | Система мониторинга работоспособности платформы | |
| Li et al. | A functional architecture of prognostics and health management using a systems engineering approach | |
| Gopalakrishnan et al. | IIoT Framework Based ML Model to Improve Automobile Industry Product. | |
| Shukla et al. | Integrated logistics system for indigenous fighter aircraft development program | |
| US10877471B2 (en) | Method and apparatus for generating a fault tree for a failure mode of a complex system | |
| Byer et al. | Writing a convincing cost benefit analysis to substantiate autonomic logistics | |
| US8359577B2 (en) | Software health management testbed | |
| CN116522748A (zh) | 飞机故障诊断系统、方法、装置、计算机设备及存储介质 | |
| Altinger | State of the Art Software Development in the Automotive Industry and Analysis Upon Applicability of Software Fault Prediction | |
| WO2020142052A1 (en) | Vehicle simulation system and method which is able to communicate real-timely | |
| CN116432442A (zh) | 航天发射场地面设施设备三性一体化评估方法 | |
| CN116224951A (zh) | 维护控制系统和方法 | |
| Jaw et al. | CBM+ research environment-facilitating technology development, experimentation, and maturation | |
| Ofsthun et al. | Model-driven development of integrated health management architectures |
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 |