CN116842714A - 一种任务传感器精度异常监测方法、系统、设备及介质 - Google Patents
一种任务传感器精度异常监测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116842714A CN116842714A CN202310750196.5A CN202310750196A CN116842714A CN 116842714 A CN116842714 A CN 116842714A CN 202310750196 A CN202310750196 A CN 202310750196A CN 116842714 A CN116842714 A CN 116842714A
- Authority
- CN
- China
- Prior art keywords
- sensor
- task
- test data
- task sensor
- feature
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 98
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000005856 abnormality Effects 0.000 claims abstract description 19
- 230000002123 temporal effect Effects 0.000 claims description 22
- 238000010219 correlation analysis Methods 0.000 claims description 11
- 102220465380 NF-kappa-B inhibitor beta_S23A_mutation Human genes 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 102220247850 rs1421233354 Human genes 0.000 claims description 3
- 102220070930 rs794728599 Human genes 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及智能数据分析技术领域，具体地说，涉及一种任务传感器精度异常监测方法、系统、设备及介质；该方法通过分析多架次飞机任务传感器测试数据的互相关性和自相关性，建立统计监测阈值，并利用该阈值对新架次飞机的任务传感器测试数据进行快速分析，准确判断其精度是否存在异常，提升了精度异常监测的建模效率的同时，还获取了更准确的判读阈值，大幅改进了飞机任务传感器精度异常的判读效率和准确率。
Description
技术领域
本发明涉及智能数据分析技术领域，具体地说，涉及一种任务传感器精度异常监测方法、系统、设备及介质。
背景技术
飞机在出厂交付之前，需要在不同装配、调试、试飞等不同阶段，对其机载的任务传感器，如惯导、雷达、光雷、电子战等进行多次测试和判读，以确保任务传感器的测量精度满足期望的精度要求。目前，任务传感器的精度评估主要采用专家经验设定阈值，实现误差超限判读，即当任务传感器的误差超出指定阈值时，判断该任务传感器精度不合格。但由于人为设置的经验阈值存在较大的裕度，导致任务传感器在实际飞行时出现精度不合格的问题，不仅降低了研制和装备效率，还大幅增加了研制成本。此外，飞机任务传感器在进行飞行验证之前，需要经过装备、调试等多个阶段的测试，每个阶段中专家阈值的设置也存在较大的差异。而要获得合适的专家阈值，需要专家对任务传感器测试数据进行长期的分析，对阈值进行不断地调整，效率低下。因此，如何在不同研制阶段快速、有效地构建飞机任务传感器精度异常监测方法，提升飞机任务传感器精度是否正常的判读准确率，成为限制飞机试飞效率和研制成本的瓶颈问题。
发明内容
本发明针对上述飞机任务传感器测试中，难以快速、有效建立准确断阈值以对传感器精度是否合格进行准确判读的问题，提出一种任务传感器精度异常监测方法、系统、设备及介质，通过分析多架次飞机任务传感器测试数据的互相关性和自相关性，建立统计监测阈值，并利用该阈值对新架次飞机的任务传感器测试数据进行快速分析，准确判断其精度是否存在异常，提升了精度异常监测的建模效率的同时，还获取了更准确的判读阈值，大幅改进了飞机任务传感器精度异常的判读效率和准确率。
本发明具体实现内容如下：
一种任务传感器精度异常监测方法，首先根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算统计监测阈值，然后根据所述统计监测阈值分析待测架次飞机的任务传感器测试数据，判断所述待测架次飞机的任务传感器精度是否存在异常。
为了更好地实现本发明，进一步地，任务传感器精度异常监测方法具体包括以下步骤：
步骤S1：根据物理冗余将获取的多架次飞机的任务传感器测试数据划分为具备物理冗余的任务传感器和不具备物理冗余的传感器；
步骤S2：将具备物理冗余的任务传感器采用互相关性分析构建空间精度异常监测模型，将不具备物理冗余的任务传感器采用自相关性分析构建时间精度异常模型，并计算空间特征监测阈值和时间特征监测阈值；
步骤S3：根据所述空间特征监测阈值和所述时间特征监测阈值分析待测架次飞机的任务传感器测试数据，判断待测架次飞机的任务传感器精度是否存在异常。
为了更好地实现本发明，进一步地，所述步骤S2的具体操作为：首先将具备物理冗余的传感器的互相关系数作为空间特征，将不具备物理冗余的传感器的自相关系数作为时间特征；然后根据所述空间特征和所述时间特征建立空间特征序列和时间特征序列，最后计算所述空间特征序列和所述时间特征序列的均值和标准差，得到空间特征监测阈值和时间特征监测阈值。
为了更好地实现本发明，进一步地，所述步骤S3具体包括以下步骤：
步骤S31：将待测架次飞机的任务传感器测试数据进行划分，计算所述待测架次飞机的任务传感器的空间特征和时间特征；
步骤S32：根据所述空间特征监测阈值和所述时间特征监测阈值判断所述待测架次飞机的任务传感器是否超限，若超限则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
为了更好地实现本发明，进一步地，步骤S2中将具备物理冗余的传感器的互相关系数作为空间特征，根据所述空间特征建立空间特征序列，并计算所述空间特征序列的均值和标准差，得到空间特征监测阈值，具体包括以下步骤：
步骤S21A：获取具备物理冗余的任务传感器中相同测试参数，并截取测试数据中稳定状态下的测试参数，计算当前架次飞机具备物理冗余的任务传感器的互相关系数，并将所述互相关系数作为空间特征；
步骤S22A：根据所述互相关系数，计算多架次飞机任务传感器测试数据空间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据空间相关性的平均值和标准差，计算空间特征监测阈值。
为了更好地实现本发明，进一步地，步骤S2中将不具备物理冗余的传感器的自相关系数作为时间特征，根据所述时间特征建立时间特征序列，并计算所述时间特征序列的均值和标准差，得到时间特征监测阈值，具体包括以下步骤：
步骤S21B：截取不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据，并将所述不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据划分为两段，计算当前架次飞机不具备物理冗余的任务传感器的自相关系数，并将所述自相关系数作为时间特征；
步骤S22B：根据所述自相关系数，计算多架次飞机任务传感器测试数据时间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据时间相关性的平均值和标准差，计算时间特征监测阈值。
为了更好地实现本发明，进一步地，所述步骤S32的具体操作为：根据所述空间特征监测阈值和所述时间特征监测阈值判断所述待测架次飞机的任务传感器是否超限，若所述待测飞机任务传感器的空间特征低于所述空间特征监测阈值或所述待测架次飞机的任务传感器的时间特征低于所述时间特征监测阈值，则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
基于上述提出的任务传感器精度异常监测方法，为了更好地实现本发明，进一步地，提出一种任务传感器精度异常监测系统，包括计算单元、判断单元、异常监测单元；
所述计算单元，用于根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算监测阈值；
所述判断单元，用于判断所述待测架次飞机的任务传感器精度是否存在异常；
所述异常监测单元，用于判断所述待测架次飞机的任务传感器精度是否存在异常。
基于上述提出的任务传感器精度异常监测方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器在所述计算机程序上执行时，实现上述的任务传感器精度异常监测方法。
基于上述提出的任务传感器精度异常监测方法，为了更好地实现本发明，进一步地，提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的任务传感器精度异常监测方法。
本发明具有以下有益效果：
本发明通过分析多架次飞机的任务传感器测试数据的互相关性和自相关性，建立精度监测模型，提升了精度异常监测的建模效率的同时，还获取了更准确的判读阈值，大幅改进了飞机任务传感器精度异常的判读效率和准确率。
附图说明
图1为本发明提供的任务传感器精度异常监测方法流程示意框图；
图2为本发明实施例提供的测试架次两个惯导任务系统滚转角数据曲线示意图；
图3为本发明实施例提供的测试架次空间相关系数与阈值对比示意图；
图4为本发明实施例提供的测试架次滚转角原始数据示意图；
图5为本发明实施例提供的测试架次滚转角时间相关系数与阈值对比示意图。
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：
本实施例提出一种任务传感器精度异常监测方法，首先根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算统计监测阈值，然后根据所述统计监测阈值分析待测架次飞机的任务传感器测试数据，判断所述待测架次飞机的任务传感器精度是否存在异常。
工作原理：本实施例通过分析多架次飞机任务传感器测试数据的互相关性和自相关性，建立统计监测阈值，并利用该阈值对新架次飞机的任务传感器测试数据进行快速分析，准确判断其精度是否存在异常，提升了精度异常监测的建模效率的同时，还获取了更准确的判读阈值，大幅改进了飞机任务传感器精度异常的判读效率和准确率。
实施例2：
本实施例在上述实施例1的基础上，如图1所示，以步骤的形式进行说明。
任务传感器精度异常监测方法具体包括以下步骤：
步骤S1：根据物理冗余将获取的多架次飞机的任务传感器测试数据划分为具备物理冗余的任务传感器和不具备物理冗余的传感器。
步骤S2：将具备物理冗余的任务传感器采用互相关性分析构建空间精度异常监测模型，将不具备物理冗余的任务传感器采用自相关性分析构建时间精度异常模型，并计算空间特征监测阈值和时间特征监测阈值。
所述步骤S2的具体操作为：首先将具备物理冗余的传感器的互相关系数作为空间特征，将不具备物理冗余的传感器的自相关系数作为时间特征；然后根据所述空间特征和所述时间特征建立空间特征序列和时间特征序列，最后计算所述空间特征序列和所述时间特征序列的均值和标准差，得到空间特征监测阈值和时间特征监测阈值。
进一步地，步骤S2中将具备物理冗余的传感器的互相关系数作为空间特征，根据所述空间特征建立空间特征序列，并计算所述空间特征序列的均值和标准差，得到空间特征监测阈值，具体包括以下步骤：
步骤S21A：获取具备物理冗余的任务传感器中相同测试参数，并截取测试数据中稳定状态下的测试参数，计算当前架次飞机具备物理冗余的任务传感器的互相关系数，并将所述互相关系数作为空间特征；
步骤S22A：根据所述互相关系数，计算多架次飞机任务传感器测试数据空间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据空间相关性的平均值和标准差，计算空间特征监测阈值。
进一步地，步骤S2中将不具备物理冗余的传感器的自相关系数作为时间特征，根据所述时间特征建立时间特征序列，并计算所述时间特征序列的均值和标准差，得到时间特征监测阈值，具体包括以下步骤：
步骤S21B：截取不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据，并将所述不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据划分为两段，计算当前架次飞机不具备物理冗余的任务传感器的自相关系数，并将所述自相关系数作为时间特征；
步骤S22B：根据所述自相关系数，计算多架次飞机任务传感器测试数据时间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据时间相关性的平均值和标准差，计算时间特征监测阈值。
步骤S3：根据所述空间特征监测阈值和所述时间特征监测阈值分析待测架次飞机的任务传感器测试数据，判断待测架次飞机的任务传感器精度是否存在异常。
所述步骤S3具体包括以下步骤：
步骤S31：将待测架次飞机的任务传感器测试数据进行划分，计算所述待测架次飞机的任务传感器的空间特征和时间特征；
步骤S32：根据所述空间特征监测阈值和所述时间特征监测阈值判断所述待测架次飞机的任务传感器是否超限，若超限则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
进一步地，所述步骤S32的具体操作为：根据所述空间特征监测阈值和所述时间特征监测阈值判断所述待测架次飞机的任务传感器是否超限，若所述待测飞机任务传感器的空间特征低于所述空间特征监测阈值或所述待测架次飞机的任务传感器的时间特征低于所述时间特征监测阈值，则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
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-实施例2任一项的基础上，以一个具体的实施例进行详细说明。
本实施例针对飞机任务传感器测试中，难以快速、有效建立准确断阈值以对传感器精度是否合格进行准确判读的问题，提出了一种任务传感器精度异常监测方法，通过分析多架次飞机任务传感器测试数据的互相关性和自相关性，建立统计监测阈值，利用该阈值对新飞机的任务传感器测试数据进行快速分析，准确判断其精度是否存在异常。相对于现有应用中专家阈值的判读方法，该方法通过多架次任务传感器的测试数据自动建立精度，不仅可以提升精度异常监测的建模效率，还可以获取更准确的判读阈值，大幅改进飞机任务传感器精度异常的判读效率和准确率。
本实施例中任务传感器主要分为两类，包含物理冗余的任务传感器和不包含物理冗余的任务传感器，其中，具备物理冗余的任务传感器采用互相关分析构建精度异常监测模型，从空间角度实现任务传感器的异常判读，不具备物理冗余的任务传感器则采用自相关分析构建精度异常监测模型，从时间角度实现任务传感器的异常判读。
对步骤S2中基于空间相关性分析的任务传感器精度异常检测可通过如下的操作实现：
假设共有N架次飞机任务传感器测试数据，其中，具备物理冗余的任务传感器中相同测试参数分别记作x1和x2，截取测试数据中稳定状态下的测试参数，记长度为d，计算第j架次飞机任务传感器测试数据互相关系数作为空间特征：
进而计算多架次飞机任务传感器测试数据空间相关性的平均值和标准差：
根据多架次飞机任务传感器测试数据空间相关性的平均值和标准差，计算基于空间相关性分析的任务传感器精度异常检测方法的统计判读阈值，记作：
m＝μ-3σ (4)
当新飞机任务传感器测试数据的空间相关性s小于判读阈值m时，则可以判断该飞机任务传感器的精度存在异常，并给出监测告警。
对步骤S2中基于时间相关性分析的任务传感器精度异常检测可通过如下的操作实现。
假设共有N架次飞机任务传感器测试数据，针对不具备物理冗余的任务传感器，截取测试数据中稳定状态下的测试参数，记长度为2d，并均分为两段数据，记作x1和x2，计算第j架次飞机任务传感器测试数据自相关系数作为时间特征：
进而计算多架次飞机任务传感器测试数据时间相关性的平均值和标准差：
根据多架次飞机任务传感器测试数据时间相关性的平均值和标准差，计算基于空间相关性分析的任务传感器精度异常检测方法的统计判读阈值，记作：
m＝μ-3σ (8)
当新飞机任务传感器测试数据的空间相关性s小于判读阈值m时，则可以判断该飞机任务传感器的精度存在异常，并给出监测告警。
将上述空间相关性和时间相关性的任务传感器精度异常监测进行融合，如图1所示，在飞机任务传感器装配、调试、试飞等各阶段，分别建立基于时空相关性分析的任务传感器精度异常监测方法，实现各阶段下精度异常监测，具体步骤如下：
Step1：对多架次飞行任务传感器测试数据进行划分，分为具备物理冗余的传感器和不具备物理冗余的传感器。并计算各架次测试数据中，具备物理冗余的传感器的互相关系数作为空间特征，不具备物理冗余的传感器的自相关系数作为时间特征。
Step2：根据各架次任务传感器测试数据的空间特征序列和时间特征序列，分别统计对应的均值和标注差，构建空间特征监测阈值和时间特征监测阈值。
Step3：将新飞机任务传感器的测试数据划分为具备物理冗余的传感器的测试数据和不具备物理冗余的传感器的测试数据。并计算该架次下测试数据中，具备物理冗余的传感器的空间特征，不具备物理冗余的传感器的时间特征。
Step4：分别采用空间特征监测阈值和时间特征监测阈值对新飞机任务传感器测试数据的空间特征和时间特征进行超限判断，若空间特征低于其对应的监测阈值，或时间特征低于其对应的监测阈值，则判断飞机任务传感器的精度异常，并给出精度异常告警。
工作原理：本实施例自动高效地建立飞机任务传感器生产过程中各阶段的测试数据判读模型；提升了飞机任务传感器精度异常判读的准确率。
本实施例的其他部分与上述实施例1-实施例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-实施例3任一项的基础上，以惯导的滚转角为例判断是否出现精度异常。
飞机上存在具备物理冗余的Mems惯导和Imu惯导，本案例以飞机的惯导任务传感器为例，共6个合格架次的测试数据。
(1)基于空间相关性分析的任务传感器精度异常检测
以惯导的滚转角为例，具备物理冗余的两个惯导的滚转角数据曲线如图2所示，分析滚转角的空间相关性以判断是否出现精度异常。
首先，计算各个合格架次每100个数据为一滑动窗口的互相关系数作为空间特征，并计算各架次空间特征的均值和方差，结果如表1所示。
表1合格架次的滚转角空间相关系数
| 序号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 空间特征均值 | 0.970 | 0.995 | 0.991 | 0.996 | 0.992 | 0.987 |
| 空间特征标准差 | 0.060 | 0.006 | 0.006 | 0.005 | 0.020 | 0.063 |
| 空间特征下限阈值 | 0.791 | 0.977 | 0.972 | 0.982 | 0.934 | 0.800 |
根据多架次飞机任务传感器测试数据空间相关性的平均值和标准差，分别为0.926和0.069，则任务传感器精度异常检测方法的统计判读阈值范围为[0.719，1]。
计算测试架次惯导的空间相关系数，并与阈值比较，如图3所示，20至280个滑窗所覆盖的数据低于阈值范围，则证明此段出现精度异常，即原始数据的第120至380个采样点发生精度异常。
(2)基于时间相关性分析的任务传感器精度异常检测方法
以Mems惯导为例，分析滚转角的时间相关性，测试架次滚转角曲线图如图4所示。
首先，计算各个合格架次每100个数据为一滑动窗口的时间相关系数，并计算各架次时间相关系数的均值和方差，结果如表2所示。
表2合格架次的滚转角时间相关系数、方差和阈值
| 序号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 时间特征均值 | 0.940 | 0.922 | 0.942 | 0.875 | 0.901 | 0.926 |
| 时间特征标准差 | 0.093 | 0.077 | 0.062 | 0.078 | 0.088 | 0.069 |
| 时间特征下限阈值 | 0.662 | 0.692 | 0.756 | 0.642 | 0.638 | 0.720 |
根据多架次飞机任务传感器测试数据时间特征的平均值和标准差，分别为0.917和0.080，则任务传感器精度异常检测方法的统计判读阈值范围为[0.677，1]。
计算测试架次惯导的自相关系数作为时间特征，并与阈值比较，如图5所示，20至60个滑窗所覆盖的数据低于阈值范围，则证明此段出现精度异常，即原始数据的第120至160个采样点发生精度异常。
本实施例的其他部分与上述实施例1-实施例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-实施例4任一项的基础上，提出一种任务传感器精度异常监测系统，包括计算单元、判断单元、异常监测单元；
所述计算单元，用于根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算监测阈值；
所述判断单元，用于判断所述待测架次飞机的任务传感器精度是否存在异常；
所述异常监测单元，用于判断所述待测架次飞机的任务传感器精度是否存在异常。
本实施例还提出一种电子设备，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器在所述计算机程序上执行时，实现上述的任务传感器精度异常监测方法。
本实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的任务传感器精度异常监测方法。
本实施例的其他部分与上述实施例1-实施例4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 (10)
1.一种任务传感器精度异常监测方法，其特征在于，首先根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算统计监测阈值，然后根据所述统计监测阈值分析待测架次飞机的任务传感器测试数据，判断所述待测架次飞机的任务传感器精度是否存在异常。
2.根据权利要求1所述的一种任务传感器精度异常监测方法，其特征在于，具体包括以下步骤：
步骤S1：根据物理冗余将获取的多架次飞机的任务传感器测试数据划分为具备物理冗余的任务传感器和不具备物理冗余的传感器；
步骤S2：将具备物理冗余的任务传感器采用互相关性分析构建空间精度异常监测模型，将不具备物理冗余的任务传感器采用自相关性分析构建时间精度异常模型，并计算空间特征监测阈值和时间特征监测阈值；
步骤S3：根据所述空间特征监测阈值和所述时间特征监测阈值分析待测架次飞机的任务传感器测试数据，判断待测架次飞机的任务传感器精度是否存在异常。
3.根据权利要求2所述的一种任务传感器精度异常监测方法，其特征在于，所述步骤S2的具体操作为：首先将具备物理冗余的传感器的互相关系数作为空间特征，将不具备物理冗余的传感器的自相关系数作为时间特征；然后根据所述空间特征和所述时间特征建立空间特征序列和时间特征序列，最后计算所述空间特征序列和所述时间特征序列的均值和标准差，得到空间特征监测阈值和时间特征监测阈值。
4.根据权利要求2所述的一种任务传感器精度异常监测方法，其特征在于，所述步骤S3具体包括以下步骤：
步骤S31：将待测架次飞机的任务传感器测试数据进行划分，计算所述待测架次飞机的任务传感器的空间特征和时间特征；
步骤S32：根据所述空间特征监测阈值和所述时间特征监测阈值判断所述待测架次飞机的任务传感器是否超限，若超限则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
5.根据权利要求3所述的一种任务传感器精度异常监测方法，其特征在于，步骤S2中将具备物理冗余的传感器的互相关系数作为空间特征，根据所述空间特征建立空间特征序列，并计算所述空间特征序列的均值和标准差，得到空间特征监测阈值，具体包括以下步骤：
步骤S21A：获取具备物理冗余的任务传感器中相同测试参数，并截取测试数据中稳定状态下的测试参数，计算当前架次飞机具备物理冗余的任务传感器的互相关系数，并将所述互相关系数作为空间特征；
步骤S22A：根据所述互相关系数，计算多架次飞机任务传感器测试数据空间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据空间相关性的平均值和标准差，计算空间特征监测阈值。
6.根据权利要求3所述的一种任务传感器精度异常监测方法，其特征在于，步骤S2中将不具备物理冗余的传感器的自相关系数作为时间特征，根据所述时间特征建立时间特征序列，并计算所述时间特征序列的均值和标准差，得到时间特征监测阈值，具体包括以下步骤：
步骤S21B：截取不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据，并将所述不具备物理冗余的任务传感器测试数据中稳定状态下的测试数据划分为两段，计算当前架次飞机不具备物理冗余的任务传感器的自相关系数，并将所述自相关系数作为时间特征；
步骤S22B：根据所述自相关系数，计算多架次飞机任务传感器测试数据时间相关性的平均值和标准差；
步骤S23A：根据所述多架次飞机任务传感器测试数据时间相关性的平均值和标准差，计算时间特征监测阈值。
7.根据权利要求4所述的一种任务传感器精度异常监测方法，其特征在于，所述步骤S32的具体操作为：根据所述空间特征监测阈值和所述时间特征监测阈值判断待测架次飞机的任务传感器是否超限，若所述待测架次飞机的任务传感器的空间特征低于所述空间特征监测阈值或所述待测架次飞机的任务传感器的时间特征低于所述时间特征监测阈值，则判断所述待测架次飞机的任务传感器精度异常，并发出精度异常告警。
8.一种任务传感器精度异常监测系统，其特征在于，包括计算单元、判断单元、异常监测单元；
所述计算单元，用于根据获取的多架次飞机的任务传感器测试数据的互相关性和自相关性，计算监测阈值；
所述判断单元，用于判断待测架次飞机的任务传感器精度是否存在异常；
所述异常监测单元，用于判断所述待测架次飞机的任务传感器精度是否存在异常。
9.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器在所述计算机程序上执行时，实现如权利要求1-7任一项所述的任务传感器精度异常监测方法。
10.一种计算机可读存储介质，其特征在于。所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在如权利要求9所述的电子设备上执行时，实现如权利要求1-7任一项所述的任务传感器精度异常监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310750196.5A CN116842714A (zh) | 2023-06-25 | 2023-06-25 | 一种任务传感器精度异常监测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310750196.5A CN116842714A (zh) | 2023-06-25 | 2023-06-25 | 一种任务传感器精度异常监测方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116842714A true CN116842714A (zh) | 2023-10-03 |
Family
ID=88169918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310750196.5A Pending CN116842714A (zh) | 2023-06-25 | 2023-06-25 | 一种任务传感器精度异常监测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116842714A (zh) |
-
2023
- 2023-06-25 CN CN202310750196.5A patent/CN116842714A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3441947B1 (en) | System and method for remaining useful life determination | |
| US9346557B2 (en) | Flight data monitoring and validation | |
| US7233884B2 (en) | Methodology for temporal fault event isolation and identification | |
| CN104303122B (zh) | 通过自动确定判定阈来监测飞机机载设备老化的方法 | |
| CN102175266B (zh) | 一种运动体陀螺惯性组件的故障诊断方法 | |
| CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
| CN106228176A (zh) | 一种基于工况数据检测设备状态的方法和系统 | |
| CN109993222B (zh) | 数据异常检测系统及方法 | |
| EP2857916B1 (de) | Verfahren und Vorrichtung zum Detektieren eines Fehlers in einer Anordnung | |
| Yong et al. | Unmanned aerial vehicle sensor data anomaly detection using kernel principle component analysis | |
| CN104680005A (zh) | 基于加速因子可行域选择的非平行贮存寿命试验评估方法 | |
| CN103323624A (zh) | 校验飞行器迎角探测器的测量值一致性的方法和装置 | |
| CN103884359A (zh) | 一种基于主元分析算法的卫星陀螺部件故障诊断方法 | |
| CN109815149A (zh) | 一种基于Weibull分布引进故障的软件可靠性增长模型 | |
| CN101887407A (zh) | 一种基于希尔伯特-黄变换的设备或系统机内测试信号特征提取方法 | |
| CN105243180A (zh) | 机电设备故障预警方法及系统 | |
| CN106742068A (zh) | 一种诊断卫星姿态控制系统未知故障的方法 | |
| EP2869026B1 (en) | Systems and methods for off-line and on-line sensor calibration | |
| CN114244751B (zh) | 无线传感器网络异常检测方法和系统 | |
| CN102722636A (zh) | 一种针对航空电子系统面临电磁环境复杂度的量化评估方法 | |
| CN116842714A (zh) | 一种任务传感器精度异常监测方法、系统、设备及介质 | |
| Wan et al. | Robust air data sensor fault diagnosis with enhanced fault sensitivity using moving horizon estimation | |
| CN112833919A (zh) | 一种多余度的惯性测量数据的管理方法及其系统 | |
| EP1927915A2 (en) | State initialization for gas turbine engine performance diagnogtics | |
| Hu et al. | Certification analysis for a model-based UAV fault detection system |
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 |