RU2014138937A - Способ анализа полетных данных - Google Patents

Abstract

1. Способ анализа полетных данных, зарегистрированных в течение N полетов по меньшей мере одного воздушного судна при помощи регистратора полетных данных воздушного судна, в котором данные группируют (Е2) по полету i в сигнатурный вектор Xполета размерности d, компоненты которого соответствуют данным, зарегистрированным в течение указанного полета i воздушного судна, так что полет i задан указанным сигнатурным вектором Х, причем способ включает этапы, на которых:- производят (Е4) Гауссовский покомпонентный анализ энтропии ядра полетных сигнатур Xдля получения области (Е) нормальных полетов и классифицируют полетные сигнатуры Xпо их расстоянию до указанной области;- определяют (Е5) для каждого полета i уровень zотклонения от нормы, определенный расстоянием полетной сигнатуры Xотносительно области (Е) нормальных полетов;- выявляют (Е6) по меньшей мере один полет с отклонением от нормы в зависимости от уровня zотклонения от нормы.2. Способ по п. 1, отличающийся тем, что для каждого выявленного полета с отклонением от нормы определяют модельный полет, ближайший к выявленному полету с отклонением от нормы и расположенный в пределах области нормальных полетов.3. Способ по п. 2, отличающийся тем, что параметры выявленного полета с отклонением от нормы сравнивают с параметрами определенного таким образом модельного полета с целью выявления по меньшей мере одного параметра полета с отклонением от нормы, который вызвал отклонение от нормы указанного выявленного полета с отклонением от нормы.4. Способ по п. 1, отличающийся тем, что Гауссовский покомпонентный анализ энтропии включает в себя этапы, на которых:- определяют матрицу K сходства размерности N×N, компоненты которо

Claims (11)

1. Способ анализа полетных данных, зарегистрированных в течение N полетов по меньшей мере одного воздушного судна при помощи регистратора полетных данных воздушного судна, в котором данные группируют (Е2) по полету i в сигнатурный вектор X_i полета размерности d, компоненты которого соответствуют данным, зарегистрированным в течение указанного полета i воздушного судна, так что полет i задан указанным сигнатурным вектором Х_i, причем способ включает этапы, на которых:

- производят (Е4) Гауссовский покомпонентный анализ энтропии ядра полетных сигнатур X_i для получения области (Е) нормальных полетов и классифицируют полетные сигнатуры X_i по их расстоянию до указанной области;

- определяют (Е5) для каждого полета i уровень z_i отклонения от нормы, определенный расстоянием полетной сигнатуры X_i относительно области (Е) нормальных полетов;

- выявляют (Е6) по меньшей мере один полет с отклонением от нормы в зависимости от уровня z_i отклонения от нормы.

2. Способ по п. 1, отличающийся тем, что для каждого выявленного полета с отклонением от нормы определяют модельный полет, ближайший к выявленному полету с отклонением от нормы и расположенный в пределах области нормальных полетов.

3. Способ по п. 2, отличающийся тем, что параметры выявленного полета с отклонением от нормы сравнивают с параметрами определенного таким образом модельного полета с целью выявления по меньшей мере одного параметра полета с отклонением от нормы, который вызвал отклонение от нормы указанного выявленного полета с отклонением от нормы.

4. Способ по п. 1, отличающийся тем, что Гауссовский покомпонентный анализ энтропии включает в себя этапы, на которых:

- определяют матрицу K сходства размерности N×N, компоненты которой выражают в численном виде близость между двумя полетными сигнатурами X_i;

- производят разложение матрицы K сходства на собственные векторы, получая N собственных векторов a₁,…,a_N и N собственных значений λ₁,…,λ_N, таких, что ∀i=1,…,N K·а_i=λ_i·а_i;

- определяют для каждого собственного вектора соответствующий ему коэффициент энтропии y_i;

- отбирают такое подмножество собственных векторов

, в котором сумма значений энтропии y_m больше, чем доля суммы N значений энтропии y_i.

5. Способ по п. 4, отличающийся тем, что коэффициент энтропии определяют по формуле:

.

6. Способ по п. 4, отличающийся тем, что уровень отклонения от нормы полета i определяют по формуле:

.

7. Способ по п. 4, отличающийся тем, что компоненты матрицы K сходства определяют по формуле:

,

где σ² - заранее определенный параметр сглаживания.

8. Способ по п. 7, отличающийся тем, что параметр σ² сглаживания определяют следующим образом:

- определяют матрицу D размерности N×N, соответствующую расстоянию между двумя полетами и заданную следующим образом:

;

- все компоненты каждого столбца располагают в порядке возрастания, получая матрицу D′;

- отбирают первые k строк полученной таким образом матрицы D′, а оставшиеся строки удаляют, в результате чего получают матрицу D′ размерности k×N;

- определяют среднее каждого из столбцов матрицы D′, получая таким образом N значений y₁,…,y_N;

- определяют абсолютное медианное отклонение значений y₁,…,y_N, определенное как mad = median{|y_i-med|}, где med = median{y₁,…,y_N};

- определяют параметр σ² сглаживания по абсолютному медианному отклонению значений y₁,…,y_N в соответствии с формулой

.

9. Способ по п. 4, отличающийся тем, что данные полета i группируют в матрицу F_i размерности T×P, где Т - количество элементов данных, зарегистрированных в течение полета i, а P - количество зарегистрированных параметров, причем компоненты вектора X_i представляют собой столбцы матрицы F_i один за другим, так что вектор X_i имеет размерность d=T×P и определен формулой:

.

10. Способ по п. 1, отличающийся тем, что данные полета i группируют в матрицу F_i размерности T×P, где Т - количество элементов данных, зарегистрированных в течение полета i, а P - количество зарегистрированных параметров, причем компоненты вектора X_i представляют собой столбцы матрицы F_i, из которых отобраны n<Т записей

параметров, так что вектор X_i имеет размерность d=n×P и определен формулой:

.

11. Способ по п. 1, отличающийся тем, что данные полета i группируют в матрицу F_i размерности T×P, где T - количество элементов данных, зарегистрированных в течение полета i, а P - количество зарегистрированных параметров, причем компоненты вектора X_i представляют собой среднее значение, дисперсию, минимальное значение и максимальное значение параметра по всем записям данного параметра, так что вектор X_i определен формулой: