空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory...空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory)与自编码器(AE,autoencoder)模型的无监督异常检测方法,用以识别民机空调系统异常运行状态。首先,基于民机空调系统原始传感器参数构建表征空调热交换器性能的特征监测参数;其次,构建LSTM-AE模型进行数据特征重构并计算重构误差;最后,使用孤立森林(iForest, isolation forest)进行无监督异常监测。将本文构建的无监督异常检测方法与传统方法对比,并建立模型评估指标,验证结果表明,所构建的模型方法可以对民机空调热交换器性能异常状态进行有效检测。展开更多
本文结合影响航空公司安全运营和客户关注的因素,提出航线运行安全态势风险算法模型。首先,从事故症候严重/一般、不安全事件、故障千时率、使用困难报告等级、航班不正常情况、持续适航事件风险等级、商业运行放行条件指数、重要类级...本文结合影响航空公司安全运营和客户关注的因素,提出航线运行安全态势风险算法模型。首先,从事故症候严重/一般、不安全事件、故障千时率、使用困难报告等级、航班不正常情况、持续适航事件风险等级、商业运行放行条件指数、重要类级别以上的服务通告(SB,service bulletin)未贯彻风险8个方面,计算航空运输协会(ATA,Air Transport Association)各章节风险指数;然后,根据单架机风险指数组成的机队风险指数清单,获悉航司各架飞机的风险点;最后,在此基础上分析症结点,提供减缓风险的措施。验证表明,该算法模型可提升机队运营效率和经济性,从而保证飞机安全、通畅运营。展开更多
文摘空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory)与自编码器(AE,autoencoder)模型的无监督异常检测方法,用以识别民机空调系统异常运行状态。首先,基于民机空调系统原始传感器参数构建表征空调热交换器性能的特征监测参数;其次,构建LSTM-AE模型进行数据特征重构并计算重构误差;最后,使用孤立森林(iForest, isolation forest)进行无监督异常监测。将本文构建的无监督异常检测方法与传统方法对比,并建立模型评估指标,验证结果表明,所构建的模型方法可以对民机空调热交换器性能异常状态进行有效检测。
文摘本文结合影响航空公司安全运营和客户关注的因素,提出航线运行安全态势风险算法模型。首先,从事故症候严重/一般、不安全事件、故障千时率、使用困难报告等级、航班不正常情况、持续适航事件风险等级、商业运行放行条件指数、重要类级别以上的服务通告(SB,service bulletin)未贯彻风险8个方面,计算航空运输协会(ATA,Air Transport Association)各章节风险指数;然后,根据单架机风险指数组成的机队风险指数清单,获悉航司各架飞机的风险点;最后,在此基础上分析症结点,提供减缓风险的措施。验证表明,该算法模型可提升机队运营效率和经济性,从而保证飞机安全、通畅运营。