基于维修日志的飞机设备故障原因判别方法

在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.

探讨高职教学中的案例教学方法的深度改进

高职学生与其他层次的学生在学校的学习有很大不同,高职学生更加注重技能的综合运用,是一个化知识为实践的过程,需要落地达到一定的具体化。因此,教师在课程的讲授、实验操作等各环节也应当区别于其他类型的学校。本文就作者开设的部分课程,探讨围绕提高学生操作技能的最终目的而做的一些教学方面的侧重,针对学生以后的就业岗位做的关于案例教学的一些改进或深入。