基于人工智能技术的飞机健康状态数据管理方法研究

为了适应诊断飞机健康状态,缓解飞机危险状态,对故障对象进行更换、维修,对维修结果的正确性和系统是否恢复正常进行验证等飞机系统层级的飞机健康状态管理需求,因此,从典型健康管理系统原理、架构着眼,基于人工智能、大数据分析等技术,提出飞机健康状态数据管理方法,并初步给出了硬件、软件解决方案,供后续进行飞机健康状态数据管理、分析时参考、借鉴。

基于循环神经网络的飞机电源健康状态自动监测方法

由于影响飞机电源健康状态的因素较多,且具体的影响程度不同,对飞机电源健康状态的监测结果往往存在偏差。为此,提出基于循环神经网络的飞机电源健康状态自动监测方法。考虑故障是引起飞机电源健康状态波动的主要因素,构建了以飞机电源状态为核心,包含主电源失效故障、备用电源失效故障以及配电系统故障的故障树。在飞机电源健康状态监测阶段,引入循环神经网络,计算故障树底事件对飞机电源健康状态的影响权重,并综合所有存在故障的影响程度,确定最终的健康状态。在测试结果中,设计方法在飞机电源健康状态监测中展现出显著优越性,可以精准监测飞机电源健康状态。

飞行数据趋势监测在飞机“健康状况”评估中的应用

针对飞行数据属于多状态时域数据的特点提出了一种用于参数趋势监测的方法 ,该方法为“飞机健康”状况提供了一种科学的评估依据。首先对飞机在稳定工作状态和飞行特征时段下的飞行数据进行筛选处理、野点剔除和统计分析 ,并在此基础上建立时间序列AR模型进行参数预测 ,进而采用阈值对比法实现了参数的趋势监测 ,最后讨论了趋势监测在“飞机健康”状况评估中的应用方案。