[發明專利]用于生成飛機故障預測分類器的系統和方法

在審

• 申請號: 201911163986.3
• 申請日: 2019-11-22
• 公開（公告）號: CN111221919A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 拉希米·孫達雷斯瓦拉;弗朗茨·大衛·貝茨;蔡-青·盧
• 申請（專利權）人: 波音公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06Q10/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 王紅艷

1.一種生成飛機故障預測分類器(140)的方法，所述方法包括：

接收包括多個特征向量(130)的輸入數據，所述輸入數據包括與一個或多個飛機相關聯的傳感器數據(150)；

基于所述特征向量與故障發生的時間接近度來標記所述多個特征向量(130)中的每個特征向量，其中，在故障發生的閾值時間接近度內的特征向量用第一標簽值來標記，并且其中，不在故障發生的所述閾值時間接近度內的特征向量用第二標簽值來標記；

對于所述多個特征向量(130)的子集的每個特征向量，確定與所述特征向量相關聯的標簽值正確的概率，其中，所述子集包括具有指示所述第一標簽值的標簽的特征向量；

重新分配所述子集的一個或多個特征向量的標簽，所述一個或多個特征向量具有不滿足概率閾值的概率；并且

在重新分配所述一個或多個特征向量的標簽之后，使用包括所述多個特征向量(130)和與所述多個特征向量相關聯的標簽的監督式訓練數據來訓練飛機故障預測分類器(140)，所述飛機故障預測分類器(140)被配置為使用所述飛機的第二傳感器數據來預測所述飛機的第二故障的發生。

2.根據權利要求1所述的方法，其中，所述一個或多個特征向量在故障發生的所述閾值時間接近度內。

3.根據權利要求1或2所述的方法，其中，所述飛機故障預測分類器(140)包括隨機森林分類器。

4.根據權利要求1或2所述的方法，還包括訓練概率預測器(134)以確定與每個特征向量相關聯的概率。

5.根據權利要求4所述的方法，其中，所述概率預測器(134)包括隨機森林回歸預測器。

6.根據權利要求1或2所述的方法，還包括禁止重新標記具有指示所述第二標簽值的標簽的特征向量或具有滿足所述概率閾值的概率的所述子集的特征向量。

7.根據權利要求1或2所述的方法，其中，所述多個特征向量(130)包括在多個采樣時間周期的潛在特征狀態值的序列(202-214)，并且其中，一個所述潛在特征狀態值對應于一個所述采樣時間周期。

8.根據權利要求7所述的方法，其中，所述潛在特征狀態值對應于j維特征空間中的聚類，并且其中，j是所述傳感器數據(150)中傳感器變量的類型的數量。

9.根據權利要求8所述的方法，還包括對所述傳感器數據(150)執行聚類操作，以將所述傳感器數據(150)分組為所述潛在特征狀態值。

10.根據權利要求7所述的方法，其中，確定所述多個特征向量(130)中的第一特征向量包括在第一時間周期的第一組采樣時間周期內確定所述潛在特征狀態值的第一序列(202)，并且其中，所述第一特征向量的每個元素包括所述第一序列(202)的對應潛在特征狀態值。

11.根據權利要求1或2所述的方法，還包括在飛機運行期間執行所述飛機故障預測分類器(140)，以生成指示所述第二故障的預測發生和與所述第二故障的預測發生相關聯的特定修復的提示(162)。

12.根據權利要求1或2所述的方法，還包括在飛機運行期間執行所述飛機故障預測分類器(140)，以基于與所述第二故障的預測發生相關聯的特定修復來重新制定修復計劃(164)。

13.根據權利要求1或2所述的方法，其中，接收所述輸入數據包括接收所述傳感器數據(150)并生成所述多個特征向量(130)，其中，所述多個特征向量(130)包括潛在特征狀態值的序列(202-214)，并且其中，生成所述多個特征向量(130)減小了所述傳感器數據(150)的大小。