[發明專利]基于深度神經網絡和隨機森林的飛機電源系統故障識別方法

在審

• 申請號: 202010004752.0
• 申請日: 2020-01-03
• 公開（公告）號: CN111209955A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 許政;畢茂華;封桂榮
• 申請（專利權）人: 山東超越數控電子股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

本發明公開了一種基于深度神經網絡和隨機森林的飛機電源系統故障識別方法，屬于計算機技術領域。本發明的基于深度神經網絡和隨機森林的飛機電源系統故障識別方法，包括以下步驟：S101、獲取飛機多個架次的N種電源系統的飛參數據，構建時序數據集；S102、對構建的時序數據集標記故障狀態；S103、利用構建好的時序數據集構建卷積神經網絡模型；S104、利用隨機森林算法，將獲得的高層特征作為隨機森林算法的輸入，構建隨機森林分類器模型；S105、確定飛機電源系統的故障狀態。該發明的基于深度神經網絡和隨機森林的飛機電源系統故障識別方法能夠應用于機務外場自主保障信息支持系統，具有很好的推廣應用價值。

技術領域

本發明涉及計算機技術領域，具體提供一種基于深度神經網絡和隨機森林的飛機電源系統故障識別方法。

背景技術

航空裝備技術飛速發展，尤其是在軍事戰略的調整以及航空裝備作戰使用樣式發生變化的大環境下，飛機地面保障的要求越來越高，而保障飛機電源系統在其中是最為根本的因素。軍事科技的飛速發展對飛機的保障以及故障預測提出了更高的要求。但是在長期的發展中，飛機電源系統的保障技術總是落后于其他航天裝備的技術。原有的飛機電源系統保障體系在新裝備條件下面臨巨大的挑戰，而對其保障的不到位，會大大降低軍用飛機的戰備完好率。

飛機電源系統的故障識別缺乏量化分析，而且在實際使用及維護過程中積累的經驗和數據沒能與設計數據很好地結合分析，造成理論與實際的脫離。飛機電源系統的故障狀態沒有自動識別機制，機務外場設備維護人員在檢測飛機電源系統的故障狀態時，難以做到心中有數，預見性不足，導致難以準確地對飛機電源系統進行故障預測。

當飛機電源系統在發生故障后，機務外場維護人員也很難針對故障現象及可靠性數據、指標數據等的綜合分析，進行明確的異常檢測，從而很難找到最優的異常檢測方法。這使得飛機電源系統維修成本增大，同時電源系統也得不到良好的維護，導致資源的浪費。

飛行電源系統的故障識別是預測飛機電源系統健康狀態的基礎，它時刻影響著軍用飛機的作戰效率和維修保障效率，因此其在整個部隊中的作用極為重要，所以，在大力發展航空裝備的同時，如何為飛機電源系統提供準確的故障識別也是地面保障領域中亟待解決的技術問題。

發明內容

本發明的技術任務是針對上述存在的問題，提供一種應用于機務外場自主保障信息支持系統的基于深度神經網絡和隨機森林的飛機電源系統故障識別方法。

為實現上述目的，本發明提供了如下技術方案：

基于深度神經網絡和隨機森林的飛機電源系統故障識別方法，包括以下步驟：

S101、獲取飛機多個架次的N種電源系統的飛參數據，構建時序數據集，并對構建的時序數據集進行數據預處理，其中N不小于5；

S102、對構建的時序數據集標記故障狀態；

S103、利用構建好的時序數據集構建卷積神經網絡模型，并獲得時序數據集的高層特征；

S104、利用隨機森林算法，將獲得的高層特征作為隨機森林算法的輸入，并使用基尼系數作為準則，構建隨機森林分類器模型；

S105、根據卷積神經網絡模型、隨機森林分類器模型和真實數據，確定飛機電源系統的故障狀態。

作為優選，所述飛參數據包括交流電源電壓、直流信號有效字、直流電壓和交流電壓頻率。

其中飛參數據具體包括交流電源電壓(NO:11A)、交流電源電壓(NO:23B)、交流電源電壓(NO:22C)、直流信號有效字、直流電壓21、直流電壓31、直流電壓14、交流電源電壓(NO:24A)、交流電壓頻率(NO:11A)、交流電壓頻率(NO:23B)。

作為優選，對所述構建的時序數據集進行數據預處理包括異常值剔除、缺失數據填補、去噪濾波和歸一化處理。