确定在飞行器中产生性能缺陷的故障的发生概率的方法与流程

本发明涉及飞行器的预防性维护领域，并且更具体地涉及预测在飞行器中产生性能缺陷的故障的发生。

背景技术：

1、如已知的，使用数据库来训练被称为人工智能系统的学习系统。用于训练学习系统的数据库被仔细地构建。实际上，数据库必须包含关于训练学习系统的受试者的足够案例。有待研究的案例的数目越大，学习系统就越能够建立数据库中存在的元素之间的相关相关性。

2、然而，学习系统的使用对于罕见现象是有限的。实际上，如果学习数据库包含太少案例而不能被学习，则学习系统不能建立可靠的相关性。这是例如针对使飞行器性能降低的故障的情形。这些故障的非常低的数量目前可能是构建如下数据库的障碍：该数据库足够丰富以允许学习系统分析故障，以便基于过去的事件建立故障发生的精确概率。实际上，面对过于少量的数据，学习系统可以在其确定哪些先前事件对故障的发生具有影响的能力方面受到限制。

3、为了克服学习系统的数据库中的少量案例，主要使用两种技术。

4、第一种技术在于减小数据库的大小以便在整个数据库中具有50％的实际事件。这种技术的问题在于，当案例的数量确实低时，这意味着大幅地减小数据库的大小以致达到不再允许训练学习系统的大小。

5、第二种技术在于人为地克隆要研究的案例以便增加其数量。该技术的问题在于，其在要研究的案例的发生方面使统计失真。

6、在此上下文中，因此有必要提供一种用于确定在飞行器中产生性能缺陷的故障的发生概率的方法，该方法使得可以使用少量的学习数据来提供可靠的统计确定。

技术实现思路

1、为此，根据第一方面，提出了一种用于确定在飞行器中产生性能缺陷的故障的发生概率的方法。该方法由包括电子电路系统的计算系统执行，该电子电路系统实现以下步骤：

2、-采集输入数据的集合，每个输入数据与飞行器中的所述故障的发生相关，每个输入数据包括故障的加时间戳的通知和来自飞行器的传感器的测量的加时间戳的记录；

3、-将输入数据编组成具有相同根本原因的故障组；

4、-界定针对该故障的因果时间窗口，该因果时间窗口的上边界是故障的加时间戳的通知，并且对于每个输入数据，仅保留包含在该因果时间窗口内的测量的样本；

5、-对同一样本的每个测量进行加权，同一样本的权重的总和等于1；

6、-过滤每个样本的各测量，以便仅保留关于故障的感兴趣的测量；

7、-将每个样本的所感兴趣的测量与参考测量进行比较，并且针对样本的大于相应参考测量的每个所感兴趣的测量，将第一布尔值指派给所述所感兴趣的测量，并且针对样本的小于相应参考测量的每个所感兴趣的测量，将不同于第一布尔值的第二布尔值指派给所述所感兴趣的测量，以便获得一系列布尔值；

8、-将每个组拆分成多个子组，每个子组对应于所述一系列布尔值中的一个或多个布尔值的方差(variation)，使得对于每个组，存在2n个子组，其中n是布尔值的数量，并且将同一组的每个样本划分到与每个样本的布尔值对应的子组；

9、-计算每个子组的各测量的权重的总和；

10、-使用每个子组的权重的总和来确定针对每个子组所述故障发生的概率；

11、-根据所确定的故障发生的概率对飞行器执行维护动作。

12、因此，所提出的方法使得有可能处理输入数据集，以便仅保留与确定发生故障的概率相关的测量。换言之，根据本发明的方法使得有可能细化输入数据集，以便在先前事件(测量)与故障之间建立相关因果联系，以便基于一个或多个先前事件的发生来确定事件发生的概率，并且允许相应地执行维护动作。

13、根据一个特定规定，根据w＝1/n来计算每个测量的权重，其中：w是权重，并且n是样本中的测量的数目。

14、根据一个特定规定，根据来校正每个测量的权重，其中wc是经校正的权重，cw是因果时间窗口，并且nf是归一化因子。

15、根据相同的规定，归一化因子nf是根据下式计算的：nf＝∑cw(-t)×w。

16、根据一个特定规定，学习系统使用每个子组的权重的总和来确定针对每个子组所述故障发生的概率。

17、根据另一方面，提出了一种计算机程序产品，该计算机程序产品包括程序代码指令，当所述指令被处理器执行时，该程序代码指令用于执行所提出的方法。

18、根据另一方面，提出了一种非暂态存储介质，其上存储有包括程序代码指令的计算机程序，当从非暂态存储介质中读取所述指令并且由处理器执行时用于执行所提出的方法。

19、根据另一方面，提出了一种包括电子电路系统的计算系统，该电子电路系统被配置成用于确定在飞行器中产生性能缺陷的故障的发生概率，该电子电路系统至少实现以下步骤：

20、-采集输入数据的集合，每个输入数据与飞行器中的所述故障的发生相关，每个输入数据包括故障的加时间戳的通知和来自飞行器的传感器的测量的加时间戳的记录；

21、-将输入数据编组成具有相同根本原因的故障组；

22、-界定针对该故障的因果时间窗口，该因果时间窗口的上边界是故障的加时间戳的通知，并且对于每个输入数据，仅保留包含在该因果时间窗口内的测量的样本；

23、-对同一样本的每个测量进行加权，同一样本的权重的总和等于1；

24、-过滤每个样本的各测量，以便仅保留关于故障的感兴趣的测量；

25、-将每个样本的所感兴趣的测量与参考测量进行比较，并且针对样本的大于相应参考测量的每个所感兴趣的测量，将第一布尔值指派给所述所感兴趣的测量，并且针对样本的小于相应参考测量的每个所感兴趣的测量，将不同于第一布尔值的第二布尔值指派给所述所感兴趣的测量，以便获得一系列布尔值；

26、-将每个组拆分成多个子组，每个子组对应于所述一系列布尔值中的一个或多个布尔值的方差，使得对于每个组，存在2n个子组，其中n是布尔值的数量，并且将同一组的每个样本划分到与每个样本的布尔值对应的子组；

27、-计算每个子组的各测量的权重的总和；

28、-使用每个子组的权重的总和来确定针对每个子组所述故障发生的概率。

技术特征：

1.一种用于确定在飞行器中产生性能缺陷的故障(mf)的发生概率的方法(100)，所述方法的特征在于，所述方法由包括实现以下步骤的电子电路系统的计算系统(200)执行：

2.如权利要求1所述的方法，其特征在于，每个测量(ts)的权重(104)是根据w＝1/n来计算的，其中：w是权重，并且n是所述样本(sp)中的测量(ts)的数目。

3.如权利要求1所述的方法，其特征在于，根据来校正每个测量(ts)的权重(104)，其中wc是经校正的权重，cw是因果时间窗口，并且nf是归一化因子。

4.如权利要求3所述的方法，其特征在于，所述归一化因子nf是根据下式来计算的：nf＝∑ cw(-t)×w。

5.如权利要求1到4中一项所述的方法，其特征在于，学习系统(9000)使用(109)每个子组的权重的总和来确定针对每个子组所述故障发生的概率。

6.一种包括程序代码指令的计算机程序产品，所述程序代码指令用于在所述指令被处理器执行时执行根据权利要求1到5中任一项所述的方法(100)。

7.一种非暂态存储介质，其上存储有包括程序代码指令的计算机程序，当从所述非暂态存储介质中读取所述指令并且由处理器执行时用于执行根据权利要求1到5中任一项所述的方法(100)。

8.一种包括电子电路系统的计算系统(200)，所述电子电路系统被配置成用于确定在飞行器中产生性能缺陷的故障的发生概率，所述电子电路系统至少实现以下步骤：

技术总结一种用于确定在飞行器中产生性能缺陷的故障的发生概率(Mf)的方法(100)使得有可能处理输入数据集，以便仅保留与确定在先前事件之后的故障发生概率相关的测量。换言之，该方法使得有可能细化输入数据集，以便建立在测量记录与故障之间的相关因果联系，以便基于一个或多个先前事件的发生来确定故障发生的概率。技术研发人员：J-M·多特尔,S·沃林格受保护的技术使用者：空中客车简化股份公司技术研发日：技术公布日：2024/6/2