一种基于飞参数据的民机飞行安全性分析方法技术

本公开实施例中提供了一种基于飞参数据的民机飞行安全性分析方法，属于航空电子技术领域，包括：将民机飞参数据上传至分布式计算平台，形成大数据框架下的数据管理、调度；通过DBN深度学习方法、ED237规范推荐方法获得民机飞参数据特征；采用分布式计算框架快速得到民机数据中连续量参数的分布情况，确立正常和异常分布范围；建立模糊推理数学模型，代入民机飞参数据特征，输出飞行安全性结果。本发明专利技术充分利用民机飞参大数据蕴含的内在信息，融合深度学习、模糊推理方法综合评判民机飞行的安全状态，具有较高的置信度。

【技术实现步骤摘要】
一种基于飞参数据的民机飞行安全性分析方法
本公开涉及航空电子
，尤其涉及一种基于飞参数据的民机飞行安全性分析方法。
技术介绍
飞参系统完整记录了民机飞行过程中各系统参数和机组操作数据，蕴含了飞行过程重要信息。当前，民机飞行过程中的安全监控都是通过专家判据判读单个参数或少数几个参数组合，但存在虚警率高、预警性不足的缺点。如何通过飞参数据反应飞行过程中的安全系数，及时预警飞行中面临的风险，预防飞行事故发生，已成为民机飞参数据应用领域关注的焦点。
技术实现思路
有鉴于此，本公开实施例提供一种基于飞参数据的民机飞行安全性分析方法，能够降低民机飞行过程中危险的虚警率，提高飞行安全评判结果真确程度的概率，为后续机载实时分析民机飞行安全提供了思路。本公开的技术方案如下：一种基于飞参数据的民机飞行安全性分析方法，包括如下步骤：步骤(1)、将民机飞参数据进行预处理，再上传至分布式计算平台，形成大数据框架下的数据管理、调度；步骤(2)，分别通过DBN深度学习方法、ED237规范推荐方法获得民机飞参数据特征；步骤(3)，采用分布式计算框架快速得到民机数据中连续量参数的分布情况，确立正常分布范围和异常分布范围；步骤(4)，建立模糊推理数学模型，代入民机飞参数据特征，输出飞行安全性结果。在一种优选的实施方式中，步骤(1)中的预处理包括，首先对原始民机飞参数据进行解码还原，然后经过数据ETL过程实现飞参数据中存在的乱码、空值处理。在一种优选的实施方式中，步骤(2)中具体包括，通过DBN深度学习方法，提取新的飞参数据连续量特征矩阵；通过ED237规范推荐方法提取新的飞参数据开关量特征矩阵；并将所述连续量特征矩阵和开关量特征矩阵组合成新的民机飞参数据特征。在一种优选的实施方式中，将民机飞参数据中的连续量通过DBN深度学习方法形成新的飞参数据连续量特征矩阵,并将对应特征值从大到小进行排序,选取前10％特征值对应的特征矩阵作为民机安全性分析的连续量特征矩阵。在一种优选的实施方式中，根据ED237规范推荐方法，选取四个参数作为民机安全性分析的开关量特征矩阵。在一种优选的实施方式中，步骤(3)中具体包括，通过SPARK计算框架快速得到民机各系统飞参数据的历史分布情况，依据高斯准则，确定各系统参数的正常分布范围和异常分布范围，形成参数隶属度函数。在一种优选的实施方式中，步骤(4)中，建立模糊推理数学模型的过程包括数据模糊化、逻辑运算、解模糊。在一种优选的实施方式中，还包括步骤(5)，所述步骤(5)包括根据输出结果调节输入数据的隶属度范围，提高预测精度。本专利技术提供了一种基于飞参数据的民机飞行安全性分析方法，利用分布式计算平台、深度学习和模糊推理智能算法，提供民机飞行状态安全性实时评估，适用于民机飞行安全评价系统，与传统方法相比，本专利技术能够在飞行过程中从复杂的飞参数据中挖掘出飞机飞行安全状态的内在信息，提高了民机飞行过程安全性预警的准确性、降低了虚警率，一定程度上优化了以往飞行安全判断的限制；本专利技术充分利用了民机飞参数据，快速准确给出当前飞机飞行的安全状态，并能够在地面分析中重构模糊推理模型，进一步提升模型实时预测的准确性。附图说明为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术的民机飞行安全性分析方法实现的流程图；图2为DBN深度学习提取特征说明图；图3为模糊推理流程示意图；图4为本专利技术一个实施例中某型民机安全性分析结果展示图。具体实施方式下面结合附图对本公开实施例进行详细描述。以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。本公开实施例提供一种基于飞参数据的民机飞行安全性分析方法，民机历史飞参大数据经过解码还原、ETL规整后，存储于分布式服务器中，通过SPARK计算框架快速得到各系统参数的历史分布情况，借助高斯分布确定各系统参数的正常分布范围和异常分布范围，形成各参数的隶属度关系；采用DBN深度学习方法提取民机飞参连续量的数据特征，采用ED237标准推荐选取开关量的数据特征，将二者组合形成新的特征矩阵。然后，建立基于模糊推理的数学模型，包含数据模糊化、逻辑运算、解模糊等流程。最后把提取的数据特征代入模糊推理模型，给出民机安全性分析结果。本专利技术重点在于民机飞参数据特征提取、基于海量飞参数据隶属度确定及模糊推理模型的合理化构建。本专利技术一种基于飞参数据的民机飞行安全性分析方法，包括建立飞参数据存储集群、搭建分布式计算框架和深度学习框架，通过深度学习提取飞参数据的特征向量，通过模糊数学建立民机飞行安全性预报模型，最后根据解模糊结果给出民机飞行安全性分析结果。参考图1，本专利技术一种基于飞参数据的民机飞行安全性分析方法首先对原始飞参数据进行结算还原成工程值，然后经过数据ETL过程实现飞参大数据的空值、乱码等处理，完后之后上传至大数据平台。然后，分别采用DBN深度学习方法、规范推荐方法选取民机飞参数据的数据特征。通过地面分布式计算框架，得到各参数的分布范围，确立正常范围和异常范围。最后，建立模糊推理模型，代入数据特征得到实时民机飞行过程中数据中的安全系数，形本文档来自技高网...

【技术保护点】
1.一种基于飞参数据的民机飞行安全性分析方法，其特征在于，包括如下步骤：/n步骤(1)、将民机飞参数据进行预处理，再上传至分布式计算平台，形成大数据框架下的数据管理、调度；/n步骤(2)、分别通过DBN深度学习方法、ED237规范推荐方法获得民机飞参数据特征；/n步骤(3)、采用分布式计算框架快速得到民机数据中连续量参数的分布情况，确立正常分布范围和异常分布范围；/n步骤(4)、建立模糊推理数学模型，代入民机飞参数据特征，输出飞行安全性结果。/n

【技术特征摘要】
1.一种基于飞参数据的民机飞行安全性分析方法，其特征在于，包括如下步骤：
步骤(1)、将民机飞参数据进行预处理，再上传至分布式计算平台，形成大数据框架下的数据管理、调度；
步骤(2)、分别通过DBN深度学习方法、ED237规范推荐方法获得民机飞参数据特征；
步骤(3)、采用分布式计算框架快速得到民机数据中连续量参数的分布情况，确立正常分布范围和异常分布范围；
步骤(4)、建立模糊推理数学模型，代入民机飞参数据特征，输出飞行安全性结果。


2.根据权利要求1所述的基于飞参数据的民机飞行安全性分析方法，其特征在于，步骤(1)中的预处理包括，首先对原始民机飞参数据进行解码还原，然后经过数据ETL过程实现飞参数据中存在的乱码、空值处理。


3.根据权利要求1所述的基于飞参数据的民机飞行安全性分析方法，其特征在于，步骤(2)中具体包括，通过DBN深度学习方法，提取新的飞参数据连续量特征矩阵；通过ED237规范推荐方法提取新的飞参数据开关量特征矩阵；并将所述连续量特征矩阵和开关量特征矩阵组合成新的民机飞参数据特征。


4.根据权利要求3所...

【专利技术属性】
技术研发人员：王骁，乔文，
申请(专利权)人：陕西千山航空电子有限责任公司，
类型：发明
国别省市：陕西;61