一种基于人工智能的航空装备可用度预计方法及装置制造方法及图纸

本发明专利技术提出了一种基于人工智能的航空装备可用度预计方法，涉及可用度预计领域。一种基于人工智能的航空装备可用度预计方法，包含如下步骤：获取航空装备的设备数据，将设备数据输入人工神经网络模型，得到航空装备的设备可用度，设备数据包含上述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数。此外本发明专利技术还提出了一种基于人工智能的航空装备可用度预计装置，包含：获取模块，用于获取待测航空装备的各项设备数据；输入模块，用于将各项设备数据输入人工神经网络模型，得到航空装备的设备可用度。本发明专利技术能够满足航空装备的设备可用度的预计分析，提高设备可用度预计的准确性。设备可用度预计的准确性。设备可用度预计的准确性。

【技术实现步骤摘要】
一种基于人工智能的航空装备可用度预计方法及装置


[0001]本专利技术涉及可用度预计领域，具体而言，涉及一种基于人工智能的航空装备可用度预计方法及装置。

技术介绍

[0002]在航空装备研制过程中，需要对装备的设备可用度进行预计分析，以针对性的开展设计研制，装备的设备可用度表示任一时刻装备处于完好可用状态的概率。
[0003]但传统的可用度计算模型比较粗糙，且需要的参数多为装备使用中的统计数据，在新型航空装备研制前期，缺少相应的装备可用度预计方法和装置来预计装备可用度，优化装备设计。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的航空装备可用度预计方法，其能够满足航空装备的设备可用度的预计分析。
[0005]本专利技术的另一目的在于提供一种基于人工智能的航空装备可用度预计装置，其能够满足航空装备的设备可用度的预计分析。
[0006]本专利技术的实施例是这样实现的：
[0007]第一方面，本申请实施例提供一种基于人工智能的航空装备可用度预计方法，包含如下步骤：获取航空装备的设备数据，将上述设备数据输入人工神经网络模型，得到上述航空装备的设备可用度，上述设备数据包含上述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数。
[0008]在本专利技术的一些实施例中，上述人工神经网络模型为使用多组维护数据通过机器学习训练得到，每组上述维护数据均包含上述设备数据和用于标记上述设备数据的上述设备可用度。
[0009]在本专利技术的一些实施例中，上述人工神经网络模型包含输入层、隐含层和输出层，上述输入层用于输入上述设备数据，上述隐含层用于根据上述设备数据分析得到数据权值，上述输出层用于根据上述数据权值计算上述航空装备的上述设备可用度。
[0010]在本专利技术的一些实施例中，上述隐含层根据不同上述设备数据的大小/长短得到不同上述设备数据的上述数据权值。
[0011]在本专利技术的一些实施例中，上述隐含层根据比较各项上述设备数据与不同预设阈值的大小/长短得到各项上述设备数据的上述数据权值。
[0012]在本专利技术的一些实施例中，上述隐含层通过比较不同上述设备数据之间的大小/长短得到各项上述设备数据的上述数据权值。
[0013]在本专利技术的一些实施例中，上述设备数据包含航空装备的装备类型，根据不同上述航空装备的所有上述数据权值对上述航空装备进行分类得到上述装备类型。
[0014]在本专利技术的一些实施例中，上述隐含层根据上述装备类型获得各项上述设备数据
的上述数据权值。
[0015]第二方面，本申请实施例提供一种基于人工智能的航空装备可用度预计装置，包含：获取模块，用于获取待测航空装备的各项设备数据，上述设备数据包含上述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数；输入模块，用于将各项上述设备数据输入人工神经网络模型，得到上述航空装备的设备可用度，其中上述人工神经网络模型为使用多组维护数据通过机器学习训练得到，每组上述维护数据均包含上述设备数据和用于标记上述设备数据的上述设备可用度。
[0016]在本专利技术的一些实施例中，上述人工神经网络模型包含输入层、隐含层和输出层，上述输入层用于输入上述设备数据，上述隐含层用于根据上述设备数据分析得到数据权值，上述输出层用于根据上述数据权值计算上述航空装备的上述设备可用度。
[0017]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0018]第一方面，本申请实施例提供一种基于人工智能的航空装备可用度预计方法，包含如下步骤：获取航空装备的设备数据，将上述设备数据输入人工神经网络模型，得到上述航空装备的设备可用度，上述设备数据包含上述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数。
[0019]针对第一方面：本申请实施例通过获取航空装备的设备数据，从而对不同航空装备进行可用度预计，通过将设备数据输入人工神经网络模型，从而得到航空装备的设备可用度，满足了根据不同航空装备的情况对航空装备的可用度预计，并且设备数据包含航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数，从而根据出厂时间和续航时间对航空装备的使用寿命进行分析，得到航空装备的可用度，根据维修费用、维修次数、定检周期、配件更换次数能够对航空装备的维修和维护情况进行综合分析，得到航空装备的可用度；通过定检周期能够对航空装备的维护情况进行分析，得到航空装备的可用度；通过使用寿命和维修维护情况之间的不同数据分析航空装备的可用度，比如利用出厂时间和维修次数分析航空装备的大修情况，通过配件更换次数和续航时间分析航空装备的故障维修情况，或者通过定检周期和续航时间分析设备的使用寿命，从而进一步分析设备可用度；通过航空装备的使用寿命、维修和维护的不同情况的多种设备数据对航空装备的可用度进行综合分析，提高了预计航空装备的设备可用度的准确性。
[0020]第二方面，本申请实施例提供一种基于人工智能的航空装备可用度预计装置，包含：获取模块，用于获取待测航空装备的各项设备数据，上述设备数据包含上述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数；输入模块，用于将各项上述设备数据输入人工神经网络模型，得到上述航空装备的设备可用度，其中上述人工神经网络模型为使用多组维护数据通过机器学习训练得到。
[0021]针对第二方面：本申请实施例通过获取模块获取待测航空装备的各项设备数据，从而对不同航空装备进行可用度预计；其中，设备数据包含航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数，从而根据出厂时间和续航时间对航空装备的使用寿命进行分析，并且根据维修费用、维修次数、定检周期、配件更换次数能够对航空装备的维修和维护情况进行综合分析；通过输入模块将各项设备数据输入人工神经网络模型，得到航空装备的设备可用度，满足了根据不同航空装备的情况对航空装备的可用度预计，其中人工神经网络模型为使用多组维护数据通过机器学习训练得到，并且通过航
空装备的使用寿命、维修和维护不同情况的多种设备数据对航空装备的可用度进行分析，提高了预计航空装备的设备可用度的准确性和效率。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
[0023]图1为本专利技术实施例基于人工智能的航空装备可用度预计方法的流程示意图；
[0024]图2为本专利技术实施例基于人工智能的航空装备可用度预计装置的原理示意图。
具体实施方式
[0025]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的航空装备可用度预计方法，其特征在于，包含如下步骤：获取航空装备的设备数据，将所述设备数据输入人工神经网络模型，得到所述航空装备的设备可用度，所述设备数据包含所述航空装备的出厂时间、续航时间、维修费用、维修次数、定检周期和配件更换次数。2.如权利要求1所述的一种基于人工智能的航空装备可用度预计方法，其特征在于，所述人工神经网络模型为使用多组维护数据通过机器学习训练得到，每组所述维护数据均包含所述设备数据和用于标记所述设备数据的所述设备可用度。3.如权利要求1或2所述的一种基于人工智能的航空装备可用度预计方法，其特征在于，所述人工神经网络模型包含输入层、隐含层和输出层，所述输入层用于输入所述设备数据，所述隐含层用于根据所述设备数据分析得到数据权值，所述输出层用于根据所述数据权值计算所述航空装备的所述设备可用度。4.如权利要求3所述的一种基于人工智能的航空装备可用度预计方法，其特征在于，所述隐含层根据不同所述设备数据的大小/长短得到不同所述设备数据的所述数据权值。5.如权利要求4所述的一种基于人工智能的航空装备可用度预计方法，其特征在于，所述隐含层根据比较各项所述设备数据与不同预设阈值的大小/长短得到各项所述设备数据的所述数据权值。6.如权利要求4所述的一种基于人工智能的航空装备可用度预计方法，其特...

【专利技术属性】
技术研发人员：张铮，
申请(专利权)人：张铮，
类型：发明
国别省市：