一种航空发动机叶片报废率的预测方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，尤其涉及一种航空发动机叶片报废率的预测方法及装置，该方法包括：基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，该预测模型包括用于预测普通叶片的报废率的第一预测模型以及用于预测热端重点叶片的报废率的第二预测模型；获取待预测航空发动机叶片的叶片类型，该叶片类型包括普通叶片和热端重点叶片；基于叶片类型和预测模型，对待预测航空发动机叶片所属部件的报废率进行预测，针对不同部件得到不同部件的报废率的预测结果，进而能够为预估修理费用提供一定的指导作用。预估修理费用提供一定的指导作用。预估修理费用提供一定的指导作用。

【技术实现步骤摘要】
一种航空发动机叶片报废率的预测方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种航空发动机叶片报废率的预测方法及装置。

技术介绍

[0002]航空发动机叶片是航空发动机的重要部件，也是进厂维修的重点检查对象，在单片叶片没有达到相应的出厂标准时，则需要进行报废，更换。
[0003]其中，位于热端的叶片价格昂贵，更换成本也相对较高。
[0004]因此，如何对送修前的叶片报废率进行有效预测是目前亟待解决的技术问题。

技术实现思路

[0005]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的航空发动机叶片报废率的预测方法及装置。
[0006]第一方面，本专利技术还提供了一种航空发动机叶片报废率的预测方法，包括：
[0007]基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，所述预测模型包括用于预测普通叶片的报废率的第一预测模型以及用于预测热端重点叶片的报废率的第二预测模型；
[0008]获取待预测航空发动机目标部件的叶片的叶片类型，所述叶片类型包括普通叶片和热端重点叶片；
[0009]基于所述叶片类型和所述预测模型，对所述待预测航空发动机目标部件的报废率进行预测。
[0010]进一步地，所述基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，包括：
[0011]将所述多组历史航空发动机普通叶片中属于同一名称类型的普通叶片当作一个整体对象，基于多组历史航空发动机的整体对象的历史使用数据情况及报废率，获得用于预测普通叶片的报废率的第一预测模型；
[0012]基于多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率，获得用于预测热端重点叶片的报废率的第二预测模型。
[0013]进一步地，所述将所述多组历史航空发动机普通叶片中属于同一名称的普通叶片当作一个整体对象，基于多组历史航空发动机的整体对象的历史使用数据情况及报废率，获得用于预测普通叶片的报废率的第一预测模型，包括：
[0014]将所述多组历史航空发动机普通叶片中属于同一名称类型的普通叶片当作一个整体对象，作为训练样本的输入数据；
[0015]采用聚类算法对所述多组历史航空发动机的整体对象的报废率进行聚类处理，获得处理后的报废率，作为训练样本的输出数据；
[0016]基于所述输入数据和所述输出数据，获得用于预测普通叶片的报废率的第一预测
模型。
[0017]进一步地，所述基于所述输入数据和所述输出数据，获得用于预测普通叶片的报废率的第一预测模型，包括：
[0018]将所述输入数据和输出数据输入联合集成算法模型中，所述联合集成算法模型包括随机森林算法模型和自适应增强算法模型，获得最优的算法模型；
[0019]将所述最优的算法模型作为用于预测普通叶片的报废率的第一预测模型。
[0020]进一步地，所述基于多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率，获得用于预测热端重点叶片的报废率的第二预测模型，包括：
[0021]从所述多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率中确定出有缺失的数据，采用KNN算法对所述缺失的数据进行填充；
[0022]基于填充后的多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率，获得用于预测热端重点叶片的报废率的第二预测模型。
[0023]进一步地，所述基于所述叶片类型和所述预测模型，对所述待预测航空发动机目标部件的报废率进行预测，包括：
[0024]在所述叶片类型为普通叶片时，基于所述第一预测模型，对所述待预测航空发动机普通叶片所属的第一目标部件的报废率进行预测；
[0025]在所述叶片类型为热端重点叶片时，基于所述第二预测模型，对所述待预测航空发动机热端重点叶片所属的第二目标部件的报废率进行预测。
[0026]进一步地，所述在所述叶片类型的热端重点叶片时，基于所述第二预测模型，所述待预测航空发动机热端重点叶片所属的第二目标部件的报废率进行预测，包括：
[0027]在所述叶片类型为热端重点叶片时，将所述待预测航空发动机热端重点叶片所属的第二目标部件中每片热端重点叶片的使用情况数据输入所述第二预测模型，获得每片热端重点叶片的报废率；
[0028]基于所述每片热端重点叶片的报废率，通过数学期望和加权平均计算，获得所述待预测航空发动机热端重点叶片的第二目标部件的报废率。
[0029]第二方面，本专利技术还提供了一种航空发动机叶片报废率的预测装置，包括：
[0030]获得模块，用于基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，所述预测模型包括用于预测普通叶片的报废率的第一预测模型以及用于预测热端重点叶片的报废率的第二预测模型；
[0031]获取模块，用于获取待预测航空发动机目标部件的叶片的叶片类型，所述叶片类型包括普通叶片和热端重点叶片；
[0032]预测模块，用于基于所述叶片类型和所述预测模型，对所述待预测航空发动机目标部件的报废率进行预测。
[0033]第三方面，本专利技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法步骤。
[0034]第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法步骤。
[0035]本专利技术实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
[0036]本专利技术提供了一种航空发动机叶片报废率的预测方法，包括：基于多组历史航空
发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，该预测模型包括用于预测普通叶片的报废率的第一预测模型以及用于预测热端重点叶片的报废率的第二预测模型；获取待预测航空发动机叶片的叶片类型，该叶片类型包括普通叶片和热端重点叶片；基于叶片类型和预测模型，对待预测航空发动机叶片所属部件的报废率进行预测，针对不同部件得到不同部件的报废率的预测结果，进而能够为预估修理费用提供一定的指导作用。
附图说明
[0037]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：
[0038]图1示出了本专利技术实施例中航空发动机叶片报废率的预测方法的步骤流程示意图；
[0039]图2示出了本专利技术实施例中航空发动机叶片报废率的预测装置的结构示意图；
[0040]图3示出了本专利技术实施例中实现航空发动机叶片报废率的预测方法的计算机设备的结构示意图。
具体实施方式
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机叶片报废率的预测方法，其特征在于，包括：基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，所述预测模型包括用于预测普通叶片的报废率的第一预测模型以及用于预测热端重点叶片的报废率的第二预测模型；获取待预测航空发动机目标部件的叶片的叶片类型，所述叶片类型包括普通叶片和热端重点叶片；基于所述叶片类型和所述预测模型，对所述待预测航空发动机目标部件的报废率进行预测。2.如权利要求1所述的预测方法，其特征在于，所述基于多组历史航空发动机叶片的历史使用数据情况及历史报废率，获得用于预测航空发动机叶片的报废率的预测模型，包括：将所述多组历史航空发动机普通叶片中属于同一名称类型的普通叶片当作一个整体对象，基于多组历史航空发动机的整体对象的历史使用数据情况及报废率，获得用于预测普通叶片的报废率的第一预测模型；基于多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率，获得用于预测热端重点叶片的报废率的第二预测模型。3.如权利要求2所述的预测方法，其特征在于，所述将所述多组历史航空发动机普通叶片中属于同一名称的普通叶片当作一个整体对象，基于多组历史航空发动机的整体对象的历史使用数据情况及报废率，获得用于预测普通叶片的报废率的第一预测模型，包括：将所述多组历史航空发动机普通叶片中属于同一名称类型的普通叶片当作一个整体对象，作为训练样本的输入数据；采用聚类算法对所述多组历史航空发动机的整体对象的报废率进行聚类处理，获得处理后的报废率，作为训练样本的输出数据；基于所述输入数据和所述输出数据，获得用于预测普通叶片的报废率的第一预测模型。4.如权利要求3所述的预测方法，其特征在于，所述基于所述输入数据和所述输出数据，获得用于预测普通叶片的报废率的第一预测模型，包括：将所述输入数据和输出数据输入联合集成算法模型中，所述联合集成算法模型包括随机森林算法模型和自适应增强算法模型，获得最优的算法模型；将所述最优的算法模型作为用于预测普通叶片的报废率的第一预测模型。5.如权利要求2所述的预测方法，其特征在于，所述基于多组历史航空发动机热端重点叶片的历史使用数据情况以及报废率，获得用于预测热端重点叶片的报废率的第二预测模型，包括：从所述多组历史航空发动机热...

【专利技术属性】
技术研发人员：王可也，丁天璇，
申请(专利权)人：上海杉数网络科技有限公司杉数科技苏州有限公司深圳市杉智科技有限公司，
类型：发明
国别省市：