本申请提供了一种维修差错预测方法和装置、电子设备，其中，该方法包括：获取待预测的目标对象的航空运行数据，其中，目标对象为任一航空设备；将航空运行数据输入目标预测模型中，得到与目标对象对应的维修差错预测结果，其中，目标预测模型用于对目标对象维修差错进行预测。通过本申请，解决了相关技术中存在无法准确预测航空维修过程中可能出现的差错类型和原因的问题。型和原因的问题。型和原因的问题。
【技术实现步骤摘要】
维修差错预测方法和装置、电子设备
[0001]本专利技术涉及飞机维修
，尤其涉及一种维修差错预测方法和装置、电子设备。
技术介绍
[0002]在航空界，针对航空器的维修差错已经成为影响航空器安全运行的重要因素，这里的维修差错是指航空维修人员因受到各种外在和内在因素的影响而导致的错误行为，使航空维修作业活动发生偏差和错误、不能达到预期目的，并导致航空装备状态异常、设备损坏或人员伤亡等不良后果。因此，必须要加大力度防止飞机维修差错出现，确保飞机安全飞行。
[0003]随着我国民航业的快速发展，机队数量不断增多，航空维修人员的工作负荷不断增加，航空维修差错对民航业所造成的安全风险也日益明显。并且在维修飞机的过程中，航空维修人员很容易受到人为或者机械的影响，用错误的维修方式，使飞机出现更严重的故障。在维修飞机的过程中，需要格外注意的影响因素有：飞机复杂的结构、航空维修人员的技术水平以及是否违反维修规定等。正视人为因素，研究并预测航空维修差错，能够进一步降低飞行事故率、提高飞行安全水平。然而，现有技术无法准确预测航空维修过程中可能出现的差错类型和原因。
[0004]因此，有必要研究开发一种维修差错预测方法，提前预知维修差错类型和原因，避免飞机维修过程中出现维修差错现象。
技术实现思路
[0005]本申请提供了一种维修差错预测方法和装置、电子设备，以至少解决相关技术中存在无法准确预测航空维修过程中可能出现的差错类型和原因的问题。
[0006]根据本申请实施例的一个方面，提供了一种维修差错预测方法，该方法包括：获取待预测的目标对象的航空运行数据，其中，所述目标对象为任一航空设备；将所述航空运行数据输入目标预测模型中，得到与所述目标对象对应的维修差错预测结果，其中，所述目标预测模型用于对所述目标对象维修差错进行预测。
[0007]根据本申请实施例的另一个方面，还提供了一种维修差错预测装置，该装置包括：获取模块，用于获取待预测的目标对象的航空运行数据，其中，所述目标对象为任一航空设备；得到模块，用于将所述航空运行数据输入目标预测模型中，得到与所述目标对象对应的维修差错预测结果，其中，所述目标预测模型用于对所述目标对象维修差错进行预测。
[0008]可选地，得到模块包括：获取单元，用于获取第一预设数量组历史航空运行数据以及对应的历史维修差错类型和原因；
预处理单元，用于对所述历史航空运行数据进行预处理，得到预处理后的历史航空运行数据；得到单元，用于分别将每组所述预处理后的历史航空运行数据以及对应的历史维修差错类型和原因作为一个历史数据样本，得到第一预设数量个历史数据样本；第一生成单元，用于从第一预设数量个所述历史数据样本中获取第二预设数量个所述历史数据样本，生成训练样本集；第二生成单元，用于根据所述训练样本集生成初始预测模型；优化单元，用于基于所述训练样本集通过目标优化算法对所述初始预测模型进行优化，得到所述目标预测模型。
[0009]可选地，优化单元包括：第一生成子模块，用于从第一预设数量个所述历史数据样本中获取第三预设数量个所述历史数据样本，生成测试样本集；第一得到子模块，用于将所述测试样本集中的所述历史航空运行数据输入所述目标预测模型，得到对应的历史维修差错预测结果；对比子模块，用于将所述历史维修差错预测结果与所述测试样本集中对应的历史维修差错类型和原因对比，得到对比结果；第二得到子模块，用于根据所述对比结果，得到所述目标预测模型的预测误差；判断子模块，用于判断所述预测误差是否在预设范围内，如果在，则所述目标预测模型可以对所述目标对象维修差错进行预测。
[0010]第一初始化子模块，用于初始化所述初始预测模型中的模型参数；编码子模块，用于对所述模型参数进行编码处理，得到编码参数；第二初始化子模块，用于初始化所述目标优化算法的种群以及对应的种群参数，其中，所述种群包含第五预设数量个所述编码参数作为个体，所述种群参数包含所述种群的进化次数、所述进化次数的阈值、交叉概率以及变异概率；获取子模块，用于获取所述目标优化算法的适应度函数；解码子模块，用于对所述编码参数解码处理，得到第五预设数量个解码参数；第三得到子模块，用于根据所述适应度函数、所述解码参数、所述训练样本集、所述测试样本集以及所述初始预测模型，得到所述个体的适应度；更新子模块，用于根据所述适应度、所述交叉概率、所述变异概率以及预设方法，更新所述种群以及所述进化次数，判断所述进化次数是否达到所述阈值，如果未达到所述阈值，则判断所述种群中是否存在适应度小于预设阈值的个体，如果存在，则将所述适应度小于所述预设阈值的个体作为目标个体并停止更新所述种群以及所述进化次数，如果达到所述阈值，则将当前种群中适应度最小的个体作为目标个体，其中，所述目标个体对应的编码参数为最优解；第四得到子模块，用于将所述目标个体对应的编码参数进行解码处理，得到目标模型参数；第五得到子模块，用于将所述初始预测模型的模型参数修改为所述目标模型参数，得到所述目标预测模型。
[0011]可选地，第三得到子模块包括：
第一得到子单元，用于将所述初始预测模型的模型参数修改为所述解码参数，得到第五预设数量个中间预测模型，其中，所述中间预测模型用于得到所述适应度；训练子单元，用于通过所述训练样本集，依次训练所述中间预测模型，得到训练差值；测试子单元，用于通过所述测试样本集，依次测试所述中间预测模型，得到测试差值；第二得到子单元，用于根据所述适应度函数、所述训练差值以及对应的所述测试差值，分别得到每个所述个体的所述适应度。
[0012]可选地，预处理单元包括：去除子模块，用于去除所述历史航空运行数据中的噪点和异常数据，得到清洁数据；处理子模块，用于通过预设公式对所述清洁数据进行归一化处理，得到所述预处理后的历史航空运行数据。
[0013]可选地，第二生成单元包括：确定子模块，用于基于所述训练样本集，确定所述初始预测模型包含的神经网络的输入层神经元数量、输出层神经元数量；第六得到子模块，用于根据所述输入层神经元数量、输出层神经元数量和目标公式得到初始隐藏层神经元数量；第七得到子模块，用于根据预设指标调整所述初始隐藏层神经元数量和初始传递函数对，分别得到目标隐藏层神经元数量和目标传递函数对；第二生成子模块，用于根据所述输入层神经元数量、输出层神经元数量、目标隐藏层神经元数量以及所述目标传递函数对，生成所述初始预测模型。
[0014]可选地，第七得到子模块包括：获取子单元，用于获取第四预设数量个组合，其中，每个所述组合包含一个隐藏层神经元数量和一个传递函数对；第三得到子单元，用于根据预设公式，分别得到每个所述组合对应的所述初始预测模型的所述预设指标；作为子单元，用于将预设指标最小的所述初始预测模型对应的所述隐藏层神经元数量和传递函数对分别作为所述目标隐藏层神经元数量和所述目标传递函数对。
[0015]根据本申请实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种维修差错预测方法，其特征在于，所述方法包括：获取待预测的目标对象的航空运行数据，其中，所述目标对象为任一航空设备；将所述航空运行数据输入目标预测模型中，得到与所述目标对象对应的维修差错预测结果，其中，所述目标预测模型用于对所述目标对象维修差错进行预测。2.根据权利要求1所述的方法，其特征在于，在所述将所述航空运行数据输入目标预测模型中之前，所述方法还包括：获取第一预设数量组历史航空运行数据以及对应的历史维修差错类型和原因；对所述历史航空运行数据进行预处理，得到预处理后的历史航空运行数据；分别将每组所述预处理后的历史航空运行数据以及对应的历史维修差错类型和原因作为一个历史数据样本，得到第一预设数量个历史数据样本；从第一预设数量个所述历史数据样本中获取第二预设数量个所述历史数据样本，生成训练样本集；根据所述训练样本集生成初始预测模型；基于所述训练样本集通过目标优化算法对所述初始预测模型进行优化，得到所述目标预测模型。3.根据权利要求2所述的方法，其特征在于，在所述基于所述训练样本集通过目标优化算法对所述初始预测模型进行优化，得到所述目标预测模型之后，所述方法还包括：从第一预设数量个所述历史数据样本中获取第三预设数量个所述历史数据样本，生成测试样本集；将所述测试样本集中的所述历史航空运行数据输入所述目标预测模型，得到对应的历史维修差错预测结果；将所述历史维修差错预测结果与所述测试样本集中对应的历史维修差错类型和原因对比，得到对比结果；根据所述对比结果，得到所述目标预测模型的预测误差；判断所述预测误差是否在预设范围内，如果在，则所述目标预测模型可以对所述目标对象维修差错进行预测。4.根据权利要求2所述的方法，其特征在于，所述对所述历史航空运行数据进行预处理，得到预处理后的历史航空运行数据包括：去除所述历史航空运行数据中的噪点和异常数据，得到清洁数据；通过预设公式对所述清洁数据进行归一化处理，得到所述预处理后的历史航空运行数据。5.根据权利要求2所述的方法，其特征在于，所述根据所述训练样本集生成初始预测模型包括：基于所述训练样本集，确定所述初始预测模型包含的神经网络的输入层神经元数量、输出层神经元数量；根据所述输入层神经元数量、输出层神经元数量和目标公式得到初始隐藏层神经元数量；根据预设指标调整所述初始隐藏层神经元数量和初始传递函数对，分别得到目标隐藏层神经元数量和目标传递函数对；
根据所述输入层神经元数量、输出层神经元数量、目标隐藏层神经元数量以及所述目标传递函数对，生成所述初始预测模型。6.根据权利要求5所述的方法，其特征在于，所述根据预设指标调整所述初始隐藏层神经元数量和初始传递函数对，分别得到目标隐藏层神经元数量和目标传递函数对包括：获取第四预设数量个组合，其中，每个所述组合包含一个隐藏层神经元数量和一个传递函数对；根据...
【专利技术属性】
技术研发人员：陈奇，王占海，付鹏，
申请(专利权)人：中国民航科学技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。