确定在飞行器中产生性能缺陷的故障的发生概率的方法技术

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。

【技术实现步骤摘要】

本专利技术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。

技术介绍

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，这意本文档来自技高网...

【技术保护点】

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...

【技术特征摘要】

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....

【专利技术属性】
技术研发人员：JM·多特尔，S·沃林格，
申请(专利权)人：空中客车简化股份公司，
类型：发明
国别省市：