欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019103567172
申请人: 郑州工程技术学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于云计算的飞行器数据处理方法,其特征在于包括以下步骤:

步骤1,获取飞行器数据,对所述数据进行数据清洗、抽取和融合;

步骤2,采用映射规约模型对所述数据进行处理,对处理后的数据进行特征提取;包括:

对初始的数据特征集合,利用多种不同的搜索策略结合欧几里得距离分别得到多组数据特征子集,将所述多组数据特征子集组成一个新的特征集合,使用限制波尔兹曼机对所述新的特征集合进行训练,使用遗传算法对特征空间进行搜索,提取所需特征;

步骤3,将所述处理后的数据和所述特征存储到分布式文件系统中;

步骤4,基于所述特征对系统中的数据进行监控,一旦发现异常数据,给出飞行器故障预警信号;包括:针对异常因素数据,首先量化故障率,利用距离相关性算法计算因素指标值与故障率之间的相关系数,采用相关关系排序算法对多个因素与故障间相关系数进行排序,最终确定传感器故障因素,对确定的故障因素采用聚类算法分析故障因素指标值,进而确定故障判据。

2.根据权利要求1所述的基于云计算的飞行器数据处理方法,所述步骤1获取飞行器数据,包括:

首先采集N个数据点,将其拟合成直线,然后计算后续采样点到该直线的距离,判断其离群度,如何离群度超出阈值,则提高采样频率;否则提高采样频率,其中所述拟合成的直线用y=b0+b1x表示,以N个数据点中采样时间最近的m个采样点与其余N‑m个采样之间的平均离群大小比值作为离群度Δ,则其中,b0、b1表示直线方程的参数,(xk,yk)表示采样点,θ表示直线y=b0+b1x与y轴夹角。

3.根据权利要求1所述的基于云计算的飞行器数据处理方法,所述步骤4对系统中的数据进行监控,一旦发现异常数据,立即预警的具体做法是,在故障因素样本中任意选取一个样本值x作为基准点,则对于该基准点x的偏移向量为(xi‑x),根据公式2

计算出当前点x的偏移均值,其中xi为第i次偏移的值,g(||(x‑xi)h||为核函数,h为核的大小,其结果值代表每个样本点的权值; 如果||m(x)||>ε,其中ε为预设阈值,则移动该样本点到 以此为新的起始点,计算偏移均值;移动n次后,当||m(x)||<ε时,则认为己移动到数据最稠密的地方,得到该点坐标值为xn; ,即为聚类中心,则故障判判据为|X‑xn|<kσ,其中σ为故障样本的标准差,xn为故障判据,X为因素实时指标值,k为正实数,利用判据|X‑xn|<kσ判断与故障相关的因素实时指标值是否满足故障判据;如果所有故障因素指标值均满足故障判据,则判断飞行器运行异常,给出故障预警信号。

4.一种基于云计算的飞行器数据处理装置,其特征在于包括以下模块:

数据采集和预处理模块,用于获取飞行器数据,对所述数据进行数据清洗、抽取和融合;

特征提取模块,用于采用映射规约模型对所述数据进行处理,对处理后的数据进行特征提取;所述特征提取模块具体用于对初始的数据特征集合,利用多种不同的搜索策略结合欧几里得距离分别得到多组数据特征子集,将所述多组数据特征子集组成一个新的特征集合,使用限制波尔兹曼机对所述新的特征集合进行训练,使用遗传算法对特征空间进行搜索,提取所需特征;

存储模块,用于将所述处理后的数据和所述特征存储到分布式文件系统中;

预警模块,用于基于所述特征对系统中的数据进行监控,一旦发现异常数据,给出飞行器故障预警信号;所述预警模块具体用于针对异常因素数据,首先量化故障率,利用距离相关性算法计算因素指标值与故障率之间的相关系数,采用相关关系排序算法对多个因素与故障间相关系数进行排序,最终确定传感器故障因素,对确定的故障因素采用聚类算法分析故障因素指标值,进而确定故障判据。

5.根据权利要求4所述的基于云计算的飞行器数据处理装置,所述数据采集和预处理模块具体用于首先采集N个数据点,将其拟合成直线,然后计算后续采样点到该直线的距离,判断其离群度,如何离群度超出阈值,则提高采样频率;否则提高采样频率,其中所述拟合成的直线用y=b0+b1x表示,以N个数据点中采样时间最近的m个采样点与其余N‑m个采样之间的平均离群大小比值作为离群度Δ,则其中,b0、b1表示直线方程的参数,(xk,yk)表示采样点,θ表示直线y=b0+b1x与y轴夹角。

6.根据权利要求4所述的基于云计算的飞行器数据处理装置,所述预警模块对确定故障判据的具体做法是,在故障因素样本中任意选取一个样本值x作为基准点,则对于该基准点x的偏移向量为(xi‑x),根据公式2

计算出当前点x的偏移均值,其中xi为第i次偏移的值,g(||(x‑xi)h||为核函数,h为核的大小,其结果值代表每个样本点的权值; 如果||m(x)||>ε,其中ε为预设阈值,则移动该样本点到 以此为新的起始点,计算偏移均值;移动n次后,当||m(x)||<ε时,则认为己移动到数据最稠密的地方,得到该点坐标值为xn; ,即为聚类中心,则故障判判据为|X‑xn|<kσ,其中σ为故障样本的标准差,xn为故障判据,X为因素实时指标值,k为正实数,利用判据|X‑xn|<kσ判断与故障相关的因素实时指标值是否满足故障判据;如果所有故障因素指标值均满足故障判据,则判断飞行器运行异常,给出故障预警信号。