首页 / 专利库 / 电脑零配件 / 微指令翻译器 / 分支预测器 / 分支预测表 / 面向信号的飞机原位自动测试系统与故障诊断方法

面向信号的飞机原位自动测试系统与故障诊断方法

阅读:139发布:2020-05-15

专利汇可以提供面向信号的飞机原位自动测试系统与故障诊断方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种面向 信号 的飞机原位自动测试系统及故障诊断方法,包括测控计算机、测试装置、阵列 接口 、适配器、转接 电缆 和被测对象飞机;被测试对象飞机通过转接电缆与适配器通信连接,适配器与阵列接口电连接,阵列接口与测试装置电连接,测试装置与测控计算机通信连接。将由自动测试程序控制测试装置发出 激励信号 给飞机上的被测对象,或者由自动测试程序控制测试装置测量飞机上的被测对象的物理量值;再将产生的测试数据,采用遗传 算法 与 随机森林 算法相结合的方法进行基于测试数据的故障诊断与预测。本发明运用面向信号自动测试技术,借助通讯子系统、转接电缆实现了飞机复杂设备的原位测试,具有 费用 低、可靠性好、测试效率高等优点。,下面是面向信号的飞机原位自动测试系统与故障诊断方法专利的具体信息内容。

1.面向信号的飞机原位自动测试系统,其特征在于:包括测控计算机、测试装置、阵列接口、适配器、转接电缆和被测对象飞机;
所述被测对象飞机通过所述转接电缆与所述适配器通信连接,所述适配器与所述阵列接口电连接,所述阵列接口与所述测试装置电连接,所述测试装置与所述测控计算机通信连接,所述转接电缆用于输送所述被测对象飞机的物理量信号或所述测试装置发送的激励信号
所述转接电缆包括通用转接电缆和专用转接电缆;
所述测控计算机采用遗传算法随机森林算法相结合的方法对所述测试装置产生的测试数据进行处理,以进行故障诊断与预测;
所述遗传算法与随机森林算法相结合的方法如下:
包括输入和输出两部分;
对输入部分进行定义,训练测试数据集合记为D,D中包含测试项的项数记为N,D中包含样本的数目记为MD,评测测试数据集合T,T中包含样本的数目记为MT;
对输出部分进行定义,基于遗传算法的随机森林回归模型记为RF,所述RF模型包含的树数目记为ntree;
(1)首先从N个测试项中抽取mtry个测试项,mtry初始值为N的平方根上取整,并将mtry值采用二进制编码,该编码作为初始种群;
(2)从训练测试数据集D中随机抽出k个样本构成数据集Di(1≤i≤k并且k(3)将mtry值的二进制编码转换为十进制值,并从所有测试项中随机抽出mtry个测试项;
(4)计算mtry个测试项的每个测试项的信息增益,利用信息增益最大的测试项,建立树的分支节点
(5)对Di重复步骤(4)直到所有测试项都成为树的节点,完成单棵树的建立;
(6)重复步骤(2)到步骤(5)ntree次,就构建了包含ntree棵树的随机森林模型记为RFv;
(7)利用RFv模型对评测测试数据集合T进行预测,根据预测故障结果值与实际故障值的误差矩阵范数作为错误率记为errRate;
(8)计算染色体的适应度,目标函数设定为选择错误率;
(9)选择适应度高的染色体进行复制;
(10)采用单点交叉算子实现交叉;
(11)随机选出发生变异的基因进行变异;
(12)变异后二进制编码构成mtry值的新二进制编码,记为新群体;
(13)判断新群体是否满足最大遗传代数终止条件,满足转(14),否则转(2);
(14)输出最佳的mtry值,同时输出最佳的随机森林回归模型并记为RF。
2.根据权利要求1所述的面向信号的飞机原位自动测试系统,其特征在于:所述测试装置包括开关、继电器、万用表和示波器中的一种或多种。
3.根据权利要求1所述的面向信号的飞机原位自动测试系统,其特征在于:还包括计量盒和自检设备,所述计量盒设置在适配器与被测对象飞机之间,所述计量盒通过转接电缆分别与适配器和被测对象飞机通信连接;所述自检设备设置在适配器与被测对象飞机之间,所述自检设备通过转接电缆分别与适配器和被测对象飞机通信连接。
4.根据权利要求1所述的面向信号的飞机原位自动测试系统,其特征在于:还包括语音控制盒和掌上电脑,所述语音控制盒和掌上电脑用于实现地面测试人员与飞机测试人员之间的通信。
5.面向信号的飞机原位自动故障诊断方法,其特征在于:该方法采用上述权利要求1至
4任一项所述的自动测试系统,具体步骤如下;
S1、地面测试人员开启测控计算机,运行自动测试程序,程序显示当前测试步骤编号、测试内容和测试结论;
S2、自动测试程序首先进行自动测试的初始化工作,地面测试人员通过测控计算机看到操作图片和测试情况,飞机上的测试人员通过掌上电脑看到操作图片,并根据图片提示对飞机上的设备进行操作,操作完毕后,按下掌上电脑的继续测试键,使得测试继续进行;
S3、初始化完毕后,根据测试流程,由自动测试程序控制测试装置发出激励信号给飞机上的被测对象,或者由自动测试程序控制测试装置测量飞机上的被测对象的物理量值,得到测试数据;对所述测试数据采用遗传算法与随机森林算法相结合的方法进行基于测试数据的故障诊断与预测;
S4、测试完毕后,自动测试程序进行测试后飞机设备复位工作;所述遗传算法与随机森林算法结合的故障诊断与预测模型构建算法如下:
包括输入和输出两部分;
对输入部分进行定义,训练测试数据集合记为D,D中包含测试项的项数记为N,D中包含样本的数目记为MD,评测测试数据集合T,T中包含样本的数目记为MT;
对输出部分进行定义,基于遗传算法的随机森林回归模型记为RF,所述RF模型包含的树数目记为ntree;
(1)首先从N个测试项中抽取mtry个测试项,mtry初始值为N的平方根上取整,并将mtry值采用二进制编码,该编码作为初始种群;
(2)从训练测试数据集D中随机抽出k个样本构成数据集Di(1≤i≤k并且k(3)将mtry值的二进制编码转换为十进制值,并从所有测试项中随机抽出mtry个测试项;
(4)计算mtry个测试项的每个测试项的信息增益,利用信息增益最大的测试项,建立树的分支节点;
(5)对Di重复步骤(4)直到所有测试项都成为树的节点,完成单棵树的建立;
(6)重复步骤(2)到步骤(5)ntree次,就构建了包含ntree棵树的随机森林模型记为RFv;
(7)利用RFv模型对评测测试数据集合T进行预测,根据预测故障结果值与实际故障值的误差矩阵范数作为错误率记为errRate;
(8)计算染色体的适应度,目标函数设定为选择错误率;
(9)选择适应度高的染色体进行复制;
(10)采用单点交叉算子实现交叉;
(11)随机选出发生变异的基因进行变异;
(12)变异后二进制编码构成mtry值的新二进制编码,记为新群体;
(13)判断新群体是否满足最大遗传代数终止条件,满足转(14),否则转(2);
(14)输出最佳的mtry值,同时输出最佳的随机森林回归模型并记为RF。

说明书全文

面向信号的飞机原位自动测试系统与故障诊断方法

技术领域

[0001] 本发明属于飞机自动测试领域,具体涉及面向信号的飞机原位自动测试系统与故障诊断方法。

背景技术

[0002] 自动测试系统已广泛应用于飞机的研制、生产、使用维护到退役的全生命周期,在航空航天领域发挥着重要保障作用。对于飞机的测试,被测设备繁多,涉及专业多,所要采用的测试资源种类多、型号多。采用面向仪器的测试技术导致测试系统依赖于测试设备,可移植性差,编写测试程序复杂,而采用面向信号的测试,使得测试独立于测试设备,编程简单,可移植性好;采用离位测试技术将飞机设备分别测试可以实现对被测对象的测试,但是测试的有效性比起原位测试要差一些。

发明内容

[0003] 有鉴于此,本发明的目的在于克服现有技术的不足,一方面提供一种可靠性好、测试效率高的面向信号的飞机原位自动测试系统。
[0004] 为实现以上目的,本发明采用如下技术方案:一种面向信号的飞机原位自动测试系统,包括测控计算机、测试装置、阵列接口、适配器、转接电缆和被测对象飞机;所述被测对象飞机通过所述转接电缆与所述适配器通信连接,所述适配器与所述阵列接口电连接,所述阵列接口与所述测试装置电连接,所述测试装置与所述测控计算机通信连接。
[0005] 所述测试装置包括开关、继电器、万用表和示波器等测试装置中的一种或多种。
[0006] 还包括计量盒和自检设备,所述计量盒设置在适配器与被测对象飞机之间,所述计量盒通过转接电缆分别与适配器和被测对象飞机通信连接;所述自检设备设置在适配器与被测对象飞机之间,所述自检设备通过转接电缆分别与适配器和被测对象飞机通信连接。
[0007] 还包括语音控制盒和掌上电脑,所述语音控制盒和掌上电脑用于实现地面测试人员与飞机测试人员之间的通信。
[0008] 本发明另一方面还提供一种面向信号的飞机原位自动故障诊断方法,该方法采用上述自动测试系统,具体步骤如下:
[0009] S1、地面测试人员开启测控计算机,运行自动测试程序,程序显示当前测试步骤编号、测试内容和测试结论;
[0010] S2、自动测试程序首先进行自动测试的初始化工作;地面测试人员通过测控计算机看到操作图片和测试情况;飞机上的测试人员通过掌上电脑看到操作图片,并根据图片提示对飞机上的设备进行操作,操作完毕后,按下掌上电脑的继续测试键,使得测试继续进行;
[0011] S3、初始化完毕后,根据测试流程,由自动测试程序控制测试装置发出激励信号给飞机上的被测对象,或者由自动测试程序控制测试装置测量飞机上的被测对象的物理量值;
[0012] S4、测试完毕后,自动测试程序进行测试后飞机设备复位工作。
[0013] 进一步的,对于步骤S3中产生的测试数据,采用遗传算法随机森林算法相结合的方法进行基于测试数据的故障诊断与预测。
[0014] 进一步的,遗传算法与随机森林算法结合的故障诊断与预测模型构建算法如下:
[0015] 包括输入和输出两部分;
[0016] 对输入部分进行定义,训练测试数据集合记为D,D中包含测试项的项数记为N,D中包含样本的数目记为MD,评测测试数据集合T,T中包含样本的数目记为MT;
[0017] 对输出部分进行定义,基于遗传算法的随机森林回归模型记为RF,该模型包含的树数目记为ntree;
[0018] (1)首先从N个测试项中抽取mtry个测试项,mtry初始值为N的平方根上取整,并将mtry值采用二进制编码,该编码作为初始种群;
[0019] (2)从训练测试数据集D中随机抽出k个样本构成数据集Di(1≤i≤k并且k
[0020] (3)将mtry值的二进制编码转换为十进制值,并从所有测试项中随机抽出mtry个测试项;
[0021] (4)计算mtry个测试项的每个测试项的信息增益,利用信息增益最大的测试项,建立树的分支节点
[0022] (5)对Di重复步骤(4)直到所有测试项都成为树的节点,完成单棵树的建立。
[0023] (6)重复步骤(2)到步骤(5)ntree次,就构建了包含ntree棵树的随机森林模型记为RFv。
[0024] (7)利用随机森林模型RFv模型对评测测试数据集合T进行预测,根据预测故障结果值与实际故障值的误差矩阵范数作为错误率记为errRate;
[0025] (8)计算染色体的适应度,目标函数设定为选择错误率;
[0026] (9)选择适应度高的染色体进行复制;
[0027] (10)采用单点交叉算子实现交叉;
[0028] (11)随机选出发生变异的基因进行变异;
[0029] (12)变异后二进制编码构成mtry值的新二进制编码,记为新群体;
[0030] (13)判断新群体是否满足最大遗传代数终止条件,满足转(14),否则转(2);
[0031] (14)输出最佳mtry值和随机森林回归模型记为RF。
[0032] 本发明采用以上技术方案,将所述被测试对象飞机通过所述转接电缆与所述适配器通信连接,所述适配器与所述阵列接口电连接,所述阵列接口与所述测试装置电连接,所述测试装置与所述测控计算机通信连接。利用得到的随机森林RF模型进行故障诊断与预测,实验结果表明采用遗传算法与随机森林相结合的方法的故障诊断预测精度要明显好于单独使用随机森林算法的进行故障诊断预测精度。本发明运用面向信号自动测试技术,借助通讯子系统、通用转接电缆和专用转接电缆,实现了飞机复杂设备的原位测试,具有费用低、可靠性好、测试效率高等优点。附图说明
[0033] 图1为本发明面向信号的飞机原位自动测试系统结构示意图;
[0034] 图2为本发明遗传算法与随机森林算法结合的故障诊断与预测模型构建算法;
[0035] 图3为本发明使用遗传算法前后三指标数据对比效果图。
[0036] 图中:1、测控计算机;2、测试装置;3、阵列接口;4、适配器;5、转接电缆;6、被测对象飞机;7、开关;8、继电器;9、万用表;10、示波器;11、计量盒;12、自检设备;13、飞机座舱;14、通讯系统。

具体实施方式

[0037] 下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
[0038] 如图1所示,本发明提供一种面向信号的飞机原位自动测试系统,包括测控计算机1、测试装置2、阵列接口3、适配器4、转接电缆5和被测对象飞机6;所述被测对象飞机6通过所述转接电缆5与所述适配器4通信连接,所述适配器4与所述阵列接口3电连接,所述阵列接口3与所述测试装置2电连接,所述测试装置2与所述测控计算机1通信连接。
[0039] 所述测试装置2包括开关7、继电器8、万用表9和示波器10等测试装置中的一种或多种。当然还可以使用补充其他测试装置2进行辅助测试。
[0040] 还包括计量盒11和自检设备12,所述计量盒11设置在适配器4与被测对象飞机6之间,所述计量盒11通过转接电缆5分别与适配器4和被测对象飞机6通信连接;所述自检设备12设置在适配器4与被测对象飞机6之间,所述自检设备12通过转接电缆5分别与适配器4和被测对象飞机6通信连接。
[0041] 还包括语音控制盒和掌上电脑,所述语音控制盒和掌上电脑用于实现地面测试人员与飞机座舱13中飞机测试人员之间的通信。
[0042] 本实施例还提供一种面向信号的飞机原位自动故障诊断方法,该方法采用上述自动测试系统,具体步骤如下;
[0043] S1、地面测试人员开启测控计算机,运行自动测试程序,程序显示当前测试步骤编号、测试内容和测试结论:
[0044] S2、自动测试程序首先进行自动测试的初始化工作,如飞机上的设备加电、开关打开等操作,地面测试人员通过测控计算机看到操作图片,飞机上的测试人员通过掌上电脑看到操作图片和测试情况,飞机上的测试人员通过掌上电脑看到操作图片,并根据图片提示对飞机上的设备进行操作,操作完毕后,按下掌上电脑的继续测试键,使得测试继续进行;如果有其他不能继续测试的情况,按下掌上电脑的取消测试键,使得测试停止,这时,飞机上的测试人员通过语音控制盒,与地面测试人员通话,说明测试情况。
[0045] S3、初始化完毕后,根据测试流程,由自动测试程序控制测试装置发出激励信号给飞机上的被测对象,或者由自动测试程序控制测试装置测量飞机上的被测对象的物理量值;
[0046] 需要补充说明的是,这个过程中,地面测试人员通过自动测试程序可以监控整个测试过程,测试进度、测试内容和测试结论,可以控制测试的进展,继续、暂停和停止;飞机上的测试人员通过掌上电脑监控测试过程,并根据测试图片提示,操作相应的飞机设备,并通过掌上电脑控制测试进展。
[0047] S4、测试完毕后,自动测试程序进行测试后飞机设备复位工作。是初始化工作的逆过程,如断电、关闭开关等,测试人员的复位过程与初始化的工作过程一样。
[0048] 本实施例中对于步骤S3中产生的测试数据,采用遗传算法与随机森林算法相结合的方法进行基于测试数据的故障诊断与预测。
[0049] 需要进一步说明的是,遗传算法与随机森林算法结合的故障诊断与预测模型构建算法如下:
[0050] 包括输入和输出两部分;
[0051] 对输入部分进行定义,训练测试数据集合记为D,D中包含测试项的项数记为N,D中包含样本的数目记为MD,评测测试数据集合T,T中包含样本的数目记为MT;
[0052] 对输出部分进行定义,基于遗传算法的随机森林回归模型记为RF,该模型包含的树数目记为ntree;
[0053] (1)首先从N个测试项中抽取mtry个测试项,mtry初始值为N的平方根上取整,并将mtry值采用二进制编码,该编码作为初始种群;
[0054] (2)从训练测试数据集D中随机抽出k个样本构成数据集Di(1≤i≤k并且k
[0055] (3)将mtry值的二进制编码转换为十进制值,并从所有测试项中随机抽出mtry个测试项;
[0056] (4)计算mtry个测试项的每个测试项的信息增益,利用信息增益最大的测试项,建立树的分支节点。
[0057] (5)对Di重复步骤(4)直到所有测试项都成为树的节点,完成单棵树的建立。
[0058] (6)重复步骤(2)到步骤(5)ntree次,就构建了包含ntree棵树的随机森林模型记为RFv。
[0059] (7)利用随机森林模型RFv模型对评测测试数据集合T进行预测,根据预测故障结果值与实际故障值的误差矩阵范数作为错误率记为errRate;
[0060] (8)计算染色体的适应度,目标函数设定为选择错误率;
[0061] (9)选择适应度高的染色体进行复制;
[0062] (10)采用单点交叉算子实现交叉;
[0063] (11)随机选出发生变异的基因进行变异;
[0064] (12)变异后二进制编码构成mtry值的新二进制编码,记为新群体;
[0065] (13)判断新群体是否满足最大遗传代数终止条件,满足转(14),否则转(2);
[0066] (14)输出最佳mtry值和随机森林回归模型记为RF。
[0067] 如图3所示,比较使用遗传算法前后,随机森林预测模型的拟合及预测能,通过平均绝对误差(MAE)、平均误差平方和(MSE)、相对误差平方和(NMSE)三个指标进行对比,指标值越小,则说明模型预测值、真实值差异越小,模型预测能力越强。由于NMSE数值较小,为了与MAE和MSE在同一个坐标系内显示,将其乘以100,再显示。使用遗传算法前后,三个指标对比图如图3所示,从图中3可以看出,使用遗传算法后的随机森林回归模型的预测精度要明显好于不用遗传算法。
[0068] 本发明将所述被测试对象飞机通过所述转接电缆5与所述适配器4通信连接,所述适配器4与所述阵列接口3电连接,所述阵列接口3与所述测试装置2电连接,所述测试装置2与所述测控计算机1通信连接。利用得到的随机森林RF模型进行故障诊断与预测,实验结果表明采用遗传算法与随机森林相结合的方法的故障诊断预测精度要明显好于单独使用随机森林算法的进行故障诊断预测精度。本发明运用面向信号自动测试技术,借助通讯系统14、通用转接电缆5和专用转接电缆5,实现了飞机复杂设备的原位测试,具有费用低、可靠性好、测试效率高等优点。
[0069] 本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈