本发明属于飞机刹车故障检查，具体涉及一种基于大数据分析的飞机刹车系统故障预测方法。
背景技术：
1、飞机刹车系统是指使飞机减速或停止的装置，其由三部分组成：（1）机轮刹车系统，由刹车和控制两部分组成，主要部件有各类阀门、减压加速器、刹车控制盒和机轮速度传感器等；（2）反推力刹车装置，即将喷气发动机排出的燃气转折一定角度向斜前方排出，产生与飞机运动方向相反的合成推力，使飞机减速；（3）气动刹车装置，即装在机翼或机身上的减速板或扰流板，在使用时向外张开，增大空气阻力以降低飞机的速度。
2、目前，飞机刹车系统故障诊断方案主要是依靠经验，人为设定单一信号的阈值范围，当单一信号传感值超过对应的阈值范围时，判断相应的信号传感器出现故障。但是前述飞机刹车系统故障诊断方案由于是基于信号传感值的实时监测结果来进行故障诊断，缺乏提前进行故障预测及预警的能力，会使得故障应对时机被延误，进而影响飞行安全性。因此如何基于飞机刹车系统的运行参数历史数据，通过大数据分析以进行飞机刹车系统故障预测及预警，促进实现及时应对故障的目的，是本领域技术人员亟需研究的课题。
技术实现思路
1、本发明的目的是提供一种基于大数据分析的飞机刹车系统故障预测方法、计算机设备、计算机可读存储介质及计算机程序产品，用以解决现有飞机刹车系统故障诊断方案因缺乏提前进行故障预测及预警的能力而容易导致故障应对时机被延误的问题。
2、为了实现上述目的，本发明采用以下技术方案：
3、第一方面，提供了一种基于大数据分析的飞机刹车系统故障预测方法，包括：
4、获取飞机刹车系统的所有运行参数的历史时序数据，其中，所述所有运行参数包含有故障报警状态参数以及多个非故障报警状态参数，所述历史时序数据包含有在时序上依次连续的个单位时刻以及相应运行参数在所述个单位时刻中的各个单位时刻的历史参数值；
5、针对在所述所有运行参数中的各对故障报警状态参数与非故障报警状态参数，根据对应两参数的历史时序数据，计算得到对应的相关系数；
6、针对所述各对故障报警状态参数与非故障报警状态参数，先根据对应故障报警状态参数的历史时序数据，确定各次故障报警触发时刻，然后从对应非故障报警状态参数的历史时序数据中提取出与所述各次故障报警触发时刻一一对应的各个在前时序数据，最后将所述各个在前时序数据分别作为第一向量添加到对应的向量库中，其中，所述在前时序数据是指与从在相应故障报警触发时刻之前的某个固定时刻起往前追溯到时长的时间窗口对应的所述历史时序数据，所述某个固定时刻是指距离相应故障报警触发时刻具有时长的某个时刻，表示预设的第一时长，表示预设的第二时长；
7、针对在所述多个非故障报警状态参数中的各个非故障报警状态参数，先从对应的历史时序数据中提取出与从当前时刻起往前追溯到所述时长的时间窗口对应的所述历史时序数据，并将提取结果作为第二向量，然后基于所述第二向量对相应向量库做ann向量检索，得到与所述第二向量具有最大相似度的某个向量，最后将所述最大相似度作为对应的飞机刹车系统故障发生预测概率；
8、根据与所述各个非故障报警状态参数对应的相关系数和飞机刹车系统故障发生预测概率，叠加计算得到飞机刹车系统故障发生预测总概率；
9、若所述飞机刹车系统故障发生预测总概率达到预设概率阈值，则触发执行飞机刹车系统故障预警动作。
10、基于上述
技术实现要素：
，提供了一种基于飞机刹车系统的运行参数历史数据进行飞机刹车系统故障预测及预警的新方案，即根据飞机刹车系统的故障报警状态参数以及多个非故障报警状态参数的历史时序数据，一方面计算得到各对故障报警状态参数与非故障报警状态参数的相关系数，另一方面提取各个非故障报警状态参数在故障报警触发前的时序数据以构建相应的向量库，并通过对向量库做ann向量检索，得到相应的飞机刹车系统故障发生预测概率，然后根据所有相关系数及预测概率，叠加计算得到飞机刹车系统故障发生预测总概率，最后在预测总概率达到预设概率阈值时，触发执行飞机刹车系统故障预警动作，如此基于飞机刹车系统的运行参数历史数据，可通过大数据分析来提供提前进行故障预测及预警的能力，进而可促进实现及时应对故障的目的，确保飞行安全性，便于实际应用和推广。
11、在一个可能的设计中，所述故障报警状态参数为机轮速度传感器故障报警状态参数、刹车压力传感器故障报警状态参数或刹车温度传感器故障报警状态参数。
12、在一个可能的设计中，所述多个非故障报警状态参数包括飞机速度、机轮速度、刹车压力、刹车温度和/或刹车累计次数。
13、在一个可能的设计中，针对各对故障报警状态参数与非故障报警状态参数，根据对应两参数的历史时序数据，计算得到对应的相关系数，包括：
14、针对在所述所有运行参数中的某对故障报警状态参数与非故障报警状态参数，从对应故障报警状态参数的历史时序数据中随机抽取一段时序数据构成第一样本，以及还从对应非故障报警状态参数的历史时序数据中抽取与所述第一样本同期的另一段时序数据构成第二样本；
15、对所述第一样本进行正态分布ks校验以计算得到第一校验统计量值，以及还对所述第二样本进行所述正态分布ks校验以计算得到第二校验统计量值；
16、若所述第一校验统计量值和所述第二校验统计量值均大于预设阈值，则按照如下公式计算得到所述第一样本与所述样本的关联系数：
17、
18、式中，表示正整数，表示在所述第一样本中的第个样本值，表示在所述第二样本中的第个样本值，表示所述第一样本的样本均值，表示所述第二样本的样本均值；
19、将所述关联系数作为与所述某对故障报警状态参数与非故障报警状态参数对应的相关系数。
20、在一个可能的设计中，在针对各对故障报警状态参数与非故障报警状态参数，根据对应两参数的历史时序数据，计算得到对应的相关系数之后，所述方法还包括：
21、在所述飞机刹车系统的每次运维任务执行开始时，针对所述各对故障报警状态参数与非故障报警状态参数，先将对应故障报警状态参数且与从当前时刻起往前追溯到时长的时间窗口对应的所述历史时序数据作为对应的第一验证样本，以及将对应非故障报警状态参数且与从当前时刻往前追溯到时长的时间窗口对应的所述历史时序数据作为对应的第二验证样本，然后根据所述第一验证样本和所述第二验证样本，更新计算得到对应的相关系数，其中，表示预设的第三时长。
22、在一个可能的设计中，在针对所述各对故障报警状态参数与非故障报警状态参数，将所述各个在前时序数据分别作为第一向量添加到对应的向量库中之后，所述方法还包括：
23、在所述飞机刹车系统的每次运维任务执行开始时，针对所述各对故障报警状态参数与非故障报警状态参数，从对应的向量库中剔除过期向量，其中，所述过期向量是指从相应故障报警触发时刻至当前时刻的时长超过时长的任一向量，表示预设的第四时长。
24、在一个可能的设计中，根据与所述各个非故障报警状态参数对应的相关系数和飞机刹车系统故障发生预测概率，叠加计算得到飞机刹车系统故障发生预测总概率，包括：
25、根据与所述各个非故障报警状态参数对应的相关系数和飞机刹车系统故障发生预测概率，按照如下公式计算得到飞机刹车系统故障发生预测总概率：
26、
27、式中，表示所述多个非故障报警状态参数的参数总数，表示小于等于的正整数，表示与在所述多个非故障报警状态参数中的第个非故障报警状态参数对应的影响权重系数，表示与所述第个非故障报警状态参数对应的相关系数，表示小于等于的正整数，表示与在所述多个非故障报警状态参数中的第个非故障报警状态参数对应的相关系数，表示与所述第个非故障报警状态参数对应的飞机刹车系统故障发生预测概率。
28、在一个可能的设计中，当所述故障报警状态参数为机轮速度传感器故障报警状态参数、刹车压力传感器故障报警状态参数或刹车温度传感器故障报警状态参数时，在触发执行飞机刹车系统故障预警动作之前，所述方法还包括：
29、针对所述各次故障报警触发时刻，从与所述故障报警状态参数对应的传感参数的所述历史时序数据中抽取在对应的所述某个固定时刻的历史参数值作为模型输出项，以及将所有非传感参数且对应的所述第一向量一起作为模型输入项，然后将所述模型输入项和所述模型输出项作为对应的一个样本数据，其中，所述非传感参数是指在所述多个非故障报警状态参数中不为与所述故障报警状态参数对应的传感参数的参数；
30、应用所有所述样本数据对attention-lstm模型进行模型训练，得到与所述故障报警状态参数对应的传感参数值估计模型；
31、触发执行飞机刹车系统故障预警动作，包括：
32、将所述所有非传感参数的所述第二向量导入所述传感参数值估计模型，输出得到与所述故障报警状态参数对应的传感参数在当前时刻的参数估计值。
33、在一个可能的设计中，所述非传感参数还为当前未触发故障预警事件的参数，其中，所述当前未触发故障预警事件是指在相应参数与另一个故障报警状态参数对应时，与所述另一个故障报警状态参数对应且在当前时刻的所述飞机刹车系统故障发生预测总概率未达到所述预设概率阈值。
34、在一个可能的设计中，所述attention-lstm模型的参数采用网格搜索算法或贝叶斯搜索算法搜索得到。
35、第二方面，本发明提供了一种计算机设备，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意设计所述的基于大数据分析的飞机刹车系统故障预测方法。
36、第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意设计所述的基于大数据分析的飞机刹车系统故障预测方法。
37、第四方面，本发明提供了一种计算机程序产品，包括计算机程序或指令，所述计算机程序或所述指令在被计算机执行时实现如第一方面或第一方面中任意设计所述的基于大数据分析的飞机刹车系统故障预测方法。
38、上述方案的有益效果：
39、（1）本发明创造性提供了一种基于飞机刹车系统的运行参数历史数据进行飞机刹车系统故障预测及预警的新方案，即根据飞机刹车系统的故障报警状态参数以及多个非故障报警状态参数的历史时序数据，一方面计算得到各对故障报警状态参数与非故障报警状态参数的相关系数，另一方面提取各个非故障报警状态参数在故障报警触发前的时序数据以构建相应的向量库，并通过对向量库做ann向量检索，得到相应的飞机刹车系统故障发生预测概率，然后根据所有相关系数及预测概率，叠加计算得到飞机刹车系统故障发生预测总概率，最后在预测总概率达到预设概率阈值时，触发执行飞机刹车系统故障预警动作，如此基于飞机刹车系统的运行参数历史数据，可通过大数据分析来提供提前进行故障预测及预警的能力，进而可促进实现及时应对故障的目的，确保飞行安全性，便于实际应用和推广；
40、（2）还可以在飞机刹车系统的每次运维任务执行开始时，通过动态更新相关系数，确保在运维任务执行过程中飞机刹车系统故障综合预测结果的准确性；
41、（3）还可以在飞机刹车系统的每次运维任务执行开始时，通过剔除向量库中过期向量，确保在运维任务执行过程中飞机刹车系统故障综合预测结果的准确性；
42、（4）还可在传感器故障预警时基于非传感参数的最近时序数据进行传感数值估计，进一步利于进行故障应对，以及进一步确保飞行安全性。
1.一种基于大数据分析的飞机刹车系统故障预测方法，其特征在于，包括：
2.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，所述故障报警状态参数为机轮速度传感器故障报警状态参数、刹车压力传感器故障报警状态参数或刹车温度传感器故障报警状态参数。
3.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，所述多个非故障报警状态参数包括飞机速度、机轮速度、刹车压力、刹车温度和/或刹车累计次数。
4.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，针对各对故障报警状态参数与非故障报警状态参数，根据对应两参数的历史时序数据，计算得到对应的相关系数，包括：
5.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，在针对各对故障报警状态参数与非故障报警状态参数，根据对应两参数的历史时序数据，计算得到对应的相关系数之后，所述方法还包括：
6.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，在针对所述各对故障报警状态参数与非故障报警状态参数，将所述各个在前时序数据分别作为第一向量添加到对应的向量库中之后，所述方法还包括：
7.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，根据与所述各个非故障报警状态参数对应的相关系数和飞机刹车系统故障发生预测概率，叠加计算得到飞机刹车系统故障发生预测总概率，包括：
8.根据权利要求1所述的飞机刹车系统故障预测方法，其特征在于，当所述故障报警状态参数为机轮速度传感器故障报警状态参数、刹车压力传感器故障报警状态参数或刹车温度传感器故障报警状态参数时，在触发执行飞机刹车系统故障预警动作之前，所述方法还包括：
9.根据权利要求8所述的飞机刹车系统故障预测方法，其特征在于，所述非传感参数还为当前未触发故障预警事件的参数，其中，所述当前未触发故障预警事件是指在相应参数与另一个故障报警状态参数对应时，与所述另一个故障报警状态参数对应且在当前时刻的所述飞机刹车系统故障发生预测总概率未达到所述预设概率阈值。
10.根据权利要求8所述的飞机刹车系统故障预测方法，其特征在于，所述attention-lstm模型的参数采用网格搜索算法或贝叶斯搜索算法搜索得到。
