[发明专利]一种用于机务外场的备件数量预测方法和系统

权利要求书

1.一种用于机务外场的备件数量预测方法，其特征在于，包括以下步骤：

S101：收集目标设备的飞行参数数据、环境数据、和设备故障数据，并且分别对所述飞行参数数据、所述环境数据、所述设备故障数据进行预处理；

S102：计算所述目标设备在发生故障前的累计飞行强度和累计环境影响，计算目标设备j的累计飞行强度包括以下步骤：

针对飞机飞行过程中时刻t，从所述飞行参数数据中读取瞬时速度、瞬时加速度、飞行时间、作训科目中的一个或多个，组成飞行强度向量β_j(t)，获取所述目标设备j的飞行权重向量α_j，计算所述目标设备j的瞬时飞行强度D_j(t)＝α_jβ_j(t)，目标设备j的累计飞行强度为：其中T为目标设备j发生故障的时刻；

计算目标设备j的累计环境影响包括以下步骤：

针对飞机飞行过程中时刻t，从所述环境数据中读取温度、湿度、盐度、海拔、天气中的一个或多个，并形成环境强度向量θ_i(t)，然后获取环境影响权重向量γ_j，计算目标设备j的瞬时环境影响Z_j(t)＝γ_jθ_i(t)，目标设备j的累计环境影响为：其中L为目标设备j发生故障的时刻；

S103：根据所述累计飞行强度、所述累计环境影响和所述目标设备实际寿命形成数据集，并且基于所述数据集构建目标设备的寿命模型，所述寿命模型的构建进一步包括以下步骤：

(a)加权融合：融合所述累计飞行强度和所述累计环境影响得到R_j＝[A_jB_j]，结合目标设备实际寿命L_j获得“累计影响-目标设备寿命”数据集{R_j，L_j}^N，其中N为获得的数据集的个数；

(b)构建模型训练数据集和模型测试数据集：将所述“累计影响-目标设备寿命”数据集中的90％的数据作为模型训练数据集，将剩余10％的数据作为模型测试数据集；

(c)模型训练：使用最小二乘法对所述模型训练数据集进行多元回归分析；

(d)模型验证：使用所述模型测试数据集来估计所述寿命模型的数据拟合程度并选择所述数据拟合程度高的寿命模型作为所述寿命模型；

S104：根据即将执行的转场任务并使用所述寿命模型来估计所述目标设备的平均寿命，然后根据所述目标设备的所述平均寿命来预测所述目标设备的备件数量。

2.根据权利要求1所述的用于机务外场的备件数量预测方法，其特征在于，所述飞行参数数据包括瞬时速度、瞬时加速度、飞行时间、作训科目中的一个或多个；所述环境数据包括飞行环境的温度、湿度、盐度、海拔、天气中的一个或多个。

3.根据权利要求1所述的用于机务外场的备件数量预测方法，其特征在于，步骤S104中的所述目标设备的备件数量的预测进一步包括以下步骤：

分析并计算所述即将执行的转场任务的即将的累计飞行强度和即将的累计环境影响；

将所述即将的累计飞行强度和所述即将的累计环境影响输入所述寿命模型以得到所述目标设备的平均寿命；

根据所述目标设备的即将执行的工作时间来预测所述目标设备的备件数量。