[发明专利]一种基于人工智能的航空装备可用度预计方法

说明书

本发明属于航空维修保障技术，涉及一种基于人工智能的航空装备可用度预计方法。该方法包括：获取待测航空装备各项输入数据，输入数据包括装备平均故障间隔时间、备件周转时间、平均修复时间、定检周期和大修周期；将待测航空装备各项输入数据输入三层人工神经网络模型，得到航空装备的可用度指标；三层人工神经网络模型是根据以往航空装备的训练样本数据训练出来的。

技术领域

本发明属于航空维修保障技术，涉及一种基于人工智能的航空装备可用度 预计方法。

背景技术

在航空装备研制过程中，需要对装备的可用度指标进行预计分析，以针对 性的开展设计研制，装备的可用度指标表示任一时刻装备处于完好可用状态的 概率。但传统的可用度计算模型比较粗糙，且需要的参数多为装备使用中的统 计数据，在新型航空装备研制前期，缺少相应的装备可用度预计方法来预计装 备可用度，优化装备设计。

发明内容

发明目的：提供一种基于人工智能的航空装备可用度预计方法，实现了装 备的可用度指标的预计分析。

本发明提供一种基于人工智能的航空装备可用度预计方法，包括：

获取待测航空装备各项输入数据，输入数据包括装备平均故障间隔时间、 备件周转时间、平均修复时间、定检周期和大修周期；

将待测航空装备各项输入数据输入三层人工神经网络模型，得到航空装备 的可用度指标；三层人工神经网络模型是根据以往航空装备的训练样本数据训 练出来的。

进一步的，人工神经网络模型包括输入层、隐含层和输出层，其中，输入 层的输入个数为5，隐含层的节点个数为3。

进一步的，所述方法还包括：

收集统计以往航空装备的平均故障间隔时间、备件周转时间、平均修复时 间、定检周期、大修周期作为训练样本数据，以及可用度数据作为训练结果样 本；

通过训练样本数据对初始的人工神经网络模型进行训练，训练出可用的人 工神经网络。

进一步的，通过训练样本数据对初始的人工神经网络模型进行训练，训练 出可用的人工神经网络，包括：

将训练样本数据和对应的训练样本结果分为n组；

以组为单位，依次根据每组训练样本数据和对应的训练样本结果对初始的 人工神经网络模型进行修正，得到隐含层到输出层的第一权值修正因子和输入 层到隐含层的第二权值修正因子；

根据权重、第一权值修正因子和第二权值修正因子，修正人工神经网络模 型对应层的参数；其中，权重是由训练所使用的组号和组数构成的。

本发明提供一种基于人工智能的航空装备可用度预计装置，包括：

获取模块，用于获取待测航空装备各项输入数据，输入数据包括装备平均 故障间隔时间、备件周转时间、平均修复时间、定检周期和大修周期；

输入模块，用于将待测航空装备各项输入数据输入三层人工神经网络模型， 得到航空装备的可用度指标；三层人工神经网络模型是根据以往航空装备的训 练样本数据训练出来的。

进一步的，人工神经网络模型包括输入层、隐含层和输出层，其中，输入 层的输入个数为5，隐含层的节点个数为3。

进一步的，所述装置还包括：

收集模块，用于收集统计以往航空装备的平均故障间隔时间、备件周转时 间、平均修复时间、定检周期、大修周期作为训练样本数据，以及可用度数据 作为训练结果样本；

训练模块，用于通过训练样本数据对初始的人工神经网络模型进行训练， 训练出可用的人工神经网络。

进一步的，训练模块包括：