一种基于人工智能的航空装备可用度预计方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111177975 A (43)申请公布日 2020.05.19 (21)申请号 201911353973.2 (22)申请日 2019.12.24 (71)申请人 中国航空工业集团公司西安飞机设 计研究所 地址 710089 陕西省西安市阎良区人民东 路1号 (72)发明人 朱威仁　樊西龙　 (74)专利代理机构 中国航空专利中心 11008 代理人 白瑶君 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 权利要求书1页 说明书3页 附图2页 (54)发明名称 一种基于人工智能的航空装备可用度预计 方法 (57)摘要 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。 A 5 7 9 7 7 1 1 1 1 N C CN 111177975 A 权　利　要　求　书 1/1页 1.一种基于人工智能的航空装备可用度预计方法，其特征在于，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。 2.根据权利要求1所述的方法，其特征在于，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。 3.根据权利要求1所述的方法，其特征在于，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。 4.根据权利要求3所述的方法，其特征在于，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，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。 5.一种基于人工智能的航空装备可用度预计装置，其特征在于，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。 6.根据权利要求5所述的装置，其特征在于，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。 7.根据权利要求5所