技術領域

本發明涉及航空安全技術領域，具體指代一種基于深度信念網絡的航空發動機維修等級決策方法。

背景技術

航空發動機維修等級決策是航空發動機翼下管理的重要內容，對發動機維修后的性能、在翼壽命、航空發動機維修成本乃至航空公司運營成本控制都有重要影響。發動機通過狀態監控來確保發動機的可靠性以及發動機功能狀態，并根據航空發動機的狀態信息確定其送修等級。維修等級劃分不準確，將出現過維修或欠維修，增加維修成本，甚至影響運行安全。當前依靠確定單元體維修等級制造商提供的工作范圍計劃指導文件，無法考慮到航空公司實際情況及發動機的實際狀態，影響了維修等級決策的準確性，有必要挖掘航空發動機狀態監測參數與維修等級決策之間的深層次聯系，從而提高維修等級決策的準確度。

發明內容

針對于上述現有技術的不足，本發明的目的在于提供一種基于深度信念網絡的航空發動機維修等級決策方法，以解決現有技術中航空發動機的維修等級決策方法數據利用不充分，決策不準確，易造成過維修和欠維修等問題。

為達到上述目的，本發明采用的技術方案如下：

本發明的一種基于深度信念網絡的航空發動機維修等級決策方法，包括步驟如下：

1)建立基于深度信念網絡的航空發動機維修等級決策模型；

2)求解和計算基于深度信念網絡的航空發動機維修等級決策模型；

3)運用深度信念網絡方法構建航空發動機狀態監測參數與維修等級決策之間的深層次關系；

4)優化基于深度信念網絡的航空發動機維修等級決策模型；

5)進行基于深度信念網絡的航空發動機維修等級決策，測試其準確性。

優選地，所述的步驟1)中的深度信念網絡指有多層感知器的神經網絡，其由一系列受限玻爾茲曼機堆疊而成的，屬于無監督學習；每個維修等級決策模型中的限制玻爾茲曼機由航空發動機狀態參數層和航空發動機維修等級特征層組成，層與層之間通過權值連接，層內無連接；建立航空發動機維修等級決策能量函數為：

其中，設參數θ＝{W,a,b}，w為航空發動機狀態參數與維修等級之間限制玻爾茲曼機的權值矩陣；v為航空發動機狀態參數；h為航空發動機維修等級特征；b和a為航空發動機參數影響因子；n和m分別為航空發動機狀態參數和航空發動機維修等級特征的神經元個數；其中i∈[1,n],j∈[1,m]，w_ij為航空發動機狀態參數節點i與航空發動機維修等級特征節點j之間的連接權重值；v_i為航空發動機狀態參數第i個神經元的狀態，h_j為航空發動機維修等級特征第j個神經元的狀態，a_i、b_j分別為航空發動機狀態參數和航空發動機維修等級特征的偏置值該模型通過不斷優化參數w、b和a，從而使航空發動機維修等級決策能量函數取得最小值，從而達到航空發動機維修等級決策的要求；航空發動機狀態參數v和航空發動機維修等級特征h的聯合概率分布函數：

其中

優選地，所述的步驟2)具體包括：由聯合概率分布函數得到v和h的條件分布，求出航空發動機維修等級決策模型中各節點的激活概率；設v，h中的神經元為二維隨機單元，已知航空發動機狀態參數v，航空發動機維修等級單元h_j被激活值為1的概率為其中δ(x)＝1/(1+exp(-x))，同理可得已知航空發動機維修等級，航空發動機狀態參數單元被激活的概率為