一种基于服役环境的安全运维容限判定方法及系统与流程

本技术涉及飞机检修，尤其是涉及到一种基于服役环境的安全运维容限判定方法及系统。

背景技术：

1、在飞机服役过程中，发动机短舱等复合材料结构容易受到服役环境和工作载荷的影响，出现结构粘接表面的分离、凹坑或裂纹等损伤。这些损伤会影响飞机粘接表面的结构强度，容易出现安全隐患。

2、因此，为了提高飞机服役的安全性，需要提前进行损伤预测。例如，可以基于数据分析和经验知识处理获取诊断规则，从而依据诊断规则对飞机短舱复合材料结构损伤情况进行预测。

3、但是，损伤预测的准确度会受到预警设备、人员经验、操作环境等因素影响，使得损伤预测结果存在不确定性。并且，单一的部件参数无法全面反映部件在复杂服役环境中的工作状态，在面对多变的气象条件和不同的运营环境时，容易受到动态因素的干扰，导致结构损伤预警的滞后性和误判风险增加。

技术实现思路

1、有鉴于此，本技术实施例提供一种基于服役环境的安全运维容限判定方法及系统，以解决飞机损伤预测结果准确度低的问题。

2、根据本技术的第一方面，提供一种基于服役环境的安全运维容限判定方法，所述方法包括：

3、获取服役环境数据，所述服役环境数据为采集自多个服役地区的多种环境数据组合；

4、使用k均值聚类算法，将所述服役环境数据聚类为多个环境分组样本；所述环境分组样本为用于表征服役地区对应服役环境特征的类别簇；

5、选取性能状态指标，所述性能状态指标包括服从对数正态分布的损伤面积；

6、通过对多个所述环境分组样本和所述性能状态指标执行曲线估计，拟合损伤预测模型；所述损伤预测模型包括以件龄为自变量、以所述性能状态指标的理论值为因变量的损伤演化方程；

7、基于所述损伤预测模型计算的理论均值和样本离散标准差计算控制边界，以及结合预设静态报废阈值和所述控制边界构建多层边界体系；

8、根据所述多层边界体系执行安全运维容限判定，以生成判定结果。

9、在一些实施例中，获取服役环境数据，包括：

10、获取原始数据集合，所述原始数据集合包括所述服役地区的地理数据、气象数据以及环境数据；

11、采用邻近站补值法补齐所述原始数据集合中的缺失数据，以得到数据清洗结果；

12、通过对所述数据清洗结果执行z值标准化处理，获得所述服役环境数据。

13、在一些实施例中，使用k均值聚类算法，将所述服役环境数据聚类为多个环境分组样本，包括：

14、在所述服役环境数据中选择初始簇中心；

15、计算所述服役环境数据中每个样本点到所述初始簇中心的欧式距离，以及根据所述欧式距离将所述样本点划分至邻近的类别簇；

16、通过计算所述类别簇中所有样本点的类别均值，更新簇中心；

17、基于更新后的簇中心执行迭代聚类，以在所述簇中心变化稳定在预设区间或者达到预设迭代次数时生成聚类结果；

18、采用肘部法则和轮廓系数对所述聚类结果进行有效性评估，得到多个环境分组样本；所述环境分组样本包括通过有效性评估的所述聚类结果对应的服役环境数据。

19、在一些实施例中，选取性能状态指标，包括：

20、获取飞机短舱结构的损伤表征参数集合，所述损伤表征参数集合包括几何参数和动力参数；

21、从所述损伤表征参数集合中选取备选状态指标；

22、根据所述备选状态指标对多个所述环境分组样本进行分布规律检验，以获得分布规律检验结果；所述分布规律检验结果包括分位数图和k-s检验统计量；

23、基于所述分布规律检验结果确定服从对数正态分布的所述备选状态指标，得到所述性能状态指标。

24、在一些实施例中，根据所述备选状态指标对多个所述环境分组样本进行分布规律检验，包括：

25、基于所述备选状态指标和所述环境分组样本绘制分位数图，所述分位数图包括指数分布分位数图、威布尔分布分位数图以及对数正态分布分位数图；

26、根据所述分位数图中散点与参考线之间的距离执行分布筛选，以得到第一筛选结果；所述第一筛选结果包括散点与参考线之间的距离均小于距离阈值的所述分位数图；

27、采用单样本k-s检验对所述初步筛选结果执行分布检验，以计算所述k-s检验统计量和概率值；所述k-s检验统计量为经验分布与理论分布函数之间的最大垂直距离；

28、根据所述k-s检验统计量和所述概率值确定第二筛选结果，所述第二筛选结果为所述概率值大于显著性水平的初步筛选结果；

29、通过对比所述k-s检验统计量和所述概率值判定最优分布结果，所述最优分布结果为所述概率值最大的所述第二筛选结果。

30、在一些实施例中，通过对多个所述环境分组样本和所述性能状态指标执行曲线估计，拟合损伤预测模型，包括：

31、获取多个所述环境分组样本对应的损伤数据，所述损伤数据包括所述件龄和所述性能状态指标的实测值；

32、以所述件龄为横轴、所述性能状态指标的实测值为纵轴绘制多个环境分组的件龄指标散点图；

33、利用曲线估计算法，基于所述件龄指标散点图拟合指数曲线，以得到模型系数；

34、根据所述模型系数构建所述损伤演化方程，以得到所述损伤预测模型。

35、在一些实施例中，基于所述损伤预测模型计算的理论均值和样本离散标准差计算控制边界，包括：

36、获取所述损伤预测模型输出的所述性能状态指标的理论值；

37、根据所述性能状态指标的理论值计算所述理论均值；

38、以所述性能状态指标的理论均值为基准，结合实测的所述性能状态指标计算样本离散标准差；

39、基于所述理论均值和所述样本离散标准差计算所述控制边界，所述控制边界包括安全运维上边界和安全运维下边界，所述安全运维上边界为所述理论均值与预设数量倍所述样本离散标准差的和；所述安全运维下边界为所述理论均值与预设数量倍所述样本离散标准差的差。

40、在一些实施例中，结合预设静态报废阈值和所述控制边界构建多层边界体系，包括：

41、获取维修手册；

42、从所述维修手册中提取所述预设静态报废阈值；

43、基于所述控制边界确定正常区间，所述正常区间为所述安全运维上边界和所述安全运维下边界之间的状态区间；

44、基于所述预设静态报废阈值和所述控制边界生成一级预警点和二级报废预警点；

45、按照所述正常区间、所述一级预警点以及所述二级报废预警点构建多层边界体系。

46、在一些实施例中，根据所述多层边界体系执行安全运维容限判定，以生成判定结果，包括：

47、获取实测性能状态数据，所述实测性能状态数据包括实测损伤面积；

48、在所述实测性能状态数据处于所述控制边界的范围内时，生成第一判定结果；所述第一判定结果不触发预警；

49、在所述实测性能状态数据处于所述控制边界的范围外，但未超过所述预设静态报废阈值时，生成第二判定结果；所述第二判定结果用于触发预防性预警；

50、在所述实测性能状态数据超过所述预设静态报废阈值时，生成第三判定结果；所述第三判定结果用于触发报废预警。

51、根据本技术的第二方面，提供一种基于服役环境的安全运维容限判定系统，所述系统包括：

52、数据获取模块，用于获取服役环境数据，所述服役环境数据为采集自多个服役地区的多种环境数据组合；

53、分组聚类模块，用于使用k均值聚类算法，将所述服役环境数据聚类为多个环境分组样本；所述环境分组样本为用于表征服役地区对应服役环境特征的类别簇；

54、指标选取模块，用于选取性能状态指标，所述性能状态指标包括服从对数正态分布的损伤面积；

55、模型拟合模块，用于通过对多个所述环境分组样本和所述性能状态指标执行曲线估计，拟合损伤预测模型；所述损伤预测模型包括以件龄为自变量、以所述性能状态指标的理论值为因变量的损伤演化方程；

56、边界建立模块，用于基于所述损伤预测模型计算的理论均值和样本离散标准差计算控制边界，以及结合预设静态报废阈值和所述控制边界构建多层边界体系；

57、安全判定模块，用于根据所述多层边界体系执行安全运维容限判定，以生成判定结果。

58、借由上述技术方案，本技术实施例提供一种基于服役环境的安全运维容限判定方法及系统，所述方法在获取服役环境数据后，可以使用k均值聚类算法，将服役环境数据聚类为多个环境分组样本。再通过选取性能状态指标和执行曲线估计，拟合出损伤预测模型。然后基于损伤预测模型的输出结果计算控制边界，以及结合预设静态报废阈值构建多层边界体系。再根据多层边界体系执行安全运维容限判定，得到判定结果。所述方法可以依据服役环境数据进行动态分析，实时获取服役环境中的质量或状态变化情况，及时发现异常并采取措施。还通过设定控制边界，判断服役过程是否处于稳定状态，减少判断误差，提高飞机损伤预测结果的准确度。

59、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。