本發(fā)明屬于航空三軸大氣數(shù)據(jù)系統(tǒng)檢測，具體涉及一種用于三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測方法。

背景技術(shù)：

1、三軸大氣數(shù)據(jù)分系統(tǒng)是一種重要的航空電子設(shè)備，其主要用于測量飛行器的氣壓高度、空速、大氣靜溫、攻角等參數(shù)，對于提高飛行器的飛行性能和安全性具有重要意義。同時(shí)，由于三軸大氣數(shù)據(jù)分系統(tǒng)系統(tǒng)工作原理復(fù)雜，機(jī)上交聯(lián)部件較多，在機(jī)務(wù)維護(hù)工作方面難度大。目前，急需三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測設(shè)備，輔助完成機(jī)務(wù)維護(hù)保障和系統(tǒng)排故工作，提高外場維護(hù)保障效率。

2、因此，需要研制一種三軸大氣數(shù)據(jù)分系統(tǒng)試驗(yàn)器，模擬三軸大氣數(shù)據(jù)分系統(tǒng)的機(jī)上工作環(huán)境，輔助機(jī)務(wù)維護(hù)人員完成對三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測，從而使得檢測設(shè)備的智能化升級，滿足了現(xiàn)代航空裝備復(fù)雜系統(tǒng)的維護(hù)需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種用于三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測方法，進(jìn)行指標(biāo)和性能的測量，能夠模擬三軸大氣數(shù)據(jù)分系統(tǒng)的機(jī)載工作環(huán)境，進(jìn)行系統(tǒng)性能測試和故障診斷，實(shí)現(xiàn)測試與診斷的一體化，大幅減少維護(hù)時(shí)間，提升了外場維護(hù)效率，同時(shí)提高了測試結(jié)果的可靠性和準(zhǔn)確性，可快速定位具體故障點(diǎn)，滿足了現(xiàn)代航空裝備復(fù)雜系統(tǒng)的維護(hù)需求。

2、本發(fā)明的上述目的可以通過以下措施來達(dá)到。第一方面，本發(fā)明提供一種用于三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測設(shè)備，包括：主控模塊，用于控制整個(gè)檢測設(shè)備的運(yùn)行，接收輸入信號并輸出檢測結(jié)果；觸摸顯示屏，與所述主控模塊連接，用于顯示檢測設(shè)備的操作界面及檢測結(jié)果；電源調(diào)理模塊，通過ac220v和機(jī)載dc28v供電，并輸出多路直流電源為設(shè)備和測試模塊供電；qxi總線背板，提供通信及信號連接，用于連接多種測試模塊；測試工裝模塊，用于輔助進(jìn)行速度矢量傳感器的角度位置精度測試；通信控制模塊，用于主控模塊與各測試模塊之間的信號交互；背板電源模塊，提供多種直流電源引入總線背板；交流電源板，用于提供多種交流電源信號；三軸大氣數(shù)據(jù)分系統(tǒng)測試模塊，用于模擬三軸大氣數(shù)據(jù)分系統(tǒng)的機(jī)上工作環(huán)境；以及航空連接器，用于與外部附件連接。

3、進(jìn)一步地，所述測試模塊包括：溫度場壓模擬器，用于模擬溫度及靜壓環(huán)境；矢量傳感器模擬器，用于模擬飛行姿態(tài)的解算信號；大氣機(jī)模擬器，用于模擬三軸大氣數(shù)據(jù)計(jì)算機(jī)接收來自速度矢量傳感器的方位角，顯示飛機(jī)飛行姿態(tài)，反饋給主控模塊判斷并顯示值；總線模擬模塊，用于模擬和驗(yàn)證arinc429總線信號的收發(fā)；數(shù)據(jù)采集模塊，用于采集大氣數(shù)據(jù)系統(tǒng)輸出的模擬信號、交流信號及電阻量；繼電器矩陣板，用于測試資源的輸出和測量信號與被測件的接通、斷開控制。

4、進(jìn)一步地，所述外部附件包括大氣源模塊，用于提供氣壓高度、空速及升降速率測試環(huán)境。

5、另一方面，本發(fā)明還提供一種三軸大氣數(shù)據(jù)分系統(tǒng)的離線檢測方法，適用于上述的設(shè)備，其特征在于，包括以下步驟：

6、(1)環(huán)境模擬

7、啟動大氣源模塊和溫度場壓模擬模塊，設(shè)定氣壓高度、空速、升降速率和溫度參數(shù)，模擬機(jī)載工作環(huán)境；

8、使用矢量傳感器模擬模塊生成解算信號，模擬飛行器姿態(tài)信息；

9、模擬飛行器姿態(tài)信息包括在三維坐標(biāo)系中的位置信息和機(jī)載工作環(huán)境信息，pposture＝exyz(px+py+pz),其中，exyz表示機(jī)載工作環(huán)境信息，包括氣壓高度、空速、升降速率和溫度參數(shù)，pi表示在三維坐標(biāo)系中的位置信息；

10、(2)信號輸入與數(shù)據(jù)采集

11、通過總線模擬模塊發(fā)送符合arinc429協(xié)議的信號至被測件；

12、啟動數(shù)據(jù)采集模塊，采集被測件輸出的模擬信號、交流信號和電阻信號，并實(shí)時(shí)傳輸至主控模塊進(jìn)行處理；

13、(3)性能測試與故障分析

14、對采集數(shù)據(jù)進(jìn)行分析，包括與標(biāo)準(zhǔn)模板數(shù)據(jù)進(jìn)行對比；

15、通過主控模塊的故障診斷算法，識別被測件的性能偏差或故障源，并標(biāo)記故障點(diǎn)；

16、(4)結(jié)果顯示與記錄

17、在觸摸顯示屏上實(shí)時(shí)顯示測試結(jié)果和故障分析結(jié)論；

18、自動生成檢測報(bào)告，包括被測件型號、測試項(xiàng)目、實(shí)際采集值、診斷結(jié)果及維修建議。

19、進(jìn)一步地，所述故障診斷算法包括數(shù)據(jù)預(yù)處理模塊，在進(jìn)行故障診斷前，對采集到的信號進(jìn)行規(guī)范化處理，確保數(shù)據(jù)質(zhì)量和一致性；異常檢測模塊，用于識別信號的異常模式；故障分類模塊，用于進(jìn)一步判斷具體的故障類型；故障風(fēng)險(xiǎn)評估模塊和故障趨勢預(yù)測模塊。

20、進(jìn)一步地，所述數(shù)據(jù)預(yù)處理模塊包括以下步驟：

21、信號過濾，使用滑動平均濾波器去除高頻噪聲；采用小波變換去噪方法處理溫度和氣壓信號，保留低頻成分；信號對齊：對多源信號進(jìn)行時(shí)間戳同步，確保不同信號采集的時(shí)間一致性；標(biāo)準(zhǔn)化：對所有信號進(jìn)行標(biāo)準(zhǔn)化，統(tǒng)一到[0,1]區(qū)間，公式為：

22、

23、進(jìn)一步地，所述異常檢測模塊包括以下步驟：

24、輸入數(shù)據(jù)：輸入多維特征信號x＝[x1,x2,x3…,xn,pposture]，例如氣壓信號、溫度信號、速度矢量信號,以及模擬飛行器姿態(tài)信息；

25、模塊訓(xùn)練：采用自編碼器捕捉正常信號的特征分布，通過重建誤差判定信號是否異常；編碼器部分將輸入信號壓縮到低維隱空間，學(xué)習(xí)正常信號的特征分布；解碼器部分將隱空間特征重建回原始信號維度；

26、采用自編碼器對正常信號進(jìn)行無監(jiān)督訓(xùn)練，最小化重建誤差

27、

28、其中xi是輸入信號，是重建信號；

29、異常判定：模型對輸入信號重建后的誤差：

30、

31、當(dāng)重建誤差超過預(yù)設(shè)閾值，標(biāo)記為異常信號。

32、進(jìn)一步地，所述故障分類模塊的具體步驟為：

33、輸入：信號的偏離程度，即實(shí)測值與參考值的差異；信號波動幅度，即標(biāo)準(zhǔn)差和最大最小值差；

34、模塊算法：采用隨機(jī)森林算法模型，定義多棵決策樹，每棵樹基于不同的特征子集進(jìn)行訓(xùn)練；根據(jù)所有決策樹的分類結(jié)果，取多數(shù)票作為最終故障分類；

35、輸出：故障的具體類型。

36、進(jìn)一步地，所述故障風(fēng)險(xiǎn)評估模塊使用貝葉斯網(wǎng)絡(luò)對故障風(fēng)險(xiǎn)進(jìn)行綜合評估，

37、各故障的發(fā)生概率為：

38、

39、輸出為每種故障的風(fēng)險(xiǎn)評分，范圍為[0,1]。

40、進(jìn)一步地，所述故障趨勢預(yù)測模塊使用時(shí)間序列模型分析多次檢測中的信號變化趨勢。

41、有益效果

42、本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)：

43、1.本發(fā)明通過集成多種功能模塊，能夠模擬三軸大氣數(shù)據(jù)分系統(tǒng)的機(jī)載工作環(huán)境，將實(shí)際地理位置及環(huán)境映射至三維坐標(biāo)系中，通過模擬真實(shí)運(yùn)行過程中的環(huán)境以及設(shè)備運(yùn)行，進(jìn)行系統(tǒng)性能測試和故障診斷，實(shí)現(xiàn)測試與診斷的一體化，大幅減少維護(hù)時(shí)間，提升了外場維護(hù)效率。

44、2.本發(fā)明通過數(shù)據(jù)采集模塊，能夠精確采集模擬信號、交流信號和電阻信號，結(jié)合人工智能模型進(jìn)行高精度異常檢測和故障分類，提高了測試結(jié)果的可靠性和準(zhǔn)確性，可快速定位具體故障點(diǎn)。

45、3.本發(fā)明采用人工智能算法對信號的動態(tài)變化趨勢進(jìn)行分析，能夠提前識別潛在故障風(fēng)險(xiǎn)，為故障的早期干預(yù)提供數(shù)據(jù)支持，避免了故障進(jìn)一步擴(kuò)大造成的安全隱患，實(shí)現(xiàn)了檢測設(shè)備的智能化升級，滿足了現(xiàn)代航空裝備復(fù)雜系統(tǒng)的維護(hù)需求。