随着民机系统复杂程度不断提高,传统的安全性分析方法已不能完全满足危险源高效识别的要求,为有效分析和评估民机系统安全性,提出系统理论过程分析(system-theory process analysis,STPA)和网络分析法(analytic network process,ANP)相...随着民机系统复杂程度不断提高,传统的安全性分析方法已不能完全满足危险源高效识别的要求,为有效分析和评估民机系统安全性,提出系统理论过程分析(system-theory process analysis,STPA)和网络分析法(analytic network process,ANP)相结合的安全性分析方法。针对STPA没有给出完整的关键致因分析与评估过程,将STPA与ANP关键结构对应结合,对危险控制动作进行致因分析和评估,得到危险控制动作关键致因。以某型民机数字式飞控系统为例展开分析,通过形式化建模验证及仿真验证,证明该模型方法可以准确和完整地识别分析系统潜在危险并确定危险关键致因,为民机系统安全性分析提供支持。展开更多
基于场景的需求捕获方法存在需求偏差和缺失、可追溯性和一致性不足等问题。本文基于模型的系统工程(MBSE,model-based system engineering)在体系结构框架下建立可视化视点模型,形成“运行场景—功能需求”过程的映射关系,提出基于运...基于场景的需求捕获方法存在需求偏差和缺失、可追溯性和一致性不足等问题。本文基于模型的系统工程(MBSE,model-based system engineering)在体系结构框架下建立可视化视点模型,形成“运行场景—功能需求”过程的映射关系,提出基于运行场景的结构化民机系统功能需求捕获方法。以平视显示器(HUD,head-up display)系统为例,构建多维度、多层次场景和多视图体系结构模型,实现系统功能需求开发的“正向设计”,验证了该方法的可操作性和有效性。该方法对提升民机系统需求分析能力及系统开发思路具有重要参考意义。展开更多
空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory...空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory)与自编码器(AE,autoencoder)模型的无监督异常检测方法,用以识别民机空调系统异常运行状态。首先,基于民机空调系统原始传感器参数构建表征空调热交换器性能的特征监测参数;其次,构建LSTM-AE模型进行数据特征重构并计算重构误差;最后,使用孤立森林(iForest, isolation forest)进行无监督异常监测。将本文构建的无监督异常检测方法与传统方法对比,并建立模型评估指标,验证结果表明,所构建的模型方法可以对民机空调热交换器性能异常状态进行有效检测。展开更多
文摘随着民机系统复杂程度不断提高,传统的安全性分析方法已不能完全满足危险源高效识别的要求,为有效分析和评估民机系统安全性,提出系统理论过程分析(system-theory process analysis,STPA)和网络分析法(analytic network process,ANP)相结合的安全性分析方法。针对STPA没有给出完整的关键致因分析与评估过程,将STPA与ANP关键结构对应结合,对危险控制动作进行致因分析和评估,得到危险控制动作关键致因。以某型民机数字式飞控系统为例展开分析,通过形式化建模验证及仿真验证,证明该模型方法可以准确和完整地识别分析系统潜在危险并确定危险关键致因,为民机系统安全性分析提供支持。
文摘基于场景的需求捕获方法存在需求偏差和缺失、可追溯性和一致性不足等问题。本文基于模型的系统工程(MBSE,model-based system engineering)在体系结构框架下建立可视化视点模型,形成“运行场景—功能需求”过程的映射关系,提出基于运行场景的结构化民机系统功能需求捕获方法。以平视显示器(HUD,head-up display)系统为例,构建多维度、多层次场景和多视图体系结构模型,实现系统功能需求开发的“正向设计”,验证了该方法的可操作性和有效性。该方法对提升民机系统需求分析能力及系统开发思路具有重要参考意义。
文摘空调热交换器性能异常检测技术是快速判断民机空调系统运行状态并合理安排维修任务的关键,传统的异常检测方法难以有效处理高维时序数据,无法实现系统早期故障预警。为此,本文提出了一种基于长短期记忆网络(LSTM,long-short term memory)与自编码器(AE,autoencoder)模型的无监督异常检测方法,用以识别民机空调系统异常运行状态。首先,基于民机空调系统原始传感器参数构建表征空调热交换器性能的特征监测参数;其次,构建LSTM-AE模型进行数据特征重构并计算重构误差;最后,使用孤立森林(iForest, isolation forest)进行无监督异常监测。将本文构建的无监督异常检测方法与传统方法对比,并建立模型评估指标,验证结果表明,所构建的模型方法可以对民机空调热交换器性能异常状态进行有效检测。
