本文關(guān)鍵詞：QAR數(shù)據(jù)集離群點(diǎn)檢測及故障定位算法研究

  更多相關(guān)文章： QAR數(shù)據(jù) K-Means算法 離群點(diǎn)檢測 最小二乘法

【摘要】：目前國內(nèi)外各大航空公司均采用飛機(jī)快速存取記錄器(Quick Access Recorder,簡稱為QAR)數(shù)據(jù)對飛機(jī)在航班中飛行的狀態(tài)進(jìn)行監(jiān)控,在飛機(jī)航班不斷增加,對飛機(jī)的正點(diǎn)運(yùn)行要求不斷提高的同時(shí),通過對QAR數(shù)據(jù)進(jìn)行分析并且找出其中可能存在的隱患數(shù)據(jù)顯得越來越重要。本文通過對飛機(jī)時(shí)序QAR數(shù)據(jù)中的離群點(diǎn)進(jìn)行檢測,同時(shí)為了發(fā)現(xiàn)可能存在的故障對數(shù)據(jù)進(jìn)行分析,結(jié)合飛機(jī)飛行過程中主要屬性的數(shù)據(jù)趨勢,研究了對飛機(jī)飛行過程中異常數(shù)據(jù)的離群點(diǎn)檢測的發(fā)現(xiàn)及故障定位的算法,可以通過對故障發(fā)生時(shí)主要屬性進(jìn)行檢測并發(fā)現(xiàn)其中的離群點(diǎn),進(jìn)而有效的幫助了飛機(jī)維護(hù)人員對飛機(jī)中可能出現(xiàn)異常的部件進(jìn)行檢測和調(diào)整。本文的研究主要完成以下幾方面工作:1)研究了QAR數(shù)據(jù)的離群點(diǎn)檢測算法并實(shí)現(xiàn)了對其中的故障進(jìn)行定位。該算法第一階段按照數(shù)據(jù)流分區(qū)的方法對航班中的QAR數(shù)據(jù)進(jìn)行劃分,通過對數(shù)據(jù)塊中的數(shù)據(jù)進(jìn)行聚類分析,將原始數(shù)據(jù)用聚類之后生成的均值參照點(diǎn)代替;第二階段根據(jù)均值參照點(diǎn)運(yùn)用擬合的方法找出飛機(jī)飛行過程中屬性的變化趨勢,并根據(jù)各個(gè)均值參照點(diǎn)到擬合的曲線或者曲面的距離判定其是否為離群點(diǎn),將其代表的簇中的所有數(shù)據(jù)均看作離群點(diǎn),同時(shí)根據(jù)離群點(diǎn)的序號判定其發(fā)生的大致時(shí)間,這些離群的數(shù)據(jù)可由工程師根據(jù)經(jīng)驗(yàn)或故障模型確定是否為故障,從而為進(jìn)一步的飛機(jī)維護(hù)提供可靠的數(shù)據(jù)。2)為了減少選取的初始聚類中心對聚類效果的影響,對傳統(tǒng)的K-Means聚類算法進(jìn)行改進(jìn)從而對QAR數(shù)據(jù)進(jìn)行聚類。將數(shù)據(jù)按時(shí)間序列分區(qū)之后,依照各個(gè)屬性范圍的變化分別計(jì)算所占的權(quán)重值,最后通過各個(gè)屬性的權(quán)重值相加計(jì)算數(shù)據(jù)的權(quán)值,通過對權(quán)值的排序來挑選最接近的初始聚類中心,優(yōu)化了算法的聚類效果,并減少聚類算法的迭代次數(shù)。3)運(yùn)用了最小二乘擬合聚類的均值參照點(diǎn)。根據(jù)設(shè)定的基于距離的離群點(diǎn)檢測定義判定各點(diǎn)是否為離群數(shù)據(jù),提出了離群因子的定義,從而適用于QAR數(shù)據(jù)的離群點(diǎn)檢測,并根據(jù)離群因子判定數(shù)據(jù)中的離群點(diǎn)。該定義將超過離群因子設(shè)定閾值的數(shù)據(jù)點(diǎn)認(rèn)定為離群點(diǎn),同時(shí)定位故障發(fā)生的大致時(shí)間。
【關(guān)鍵詞】：QAR數(shù)據(jù) K-Means算法 離群點(diǎn)檢測 最小二乘法
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V267;TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 課題研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.3 本文主要研究工作13
• 1.4 論文安排13-15
• 第二章 離群點(diǎn)檢測及故障定位流程概述15-21
• 2.1 QAR時(shí)序數(shù)據(jù)簡介15-18
• 2.1.1 飛行數(shù)據(jù)發(fā)展概述15-16
• 2.1.2 QAR系統(tǒng)簡介16
• 2.1.3 QAR數(shù)據(jù)獲取16
• 2.1.4 QAR數(shù)據(jù)特點(diǎn)16-17
• 2.1.5 QAR數(shù)據(jù)的應(yīng)用與故障檢測17-18
• 2.2 離群點(diǎn)檢測故障定位流程18-20
• 2.2.1 存在難點(diǎn)18-19
• 2.2.2 整體分析19
• 2.2.3 流程概述19-20
• 2.3 本章小結(jié)20-21
• 第三章 QAR時(shí)序數(shù)據(jù)的聚類算法21-30
• 3.1 K-MEANS算法的介紹21-25
• 3.1.1 傳統(tǒng)K-MEANS算法22-23
• 3.1.2 K-MEANS算法的不足23-24
• 3.1.3 K-MEANS算法初始質(zhì)心選擇的現(xiàn)有改進(jìn)24
• 3.1.4 算法在QAR數(shù)據(jù)應(yīng)用中的問題24-25
• 3.2 加權(quán)得分的K-MEANS初始質(zhì)心改進(jìn)25-28
• 3.2.1 加權(quán)初始聚類中心選擇25-27
• 3.2.2 算法復(fù)雜性分析27-28
• 3.3 基于改進(jìn)K-MEANS算法的QAR數(shù)據(jù)聚類28-29
• 3.3.1 QAR數(shù)據(jù)準(zhǔn)備28
• 3.3.2 實(shí)驗(yàn)分析28-29
• 3.4 本章小結(jié)29-30
• 第四章 QAR數(shù)據(jù)的離群點(diǎn)檢測及故障定位算法30-46
• 4.1 離群點(diǎn)檢測概述30-33
• 4.1.1 離群點(diǎn)介紹30-31
• 4.1.2 離群點(diǎn)檢測方法31-32
• 4.1.3 QAR數(shù)據(jù)的離群點(diǎn)挖掘32-33
• 4.2 離群點(diǎn)檢測及故障定位算法研究33-40
• 4.2.1 最小二乘法原理33-36
• 4.2.2 算法關(guān)鍵定義36-38
• 4.2.3 算法實(shí)現(xiàn)38-40
• 4.3 實(shí)驗(yàn)設(shè)計(jì)40-45
• 4.3.1 數(shù)據(jù)預(yù)處理40-41
• 4.3.2 實(shí)驗(yàn)及結(jié)果分析41-45
• 4.4 本章小結(jié)45-46
• 第五章 總結(jié)與展望46-48
• 5.1 本文工作總結(jié)46-47
• 5.2 研究展望47-48
• 參考文獻(xiàn)48-52
• 致謝52-53
• 作者簡介53

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊慧;王麗婧;;基于聚類和擬合的QAR數(shù)據(jù)離群點(diǎn)檢測算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年01期

2 韓瑩;李?yuàn)檴?陳福明;;基于機(jī)器學(xué)習(xí)的地震異常數(shù)據(jù)挖掘模型[J];計(jì)算機(jī)仿真;2014年11期

3 楊福萍;王洪國;董樹霞;牛家洋;丁艷輝;;基于聚類劃分的兩階段離群點(diǎn)檢測算法[J];計(jì)算機(jī)應(yīng)用研究;2013年07期

4 楊茂林;盧炎生;;基于剪枝的海量數(shù)據(jù)離群點(diǎn)挖掘[J];計(jì)算機(jī)科學(xué);2012年10期

5 王茜;楊正寬;;一種基于加權(quán)KNN的大數(shù)據(jù)集下離群檢測算法[J];計(jì)算機(jī)科學(xué);2011年10期

6 張健沛;楊悅;楊靜;張澤寶;;基于最優(yōu)劃分的K-Means初始聚類中心選取算法[J];系統(tǒng)仿真學(xué)報(bào);2009年09期

7 鄭超;苗奪謙;王睿智;;基于密度加權(quán)的粗糙K-均值聚類改進(jìn)算法[J];計(jì)算機(jī)科學(xué);2009年03期

8 薛安榮;姚林;鞠時(shí)光;陳偉鶴;馬漢達(dá);;離群點(diǎn)挖掘方法綜述[J];計(jì)算機(jī)科學(xué);2008年11期

9 李明華;劉全;劉忠;郗連霞;;數(shù)據(jù)挖掘中聚類算法的新發(fā)展[J];計(jì)算機(jī)應(yīng)用研究;2008年01期

10 薛安榮;何偉華;;基于時(shí)序離群檢測的新的分段方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年20期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張崇明;無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)異常檢測和數(shù)據(jù)質(zhì)量問題研究[D];復(fù)旦大學(xué);2010年

2 肖輝;時(shí)間序列的相似性查詢與異常檢測[D];復(fù)旦大學(xué);2005年

3 王莉;數(shù)據(jù)挖掘中聚類方法的研究[D];天津大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 文翰;基于最小二乘法的熱負(fù)荷預(yù)測的研究與應(yīng)用[D];大連海事大學(xué);2014年

2 胡婷婷;數(shù)據(jù)挖掘中的離群點(diǎn)檢測算法研究[D];廈門大學(xué);2014年

3 喻立;股票市場中的異常數(shù)據(jù)挖掘算法研究[D];湖南大學(xué);2013年

4 崔丹丹;K-Means聚類算法的研究與改進(jìn)[D];安徽大學(xué);2012年

5 孟凡星;基于粗糙集的QAR異常數(shù)據(jù)檢測算法研究[D];中國民航大學(xué);2012年

6 劉珉華;人民幣匯率時(shí)間序列的異常數(shù)據(jù)挖掘研究[D];湖南大學(xué);2009年

7 高原;數(shù)據(jù)挖掘算法在B777飛機(jī)故障預(yù)警中的應(yīng)用研究[D];中國民航大學(xué);2008年

8 王天明;基于QAR數(shù)據(jù)的飛行安全模型研究[D];中國民航大學(xué);2008年

9 楊延?jì)?基于Web服務(wù)安全的異常數(shù)據(jù)挖掘算法研究[D];西北師范大學(xué);2007年

，

本文編號：902339