Способ и система для анализа полетных данных, записанных во время полета летательного аппарата

Изобретение относится к способу и системе для анализа множества полетных данных, значения которых были записаны во время полета летательного аппарата. Техническим результатом является обеспечение возможности автоматического формирования новых множеств полетных данных. В способе полетное событие может быть обнаружено на основе значений полетных данных из подмножества и значений полетных данных из одного из вторых множеств полетных данных, и если полетное событие не обнаружено из подмножества, то с этим подмножеством связывают вероятность образования пары между упомянутым по меньшей мере одним вторым множеством и этим подмножеством, при этом упомянутое первое множество затем обновляют при помощи добавления нового элемента полетных данных из второго множества и/или при помощи удаления по меньшей мере одного элемента его полетных данных в соответствии с упомянутыми значениями вероятности образования пары, при этом первое множество полетных данных, обновленное таким образом, впоследствии снова записывают во время нового полета. 2 н. и 5 з.п. ф-лы, 2 ил.

 

Настоящее изобретение относится к способу и системе для анализа множества полетных данных, значения которых были записаны во время полета летательного аппарата.

Одна из главных причин задержек летательных аппаратов связана с техническими проблемами, возникающими в них неожиданно. При этом этапы технического обслуживания летательных аппаратов, требующие их продолжительного простоя, очень часто стремятся минимизировать по причинам экономической целесообразности.

Нормативные документы, касающиеся технического обслуживания и воздушных перелетов, определяют стандарты, которым должны следовать эксплуатирующие организации (операторы) для обеспечения максимального уровня безопасности своим клиентам.

Однако в прошедшие годы наблюдалась стагнация в улучшении безопасности полетов. Чтобы обеспечить дальнейшее повышение безопасности полетов, несмотря на постоянный рост воздушного трафика, а также для оптимизации этапов технического обслуживания, авиакомпании оснащаются системами анализа полетных данных.

Такие системы дают авиакомпаниям возможность детально понимать события, произошедшие во время полетов, на основе регулярных записей значений полетных данных, которые выполняют во время каждого полета каждого их летательного аппарата.

С этой целью упомянутые системы обнаруживают единичные события, происходящие во время полета. Впоследствии эксперт анализирует эти события, указывающие на то, что во время полета произошло техническое происшествие или на то, что определенная норма или условие, ожидаемое в процессе полета, не было выполнено, что предупреждает о потенциальных в ближайшем будущем происшествиях или авариях.

На фиг.1 эскизно проиллюстрирована система, известная как FDM (Flight Data Monitoring, контроль полетных данных), которая обеспечивает возможность анализа множества {p(i)}_i∈I полетных данных, где I⊂D, a D - все возможные индексы полетных данных, значения {ν(i)}_i∈I которых записывают во время полета летательного аппарата.

Принцип этой системы заключается в том, что летательный аппарат оснащают средствами записи этих значений {ν(i)}_i∈I. Такими средствами являются, например, черный ящик или специальные регистраторы, например ACMS (Aircraft Condition Monitoring Systems, системы контроля состояния летательного аппарата). Эти полетные данные {p(i)}_i∈I (a следовательно, и их значения) могут принимать множество различных форм. Например, значение элемента полетных данных может представлять собой измерение, возможно многомерное, или параметр полета (давление текучей среды, воздушная скорость, частота вибрации и т.п.), или выполнение действия, осуществляемого бортовым персоналом (активация автопилота и т.п.).

После окончания полета летательного аппарата или после остановки в аэропорте значения {p(i)}_i∈I восстанавливают с помощью блока Т обработки данных через кабельные или беспроводные средства связи и анализируют с помощью алгоритма интеллектуального анализа данных.

С этой целью эксперт заранее определяет и записывает в базу данных BDD множества полетных данных {p(j)}_j∈J, где J⊂D, и множество полетных событий E_J,k, связанных с каждым множеством полетных данных {p(j)}_j∈J. Каждое полетное событие E_J,k, связанное с множеством J полетных данных {p(j)}_j∈J, соответствует значениям {ν_k(j)}_j∈J этого множества, которые были записаны во время предыдущего полета (k обозначает, например, инструкцию на запись значений {ν_k(j)}_j∈J) в базу данных, при этом на него наложено ограничение в том, что значение ν_k(m) по меньшей мере одного элемента этих полетных данных {р(m)}_m∈J должно превышать свое номинальное значение L_m, которое также является заранее записанным и задано таким образом, чтобы отвечать действующим нормативным документам по безопасности полетов и схемам полетов, принятым в каждой авиакомпании. В математическом выражении E_J,k={ν_k(j)}_j∈J|ν_k(j)>L_j≠⌀}, или E_J,k, представляет собой непустое множество {ν_k(j)}_j∈J, такое, что ν_k(j) больше, чем номинальное пороговое значение L_j, то есть имеется по меньшей мере одно значение полетных данных, не являющееся номинальным. Это предполагает наличие отношения порядка, связанного с элементом J данных, которое позволяет записать ν_k(j)>L_j. Упомянутое отношение может быть различным для каждого элемента полетных данных и не обязательно задается оператором сравнения двух целых чисел.

После определения и сохранения экспертом этих различных множеств полетных данных и связанных с ними полетных событий он определяет средства, обычно в виде компьютерных программ, предназначенные для обнаружения этих событий E_J,k после записи значений {ν(i)}_i∈I множества полетных данных {p(i)}_i∈I во время полета летательного аппарата. Контекст, в котором происходило полетное событие, также может быть записан. Например, упомянутый контекст может представлять собой тип датчика, записавшего элемент полетных данных или местоположение летательного аппарата во время этой записи и т.п.

Посредством этого алгоритм впоследствии обнаруживает, что произошло событие E_J,k, если имеется по меньшей мере одно значение {ν(i)}_i∈I элемента полетных данных из множества полетных данных {p(i)}, которое превышает номинальное значение, и если этот элемент полетных данных соответствует значению {ν_k(j)}_j∈J элемента полетных данных из множества полетных данных {p(j)}_j∈J, ранее записанных в базу данных BDD. Соответственно, это представляет собой случай нахождения таких J и k, чтобы I=J, где 1 связано с известным единичным полетным событием, а k представляет собой появление E_J,k в записи данных, которая была выполнена до текущего момента.

Блок Т обработки данных обычно вычисляет также статистику значений для множеств полетных данных, записанных во время нескольких полетов одного и того же летательного аппарата и/или различных обнаруженных полетных событий. После этого блок Т обработки данных определяет на их основе динамику, связанную с изменением во времени этих полетных данных и/или полетных событий. Эта динамика позволяет оценить увеличение или уменьшение риска. Например, значение элемента полетных данных, записанного во время полета, может записываться также и во время следующих полетов, а по окончании определенного количества полетов может формироваться диаграмма изменения этого элемента полетных данных во времени.

Система включает также графические средства GUI для отображения эксперту упомянутой динамики полетных событий или другой динамики. Отображение иногда принимает вид таблиц, в которых показаны данные полета или нескольких полетов, превышающих номинальные значения, или временных диаграмм, представляющих динамику полетных данных и другие изменения в полетных событиях.

Далее эксперт анализирует эти отображения для оценки, действительно ли обнаруженные на основе анализа значений {ν(i)}_i∈I полетные события соответствуют происшествию во время полета, чтобы с точностью отследить ход полета и/или изменение динамики.

На этой основе эксперт получает отношения между полетными событиями, произошедшими во время полета или нескольких полетов летательного аппарата, и прогнозирует операцию, которую необходимо выполнить для предотвращения повторного возникновения подобных полетных происшествий или серьезных авиационных инцидентов, требующих остановки эксплуатации летательного аппарата. Он может, например, обеспечивать техническое обслуживание летательного аппарата и/или возможное изменение схемы полета и/или специальную тренировку бортового персонала. Для этого графические средства GUI дают эксперту возможность модифицировать или вводить вручную новые множества записываемых полетных данных и/или новые полетные события, и/или новые номинальные значения.

Авиакомпании оснастили свои летательные аппараты множеством разнообразных датчиков, чтобы обеспечивать запись максимального объема полетных данных, учитывая тот факт, что чем больше значений полетных данных будет у эксперта, тем больше различных ситуаций будет записано в базу данных, то есть больше будет обнаружено полетных событий, и эксперт сможет более точно оценить полетные ситуации, которые привели к этим событиям, и, следовательно, спрогнозировать большее количество потенциальных будущих серьезных происшествий или аварий.

Кроме того, нормативные документы по безопасности полетов подлежат изменениям (в результате аварий, требований к энергосбережению и экономичности, для учета роста трафика и т.п.), и регулярно появляется необходимость учитывать новые полетные события. Это приводит к необходимости изменения как средств регистрации, так и средств обнаружения этих новых полетных событий. Аналогично, авиакомпания может добавлять или модифицировать собственные полетные события для дальнейшего повышения безопасности полетов и оптимизации своих процедур.

Несмотря на то что в теории увеличение количества записей полетных данных и множеств записываемых полетных данных увеличивает точность и надежность экспертизы полетных ситуаций, на практике систематический анализ экспертом всех обнаруженных полетных событий означает затрату значительных ресурсов, выражающихся как в вычислительной мощности, необходимой для анализа значений полетных данных блоком Т обработки данных, так и в рабочей нагрузке на эксперта. Как правило, анализируют только те множества полетных данных и те полетные события, анализ которых требуется нормативными документами по безопасности полетов и процедурами авиакомпании.

Следовательно, такие эксперты формируют свои оценки полетных ситуаций с использованием лишь очень небольшого количества полетных событий, записанных ранее в базу данных BDD и представляющих лишь малую часть полетных событий, которые могли бы быть обнаружены на основе значений полетных данных, записанных во время полета летательного аппарата. Однако часть этих «незаписанных» полетных событий, представляющихся незначительными в глазах эксперта, потенциально позволяет обнаружить более глубокие будущие проблемы, которые не появляются в их экспертных отчетах вследствие несистематического анализа всех записанных значений полетных данных.

Итак, существующие способы анализа множества полетных данных, записанных во время полета летательного аппарата, обеспечивают эксперту возможность сравнивать полетные события и/или динамику для идентичных условий полета (один и тот же летательный аппарат, одна и та же схема полета), в то время как более предпочтительной для эксперта являлась бы возможность доступа ко всем полетным событиям, допускающим обнаружение на основе записанных значений полетных данных, то есть, помимо прочего, к полетным событиям, которые происходили при условиях полета, аналогичных условиям уже произошедших полетных событий, записанных в базу данных BDD.

В таком случае подобная система позволила бы обогатить базу полетных данных BDD за счет различных летательных аппаратов авиакомпании, или даже различных авиакомпаний, повышая вероятность того, что полетное событие уже происходило в прошлом, и, следовательно, повышая способность его обнаружения. В соответствии с этим подобная система имела бы возможность обогащения и улучшения обнаружения новых полетных событий, не прогнозируемых экспертом.

Такая система анализа полетных данных обеспечивала бы также значительное уменьшение рабочей нагрузки на эксперта, которому больше не пришлось бы выполнять перекрестные проверки условий полета, чтобы определить, являются ли они аналогичными, при этом авиакомпания имела бы представление о рисках, связанных со всеми летательными аппаратами из ее парка без значительного повышения нагрузки на эксперта.

Еще один недостаток применения существующих алгоритмов интеллектуального анализа данных заключается в том, что новые полетные события, определенные экспертом, записываются им вручную при помощи графических средств GUI. Для системы было бы гораздо более предпочтительным автоматическое формирование новых полетных событий или даже новых множеств полетных данных после самостоятельного анализа записанных значений полетных данных. Вмешательство эксперта в таком случае требовалось бы только для разрешения каких-либо конфликтов между событиями и/или множествами полетных данных.

Задача, решаемая настоящим изобретением, - создание системы анализа полетных данных, которая позволяет преодолеть описанные выше недостатки.

Для этого настоящее изобретение, в общем, предлагает способ анализа так называемого первого множества полетных данных, значения которых были записаны во время полета летательного аппарата и в которых полетное событие является обнаруженным, когда значения полетных данных из первого множества и значения полетных данных из другого множества полетных данных, называемого вторым множеством, которые были записаны во время предыдущего полета, представляют собой значения, относящиеся к одним и тем же полетным данным, и если упомянутые одни и те же значения полетных данных из упомянутого первого множества и упомянутого второго множества превышают свои соответствующие номинальные значения.

В соответствии с одной из отличительных особенностей настоящего изобретения, по меньшей мере одно подмножество полетных данных, включающее по меньшей мере один элемент полетных данных из упомянутого первого множества и/или по меньшей мере один элемент полетных данных из второго множества, при условии, что по меньшей мере один из этих элементов данных превышает свое номинальное значение, определяют при помощи корреляции упомянутого значения по меньшей мере одного элемента полетных данных в упомянутом первом множестве с упомянутым значением по меньшей мере одного элемента полетных данных в упомянутом втором множестве. В дополнение, полетное событие затем может быть обнаружено на основе упомянутых значений полетных данных из подмножества и значений полетных данных из одного из упомянутых вторых множеств полетных данных, и если полетное событие не обнаружено из подмножества, с этим подмножеством связывают вероятность образования пары между упомянутым по меньшей мере вторым множеством и этим подмножеством, при этом упомянутое первое множество затем обновляют при помощи добавления по меньшей мере одного нового элемента полетных данных из упомянутого по меньшей мере одного второго множества и/или при помощи удаления по меньшей мере одного элемента его полетных данных, причем это выполняют в соответствии со значениями вероятности образования пары. Упомянутое первое множество полетных данных, обновленное таким образом, затем снова записывают во время нового полета, и способ повторяют до тех пор, пока эксперт по техническому обслуживанию или по безопасности полетов не сможет принять решение по этому подмножеству.

Данный способ обогащает исходные знания базы данных, состоящей из заранее заданного множества полетных событий, которые могут произойти.

Это достигается благодаря автоматическому определению корреляций между ранее записанными значениями полетных данных и анализируемыми значениями полетных данных, при этом данный способ формирует новые множества (или подмножества) полетных данных, что в результате дает возможность обнаружения новых полетных событий, которые эксперт исходно не был способен спрогнозировать.

В соответствии с одним из вариантов каждое подмножество представляют эксперту. Если эксперт решает, что подмножество заслуживает рассмотрения, то это подмножество сохраняют, а если он решает, что подмножество является ложной тревогой, то это подмножество больше не рассматривают.

Упомянутое представление подмножества обеспечивает эксперту возможность принимать решения относительно релевантности полетных событий, связанных с этими подмножествами, таким образом, что в систему добавляют только те полетные события, которые релевантны для безопасности будущих полетов или связаны с изменениями в полетных процедурах авиакомпании.

В соответствии с одним из вариантов осуществления настоящего изобретения по меньшей мере один новый элемент полетных данных, который добавляют в упомянутое первое множество, поступает из упомянутого второго множества, что максимизирует вероятность образования пары с подмножеством.

Такой способ является предпочтительным, поскольку он оптимизирует вероятность того, что эксперт сможет вынести решение о релевантности подмножества на основании следующей записи нового множества полетных данных, модифицированных таким образом.

В соответствии с одним из вариантов осуществления настоящего изобретения упомянутые вероятности образования пары записывают и обновляют на каждой итерации способа, при этом упомянутые вторые множества, из которых получают упомянутый по меньшей мере один новый элемент полетных данных для обновления упомянутого первого множества, выбирают на основе изменения во времени их вероятностей образования пары.

Анализ значений полетных данных в упомянутом первом множестве, таким образом, дает возможность определить изменения в множествах полетных данных, записанных во время нескольких последовательных полетов, чтобы учесть не только изменения условий полета, но и все модификации полетных процедур и/или нормативных документов по безопасности полетов, вводимых экспертом.

В соответствии с одним из вариантов, обнаружение полетных событий также обновляют, когда обновляют упомянутое первое множество таким образом, что обнаружение может обнаруживать полетное событие, связанное с упомянутым подмножеством.

Этот вариант является предпочтительным, так как он обеспечивает возможность обнаружения в будущем полетных событий, определенных на основе подмножества, даже если события не могли быть обнаружены до этого момента.

В соответствии с одним из вариантов данного варианта для проверки модификации обнаружения событий, модифицированных описанным образом, применяют моделированные полетные данные.

Такие полетные данные обеспечивают возможность проверки функционирования системы после обновления обнаружения событий, то есть, помимо прочего, проверки того, что события, обнаруживаемые до этого момента, по-прежнему обнаруживаются, что в связи с номинальными значениями не возникают ложные результаты или что достигаются значения на границах и т.п.

Настоящее изобретение относится также к системе анализа, которая включает средства реализации одного из описанных выше способов.

Описанные выше и другие отличительные особенности настоящего изобретения могут быть уяснены более полно при рассмотрении приведенного ниже описания одного из примеров его осуществления, при этом данное описание приведено в связи с приложенными чертежами, где

на фиг.1 эскизно показана система анализа множества полетных данных, значения которых были записаны во время полета летательного аппарата;

на фиг.2 эскизно показана система анализа множества полетных данных {p(i)}_i∈I, значения которых были записаны во время полета летательного аппарата в соответствии с настоящим изобретением.

Обозначения на фиг.2, совпадающие с обозначениями на фиг.1, представляют одни и те же элементы.

Система анализа фиг.2 включает блок Т обработки данных, который содержит средства обнаружения полетного события (E_J,k), когда значения полетных данных в множестве {p(i)}_i∈I и значения {ν_k(j)}_j∈J полетных данных из множества полетных данных {p(j)}_j∈J, которые были записаны во время предыдущего полета, являются значениями, связанными с одними и теми же полетными данными, и если одинаковые значения ν_k(m)_m∈J полетных данных в множестве {p(j)}_j∈J и множестве {p(j)}_j∈J превышают их соответствующие номинальные значения.

На практике база данных BDD включает несколько множеств {p(j)}_j∈J.

Блок Т обработки данных включает также средства определения по меньшей мере одного подмножества {p(o)}_o∈O полетных данных, которое включает по меньшей мере один элемент полетных данных в множестве {p(i)}_i∈I и/или по меньшей мере один элемент полетных данных в множестве {p(j)}_j∈J, при условии, что по меньшей мере один из его элементов данных превышает свое номинальное значение, при помощи корреляции значения {ν(i)}_i∈I по меньшей мере одного элемента полетных данных в множестве {p(i)}_i∈I со значением {ν_k(j)}_j∈J по меньшей мере одного элемента полетных данных в множестве {p(j)}_j∈J.

Блок Т обработки данных включает также средства определения и связывания с каждым подмножеством {p(o)}_o∈O вероятности Pr(p_o|p_j) образования пары между по меньшей мере одним множеством {p(j)}_j∈J и упомянутым подмножеством {p(o)}_o∈O, а также средства обновления множества {p(i)}_i∈I при помощи добавления по меньшей мере одного нового элемента {р(n)}_n∈N (N⊂D) полетных данных из по меньшей мере одного множества {p(j)}_j∈J и/или при помощи удаления по меньшей мере одного из его элементов {p(i)}_i∈I полетных данных в соответствии со значениями вероятности Pr(p_j|p_o) образования пары.

Эти средства блока Т обработки данных реализуют, в соответствии с одним из вариантов осуществления настоящего изобретения, в форме компьютерных программ.

Способ анализа, применяемый таким блоком Т обработки данных, обеспечивает возможность анализа значений множества {p(i)}_i∈I полетных данных, которые необязательно должны быть известны заранее из базы данных BDD. Следовательно, это дает возможность минимизировать работу эксперта по сравнению новых полетных событий, получаемых из этого анализируемого множества полетных данных, с полетными событиями E_J,k, ранее записанными в базу данных BDD.

Способ является итеративным и реализует способ, адаптируемый для многомерного анализа, параметризуемого с использованием метода обучения без учителя.

Сначала по меньшей мере одно подмножество полетных данных, включающее по меньшей мере один из элементов полетных данных в множестве {p(i)}_i∈I и/или по меньшей мере один элемент полетных данных в множестве {p(j)}_j∈J, при условии, что по меньшей мере один из его элементов данных превышает свое номинальное значение, определяют при помощи корреляции значения {ν(i)}_i∈I по меньшей мере одного элемента полетных данных в множестве {p(i)}_i∈I со значением {ν_k(j)}_j∈J по меньшей мере одного элемента полетных данных из множества {p(j)}_j∈J.

Множества I и J представляют собой любые множества в множестве D всех полетных данных, причем между ними не предполагается никакого отношения. Следовательно, множества I и J могут иметь пустое или непустое пересечение, или I (или, соответственно, J) может быть подмножеством J (или, соответственно I).

Определение корреляции между значениями полетных данных из множества {p(i)}_i∈I и значениями полетных данных из множества {p(j)}_j∈J находится в сфере компетенции специалистов в настоящей области техники. Например, может быть предварительно запрограммирован набор правил, таким образом, чтобы часть полетных данных систематически формировали подмножество, если они присутствуют в двух упомянутых множествах, при этом остальные могут быть отброшены, если они находятся только в одном множестве - первом или втором. Возможно также задание правил для количественной оценки корреляции между упомянутыми значениями, и формирование подмножеств только с использованием полетных данных, имеющих высокие значения корреляции.

После формирования таким образом одного или даже нескольких подмножеств полетное событие E_J,k может быть обнаружено на основе значений {ν(о)}_o∈O полетных данных из подмножества {р(о)}_o∈O и значений {ν_k(j)}_j∈J полетных данных из одного из множеств {p(j)}_j∈J полетных данных. Событие E_J,k является обнаруженным, если {ν(о)}_o∈O и {ν_k(j)}_j∈J из множества {p(j)}_j∈J являются значениями, относящимися к одним и тем же полетным данным (а именно I=J), и если {ν(о)}_o∈O и {ν_k(j)}_j∈J превышают их соответствующие номинальные значения.

Такой случай соответствует обнаружению полетного события, которое уже происходило во время предыдущего полета.

С другой стороны, если полетное событие, которое происходило ранее, не обнаруживается на основе подмножества, то с данным подмножеством связывают вероятность Pr(p_o|p_j) образования пары между по меньшей мере одним множеством {p(j)}_j∈J и данным подмножеством.

В соответствии с одним из вариантов осуществления настоящего изобретения оценка этих вероятностей Pr(p_o|p_j) может рассматриваться как прямая задача классификации каждого подмножества, происходящего из множества {p(i)}_i∈I. Рассматривая затем каждое множество {p(j)}_j∈J как классы событий, группирующие вместе полетные события, обнаруживаемые этими множествами полетных данных, и учитывая, что множество {p(i)}_i∈I состоит из нескольких подмножеств, независимых друг от друга, прямая задача классификации этих подмножеств выражается следующим образом:

$$y=\arg \max {\displaystyle \prod _{o=1}^{O}P(p_o|p_j)}$$

где у - оценка классификации всех подмножеств p_o в классах p_j.

Для решения этой задачи на существующем уровне техники применяют метод классификации, известный как наивный классификатор Коши-Байеса, который широко применяют в области классификации простейших элементов изображений (Распознавание эмоций с использованием наивного классификатора Коши-Байеса, Протоколы IEEE по распознаванию образов и машинному интеллекту 18(6): 636-642, 1996) (Emotion Recognition using a Cauchy Naive Bayes Classifier, IEEE Transactions on Pattern Analysis and Machine Intelligence, 18(6): 636-642, 1996).

Данный способ является итеративным и обеспечивает сходимость к классификации подмножеств, которая является стабильной. После чего каждая из вероятностей Pr(p_o|p_j) зафиксирована значением, которое является высоким, если множества p_o и p_j имеют много общих полетных данных.

Затем анализируемое множество {p(i)}_i∈I обновляют при помощи добавления по меньшей мере одного нового элемента {р(n)}_n∈N полетных данных из по меньшей мере одного множества {p(j)}_j∈J и/или при помощи удаления по меньшей мере одного из его элементов {p(i)}_i∈I полетных данных, в соответствии со значениями вероятности Pr(p_j|p_o) образования пары.

Таким образом, поскольку вероятность образования пары численно выражает подобие между множеством {p(j)}_j∈J и каждым подмножеством, выбранные N полетных данных {р(n)}_n∈N из множества {p(j)}_j∈J могут быть добавлены в множество {p(i)}_i∈I, что даст впоследствии возможность, во время будущих записей этих {p(j)}_j∈I∪J полетных данных, обеспечить указания, дающие эксперту возможность принять решение о том, как поступить с этим подмножеством.

В случае формирования нескольких подмножеств, по окончании вычисления вероятностей, N полетных данных {р(n)}_n∈N добавляют в зависимости от результатов вычисления всех вероятностей.

Обновленное таким образом множество {p(j)}_j∈J полетных данных затем снова записывают во время нового полета, и способ повторяют до тех пор, пока эксперт не сможет принять решение по этому подмножеству.

Добавление новых полетных данных представляет собой определенный вид динамического программирования регистраторов полетных данных, который максимизирует вероятность обнаружения новых событий, а также вероятность обнаружения события задолго до возникновения проблемы или отказа во время полета.

В соответствии с одним из вариантов, каждое подмножество представляют эксперту при помощи графических средств GUI. Затем эксперт может принять решение, является ли это полетное событие заслуживающим рассмотрения. При положительном решении это подмножество сохраняют в базу данных BDD, при этом оно обогащает знания системы этим новым полетным событием. А если он решает, что подмножество является ложной тревогой, то это подмножество больше не рассматривают.

В соответствии с одним из вариантов осуществления настоящего изобретения по меньшей мере один новый элемент {р(n)}_n∈N полетных данных, который добавляют в упомянутое множество {p(i)}_i∈I, поступает из упомянутого множества {p(j)}_j∈J, что максимизирует вероятность образования пары с подмножеством.

В соответствии с одним из вариантов осуществления настоящего изобретения вероятности Pr(p_j|p_o) образования пары записывают и обновляют на каждой итерации способа, при этом упомянутые множества {p(j)}_j∈J, из которых получают упомянутый по меньшей мере один новый элемент {р(n)}_n∈N полетных данных для обновления упомянутого множества {p(i)}_i∈I, выбирают на основе изменения во времени их вероятностей образования пары.

В соответствии с одним из вариантов, обнаружение полетных событий также обновляют, когда обновляют упомянутое множество {p(i)}_i∈I, так что это обнаружение может обнаруживать полетное событие, связанное с упомянутым подмножеством.

Предпочтительно, для проверки модификаций обнаружения событий применяют моделированные полетные данные.

1. Способ анализа, устройством обработки данных, первого множества полетных данных ({p(i)}_i∈I), которые относятся к функционированию летательного аппарата, когда он находится в полете, и значения ({ν(i)}_i∈I) которых были записаны во время полета упомянутого летательного аппарата, и вторых множеств полетных данных, которые были записаны во время предыдущих полетов летательного аппарата и сохранены в базе данных, причем номинальное значение было ранее записано для каждого элемента полетных данных, при этом полетное событие (E_J,k) обнаруживают, если существует по меньшей мере одно значение ({ν(i)}_i∈I) элемента полетных данных первого множества полетных данных ({p(i)}_i∈I), которое превышает свое номинальное значение, и если этот элемент полетных данных соответствует значению ({ν_k(j)}_j∈J) элемента полетных данных одного из упомянутых вторых множеств полетных данных ({p(j)}_j∈J), записанных ранее,
отличающийся тем, что упомянутое устройство обработки данных выполняет следующие шаги:
- подмножество полетных данных ({p(o)}_o∈O) определяют таким образом, что оно включает по меньшей мере один элемент полетных данных из упомянутого первого множества ({p(i)}_i∈I) и по меньшей мере один элемент полетных данных из одного из упомянутых вторых множеств ({p(j)}_j∈J), по меньшей мере один из которых превышает свое номинальное значение, и так, что имеется корреляция этих полетных данных из упомянутого первого множества ({p(i)}_i∈I) с этими полетными данными из упомянутого второго множества ({p(j)}_j∈J),
- полетное событие (E_J,k) после этого обнаруживают, если существует по меньшей мере одно значение элемента полетных данных из упомянутого подмножества полетных данных ({p(o)}_o∈O), которое превышает свое номинальное значение, и если этот элемент полетных данных соответствует значению ({ν_k(j)}_j∈J) элемента полетных данных одного из упомянутых вторых множеств полетных данных ({p(j)}_j∈J), записанных ранее, и
- если полетное событие не обнаружено из упомянутого подмножества полетных данных,
- значение вероятности (Pr(p_o|p_j)) образования пары между по меньшей мере одним из упомянутых вторых множеств полетных данных ({p(j)}_j∈J) и упомянутым подмножеством полетных данных ({p(o)}_o∈O) связывают с упомянутым подмножеством полетных данных,
- упомянутое первое множество полетных данных ({p(i)}_i∈I) после этого обновляют в соответствии с упомянутым значением вероятности образования пары, связанным с упомянутым подмножеством полетных данных, при этом упомянутое обновление заключается в добавлении по меньшей мере одного нового элемента полетных данных ({р(n)}_n∈N) из по меньшей мере одного из упомянутых вторых множеств полетных данных ({p(j)}_j∈J) в упомянутое первое множество полетных данных и/или удаления по меньшей мере одного элемента полетных данных из первого множества полетных данных ({p(i)}_i∈I).

2. Способ по п.1, в котором упомянутое подмножество представляют эксперту при помощи графического интерфейса, чтобы обеспечить эксперту возможность принятия решения, является ли упомянутое подмножество значимым и должно быть сохранено упомянутым устройством обработки данных, или оно соответствует ложной тревоге и не должно больше рассматриваться.

3. Способ по п.1 или 2, в котором по меньшей мере один новый элемент полетных данных ({р(n)}_n∈N), который добавляют в упомянутое первое множество полетных данных ({p(i)}_i∈I), поступает из множества, находящегося среди упомянутых вторых множеств полетных данных ({p(j)}_j∈J), которое максимизирует вероятность образования пары с упомянутым подмножеством ({p(o)}_o∈O).

4. Способ по п.1 или 2, в котором упомянутое значение или значения вероятности образования пары (Pr(p_j|p_o)) записывают и обновляют на каждой итерации способа, при этом упомянутые вторые множества полетных данных ({p(j)}_j∈J), из которых получают упомянутый по меньшей мере один новый элемент полетных данных
({р(n)}_n∈N) для обновления упомянутого первого множества полетных данных
({p(i)}_i∈I), выбирают с использованием изменения во времени этой вероятности образования пары.

5. Способ по п.1 или 2, в котором упомянутое обнаружение полетных событий обновляют, когда обновляют упомянутое первое множество полетных данных, так что это обнаружение может обнаруживать полетное событие, связанное с упомянутым подмножеством полетных данных.

6. Способ по п.5, в котором моделированные полетные данные используют для проверки упомянутого обновления обнаружения событий.

7. Система для анализа первого множества полетных данных ({p(i)}_i∈I), которые относятся к функционированию летательного аппарата, когда он находится в полете, и значения ({ν(i)}_i∈I) которых были записаны во время полета летательного аппарата, при этом упомянутая система включает базу данных (BDD), в которой сохранены вторые множества полетных данных ({p(j)}_j∈J), записанные во время предыдущих полетов, средства для сохранения номинального значения для каждого элемента полетных данных и средства для обнаружения полетного события (E_J,k), если существует по меньшей мере одно значение ({ν(i)}_i∈I) элемента полетных данных из упомянутого первого множества полетных данных ({p(i)}_i∈I), которое превышает свое номинальное положение, и если этот элемент полетных данных соответствует значению ({ν_k(j)}_j∈J) элемента полетных данных из одного из вторых множеств полетных данных
({p(j)}_j∈J), записанных ранее,
отличающаяся тем, что она также включает:
- средства определения подмножества полетных данных ({p(o)}_o∈O) таким образом, что оно включает по меньшей мере один элемент полетных данных из упомянутого первого множества полетных данных ({p(i)}_i∈I) и по меньшей мере один элемент полетных данных из одного из упомянутых вторых множеств полетных данных
({p(j)}_j∈J), по меньшей мере один из которых превышает свое номинальное значение, и так что имеется корреляция значения ({ν(i)}_i∈I) этих полетных данных из упомянутого первого множества ({p(i)}_i∈I) со значением ({ν_k(j)}_j∈J) этих полетных данных из упомянутого второго множества ({ν_k(j)}_j∈J),
- средства определения и связывания с упомянутым подмножеством полетных данных ({p(o)}_o∈O) значения вероятности (Pr(p_o|p_j)) образования пары между по меньшей мере одним из упомянутых вторых множеств полетных данных ({p(j)}_j∈J) и этим упомянутым подмножеством полетных данных ({p(o)}_o∈O) и
- средства обновления упомянутого первого множества полетных данных
({p(i)}_i∈I), в соответствии с указанным значением вероятности образования пары, причем упомянутое обновление заключается в добавлении по меньшей мере одного нового элемента полетных данных ({р(n)}_n∈N) из по меньшей мере одного из упомянутых вторых множеств полетных данных ({p(j)}_j∈J) в упомянутое первое множество полетных данных и/или удаления по меньшей мере одного из элементов полетных данных из упомянутого первого множества полетных данных ({p(i)}_i∈I).