基于截断p-shrinkage范数的航空发动机数据重构

针对航空发动机传感器的数据缺失问题,提出基于张量奇异值阈值(TSVT)的张量重构模型LRTC-PTNN,对航空发动机的传感器数据进行重构。LRTC-PTNN模型运用截断pshrinkage范数的方式代替原始张量迹范数作为张量秩的凸包络,并根据TSVT的特性,计算了传感器之间的相关性,选取传感器截面作为重构精度最佳的数据输入方向,使用交替乘子法实现LRTCPTNN算法。选取NASA提供的PHM2008数据集进行实验,对数据集进行标准化,并在重构后进行恢复,将多个时间序列个数相近的发动机传感器数据构建为高维张量的形式,设置2种传感器的数据缺失场景进行实验,结果表明：重构后数据的均方根误差和平均绝对百分比误差范围分别为2.10～13.13和0.32～1.49,LRTC-PTNN模型优于现有的基线模型,且在极端情况下有较强的鲁棒性。     

考虑误差不确定性的航空安全预测新方法

航空安全精确预测对预防事故意义重大。目前航空安全预测主要是确定性预测，忽略了各类不确定性对预测影响。在确定性预测基础上，考虑误差不确定性开展航空安全预测，通过非参数方法获得航空安全预测误差不确定性描述，基于最高密度域求解一定可靠程度航空安全预测值最可能落入区间，量化不确定性引起航空安全预测结果的变动，从而确定该区间包含航空安全预测值的可靠程度，更好地认识被预测量在未来变化中可能存在的不确定性和面临的风险。以某航空公司1994—2015年航空安全数据为例，采用所提方法对航空安全开展预测，结果表明，所提方法能提供航空安全预测值及其更精确的不确定性变化范围，更有利于从不确定性角度对航空安全进行分析，解释航空安全预测结果的可能性水平，能为航空安全预警和管理提供理论依据。