数据挖掘在人为差错分析中的应用研究

论文摘要

随着航空制造工业技术的提升,航空机械设备发生故障的记录已降到很低的百分点,然而在全球范围内随着航空运输量的剧增,导致航空事故的发生率也达到了近几十年的最高点。国际民航组织及各国民航研究人员,经过十几年的研究,指出当前造成飞行事故频繁出现的最主要原因是由航空管理人员、维修人员和机务人员在日常维修、飞行管理中的人为过失、错误所导致的,在航空领域称为人为差错。本文以人为差错为研究对象,结合航空公司对现有差错的定义和分类,构建出航空领域中的人为差错分类模型,然后将所定义的差错模型以基本差错类型为底事件,事故发生为顶事件,其他差错类为中间事件,应用逻辑门将各个差错连接成故障树形式,从而转换为故障树模型;接着应用故障树分析方法,对人为差错进行定性和定量分析,定性分析的目的是找出故障发生的模型,为检验关联规则挖掘结果的正确性提供标准,定量分析的目的是计算差错重要度和差错发生概率两个指标;最后应用数据挖掘中的多层关联规则技术,选取MLAR-FP算法对差错进行分析,同时在候选项集的选取过程中将故障树定量分析得到的差错重要度和差错发生概率两个指标引入其中,目的是减小候选项集数目和达到不同层次差错关联性大小的比较,以此来发现各差错之间的内部关联。从而能为航空管理者提供人为差错发生的内部机理,为定制更完善的日常维修、飞行准则提供理论帮助。本文所取得成果是:（1）构建了航空维修领域的人为差错模型;通过差错模型,不但能将人为差错分成几个大类,同时还能描述出各分类中的基本差错;（2）将差错重要度引进多层关联规则的分析中;其优点是在候选项集的剪枝过程中,可以更大限度的剪去非频繁项集,同时能分析出所得规则的可信度。本文创新处在于,应用故障树分析的结果对人为差错进一步分析,优点是不但能发现显著差错因素还能发现隐藏差错因素,同时应用多层关联规则技术,并结合故障树的分层模型,挖掘出不同层次差错之间的内部联系。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景
• 1.2 研究的目的和意义
• 1.3 国内外研究现状
• 1.4 论文结构
• 第二章 人为差错理论
• 2.1 人为因素
• 2.1.1 人为因素的背景和定义
• 2.1.2 航空领域对人为因素的需求
• 2.2 人为差错
• 2.2.1 人为差错理论模型
• 2.2.2 维修中人为差错类型模型
• 2.2.3 人为差错中的分析方法
• 2.3 故障树分析方法
• 2.3.1 基本概念
• 2.3.2 故障树分析法的特点
• 2.3.3 故障树分析步骤
• 2.4 本章小结
• 第三章 人为差错的故障树分析
• 3.1 构建空管维修中的人为差错故障树
• 3.1.1 定义差错数据
• 3.1.2 逻辑门的定义与选取
• 3.1.3 构建差错故障树
• 3.2 对差错故障树的定性分析
• 3.2.1 概念描述
• 3.2.2 BICS 算法
• 3.2.3 计算最小割集
• 3.3 对差错故障树的定量分析
• 3.3.1 基本概念
• 3.3.2 用最小割集表示的结构函数求顶事件发生概率
• 3.3.3 事件重要度计算
• 3.4 故障树分析结果
• 3.5 本章小结
• 第四章 多层关联规则在人为差错分析中的应用
• 4.1 关联规则
• 4.1.1 关联规则的定义
• 4.1.2 多层关联规则
• 4.1.3 人为差错树的多层关联规则描述
• 4.2 算法描述
• 4.2.1 算法的基本思想
• 4.2.2 算法描述
• 4.3 应用分析
• 4.3.1 实验相关数据
• 4.3.2 规则的挖掘步骤
• 4.3.3 结果分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文做的工作
• 5.2 进一步的问题探讨
• 参考文献
• 发表论文和科研情况说明
• 致谢