杨 慧，张国振

中国民航大学 计算机科学与技术学院，天津 300300

1 前言

QAR数据是对飞机飞行状态和性能参数的记录，是检修人员进行飞机维护，专家确定飞机故障的重要依据。根据故障模型对QAR数据库进行相似性搜索和匹配，可以有效地发现该类故障，并确定故障点，故障模型由专家通过专业知识和经验来建立。此外也可以根据专家给出的正常模型，对数据库进行搜索，找出与之不相似的序列，然后供专家进一步确定故障，为民航的安全飞行提供决策支持和保障。Yang K，Shahabi C[1]认为多元时间序列的多个参数之间存在一定的关联，这些参数应该作为一个整体看待而不应该割裂开来。考虑到QAR数据具有数据量大，维度高的特点，特别地针对飞机故障通常不是由单一因素造成的，不同飞机故障受各维度的影响程度不同，并且维与维之间存在着难以确定的联系，本文引入层次分析法（Analytic Hierarchy Process，AHP）来确定与指定故障类型有关的维度及其重要度。该方法通过建立系统的递阶层次，构造判断矩阵，将决策过程量化，并通过一致性检验对偏差进行调整。Lee S，Chun S，Kim D[2]把多维时间序列看成多维空间中的一条曲线，然后计算查询曲线与待查曲线之间的距离。但该方法只能体现序列间的整体关系，而不能体现局部变化。飞机发生故障表现在QAR数据上主要是数值的波动和变化情况，飞机故障关注局部的变化而且对数值敏感。因此本文采用波形与距离相结合的度量方法，先对多维子序列进行符号化表示，然后利用符号序列作为特征值，建立基于形状的k-d树[3]作为多维子序列的索引。……