孔祥芬，张利寒 ，刘敬赟，王 杰

(中国民航大学航空工程学院，天津 300300)

0 引言

近年来，随着航空公司机队规模的迅速增加[1]，以及民航“一二三三四”的总体发展思路和“民航高质量发展”的战略需求，对航空维修提出了更高质量的精细化深度维修要求[2]。而航空维修数据的积累以及数据挖掘技术的迅速发展[3]，为飞机深度维修奠定了重要基础。整体驱动发电机(Integrated Drive Generator, IDG)作为供电系统的主要电源[4]，结构复杂且先验故障知识难以获得，维修人员难以通过传统方法得到精确的维修结论。因此，从数据挖掘角度出发，对航空维修数据进行关联分析，是提升飞机故障分析能力和深度维修能力的重要保障[5]。

目前学者们已在数据挖掘分析方面做了大量研究，在故障诊断方面，Thukaram D[6]和Jing C[7]等利用支持向量机、主成分分析和神经网络等方法提升了工业过程中的故障分类精度问题；Zhao Y[8]等利用特征提取与贝叶斯网络相结合的方法提升了铁路车载设备的故障诊断效率。在可靠性预测方面，胡丽娟等[9]利用主成分分析与并行关联规则挖掘技术有效预测了配电网的运行可靠性；蔡复青等[10]利用数据挖掘技术分析航空装备日常维修数据，有效预测实战或训练环境下的飞机使用可靠性。在算法挖掘方面，Gunay H B[11]、Buddhakulsomsiri J等[12]利用实际数据提出新的文本挖掘和IF-THEN关联规则挖掘算法，能有效确定故障模式及原因；Sene A等[13]利用关联规则方法创建机上远程医疗信息体系，能有效解决远程医疗资源限制的问题；……