BR102012023565B1 - método e sistema para detecção de anomalia estrutural de veículo baseada em modelo em tempo real e método para aliviar uma anomalia estrutural - Google Patents

método e sistema para detecção de anomalia estrutural de veículo baseada em modelo em tempo real e método para aliviar uma anomalia estrutural Download PDF

Info

Publication number
BR102012023565B1
BR102012023565B1 BR102012023565-0A BR102012023565A BR102012023565B1 BR 102012023565 B1 BR102012023565 B1 BR 102012023565B1 BR 102012023565 A BR102012023565 A BR 102012023565A BR 102012023565 B1 BR102012023565 B1 BR 102012023565B1
Authority
BR
Brazil
Prior art keywords
anomaly
structural
vehicle
real
error signal
Prior art date
Application number
BR102012023565-0A
Other languages
English (en)
Other versions
BR102012023565A2 (pt
Inventor
Timothy A. Smith
James M. Urnes, Sr.
Eric Y. Reichenbach
Original Assignee
The Boeing Company
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by The Boeing Company filed Critical The Boeing Company
Publication of BR102012023565A2 publication Critical patent/BR102012023565A2/pt
Publication of BR102012023565B1 publication Critical patent/BR102012023565B1/pt

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B64AIRCRAFT; AVIATION; COSMONAUTICS
    • B64DEQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00Aircraft indicators or protectors not otherwise provided for
    • B64D2045/0085Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

MÉTODO PARA DETECÇÃO DE ANOMALIA ESTRUTURAL BASEADA EM MODELO EM TEMPO REAL. A presente invenção refere-se a um sistema e métodos para detecção de anomalia estrutural de veículo baseada em modelo em tempo real que são relevados. Uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo é recebida, e a medição em tempo real é comparada a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem. Uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro é calculada, e uma persistência da significância de erro é determidada. Uma anomalia estrutural é indicada, se a persistência exceder um valor limiar de persistência.

Description

MÉTODO E SISTEMA PARA DETECÇÃO DE ANOMALIA ESTRUTURAL DE VEÍCULO BASEADA EM MODELO EM TEMPO REAL E MÉTODO PARA ALIVIAR UMA ANOMALIA ESTRUTURAL Campo
[001] Modalidades da presente revelação dizem respeito de uma maneira geral a detecção de anomalia estrutural. Mais particularmente, modalidades da presente revelação dizem respeito a detecção de anomalia estrutural em tempo real.
Antecedentes
[002] Estruturas de veículos ou de aviões tipicamente são submetidas a uma variedade de forças exógenas por todas as suas vidas operacionais; tanto forças operacionais esperadas quanto forças inesperadas. Saúde operacional de tais estruturas pode ser afetada adversamente por uma resposta estrutural anômala para as forças operacionais e forças inesperadas. Forças operacionais tais como mudanças em carregamento aerodinâmico e forças inesperadas tais como rajadas de vento podem resultar em condições estruturais não ideais.
Sumário
[003] Um sistema e métodos para detecção de anomalia estrutural de veículo baseada em modelo em tempo real estão revelados. Uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo é recebida, e a medição em tempo real é comparada a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem. Uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro é calculada, e uma persistência da significância de erro é determinada. Uma anomalia estrutural é indicada se a persistência exceder um valor limiar de persistência.
[004] Desta maneira, um modelo nominal de um comportamento estrutural do veículo é comparado com uma resposta detectada. Uma análise estatística de erros de modelagem fornece indicação de comportamento estrutural anômalo; indicando a anomalia estrutural para a estrutura de veículo. Um mecanismo de controle pode ser ativado para compensar a anomalia estrutural em resposta à indicação da anomalia estrutural. Assim, vida estrutural do veículo é prolongada e tempo entre eventos de manutenção é estendido.
[005] Em uma modalidade, um método para detecção de anomalia estrutural de veículo baseada em modelo em tempo real recebe uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo. O método compara adicionalmente a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem, e calcula uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro. O método determina adicionalmente uma persistência da significância de erro, e indica uma anomalia estrutural, se a persistência exceder um valor limiar de persistência.
[006] Em uma outra modalidade, um sistema de detecção de anomalia estrutural baseado em modelo em tempo real compreende um módulo de detecção de anomalia estrutural e um módulo de mitigação de anomalia. O módulo de detecção de anomalia estrutural é operável para receber uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo, e comparar a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem. O módulo de detecção de anomalia estrutural é operável adicionalmente para calcular uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro, e determinar uma persistência da significância de erro. O módulo de detecção de anomalia estrutural é operável adicionalmente para indicar uma anomalia estrutural, se a persistência exceder um valor limiar de persistência. O módulo de mitigação de anomalia é operável para ativar um mecanismo de controle para compensar a anomalia estrutural, se a anomalia estrutural for indicada.
[007] Também em uma outra modalidade, um método para aliviar uma anomalia estrutural obtém um sinal de erro de modelagem de uma estrutura, e avalia uma probabilidade de que o sinal de erro de modelagem está significativamente distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) para fornecer uma significância de erro. O método introduz adicionalmente um sinal de unidade em um filtro de primeira ordem quando a significância de erro cai para abaixo de um valor limiar de Pfa, e indica uma condição de anomalia estrutural quando uma saída do filtro de primeira ordem está suficientemente próxima de um.
[008] De acordo com um aspecto da presente revelação é fornecido um método para detecção de anomalia estrutural de veículo baseada em modelo em tempo real, compreendendo: receber uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo; comparar a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem; calcular uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro; determinar uma persistência da significância de erro; e indicar uma anomalia estrutural, se a persistência exceder um valor limiar de persistência.
[009] Vantajosamente a etapa de calcular a significância estatística do sinal de erro de modelagem compreende adicionalmente: estimar de modo repetitivo uma média estimada e uma variância estimada do sinal de erro de modelagem para determinar se o sinal de erro de modelagem confirma indicação da anomalia estrutural; e avaliar uma probabilidade de que o sinal de erro de modelagem está significativamente distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) do sinal de erro de modelagem com base na média estimada e na variância estimada para fornecer a significância de erro.
[0010] Vantajosamente a etapa de determinar a persistência da significância de erro compreende adicionalmente: introduzir um sinal de unidade em um filtro de primeira ordem quando a significância de erro cai para abaixo de um valor limiar de Pfa; comparar uma saída do filtro de primeira ordem a um valor próximo a um; e indicar uma condição de anomalia estrutural quando a saída do filtro de primeira ordem está suficientemente próxima de um, em que a persistência é alta.
[0011] Preferivelmente, o valor limiar de Pfa e uma constante de tempo de filtro do filtro de primeira ordem são parâmetros ajustáveis que dependem de uma qualidade do sinal de erro de modelagem e tolerância para indicações de falsos positivos.
[0012] Vantajosamente o método compreende adicionalmente ativar um mecanismo de controle para compensar a anomalia estrutural, se a anomalia estrutural for indicada.
[0013] Preferivelmente, a etapa de ativar o mecanismo de controle compreende pelo menos um elemento selecionado do grupo consistindo de: um acionamento de superfície de controle, um acionamento de superfície de sustentação, um acionamento de controle de fluxo, acionamento de ligas com memória de forma, acionamento por meio de materiais estruturais ativos e uma alteração de potência propulsiva.
[0014] Vantajosamente o método compreende adicionalmente instalar uma pluralidade de sensores de medição na estrutura de veículo operáveis para efetuar a medição em tempo real.
[0015] Vantajosamente o método compreende adicionalmente: ler um sinal de sensor durante uma operação saudável do veículo; e formular uma resposta de sinal de assinatura esperada para uma operação saudável do veículo com base no sinal de sensor para fornecer os dados de operação esperados.
[0016] Vantajosamente o método compreende adicionalmente coletar um sinal de sensor representativo durante operação adicional do veículo em uma base periódica para obter a medição em tempo real.
[0017] Vantajosamente a anomalia estrutural compreende pelo menos um elemento selecionado do grupo consistindo de: uma operação em voo, uma tensão proveniente de cisalhamento de vento em uma superfície de sustentação, uma tensão proveniente de um impacto de fragmentos em uma superfície de sustentação, uma tensão proveniente de uma rajada de vento em uma superfície de sustentação, uma vibração em uma asa, uma tremulação em uma asa, uma flexão de fuselagem, um curvamento excessivo da fuselagem, uma anomalia de sistema de propulsão, um deslocamento linear excessivo, um deslocamento angular excessivo, uma fadiga estrutural, uma anomalia de superfície de controle e uma anomalia de superfície de sustentação.
[0018] De acordo com um aspecto adicional da presente revelação é fornecido um sistema de detecção de anomalia estrutural baseado em modelo em tempo real, compreendendo: um módulo de detecção de anomalia estrutural operável para: receber uma medição em tempo real correspondendo a uma localização em uma estrutura de veículo durante uma operação do veículo; comparar a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem; calcular uma significância estatística do sinal de erro de modelagem para fornecer uma significância de erro; determinar uma persistência da significância de erro se a significância de erro estiver abaixo de um valor limiar de Pfa selecionado; e indicar uma anomalia estrutural, se a persistência exceder um valor limiar de persistência; e um módulo de mitigação de anomalia operável para ativar um mecanismo de controle para compensar a anomalia estrutural, se a anomalia estrutural for indicada.
[0019] Vantajosamente o sistema compreende adicionalmente: um estimador de média/variância operável para estimar de modo repetitivo uma média estimada e uma variância estimada do sinal de erro de modelagem; um módulo de função de erro operável para avaliar uma probabilidade de que o sinal de erro de modelagem está significativamente distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) do sinal de erro de modelagem com base na média estimada e na variância estimada para obter a significância de erro; e um suavizador compreendendo um filtro de primeira ordem e operável para declarar uma condição de anomalia quando uma saída do filtro de primeira ordem está suficientemente próxima de um indicando que a significância de erro está persistentemente alta.
[0020] Preferivelmente, o filtro de primeira ordem compreende o valor limiar de Pfa selecionado e uma constante de tempo de filtro que são parâmetros ajustáveis com base em qualidade do sinal de erro de modelagem e tolerância para indicações de falsos positivos.
[0021] Vantajosamente o veículo é um avião e a etapa de ativar o mecanismo de controle compreende pelo menos um elemento selecionado do grupo consistindo de: um acionamento de superfície de controle, um acionamento de superfície de sustentação, um acionamento de controle de fluxo, acionamento de ligas com memória de forma, acionamento por meio de materiais estruturais ativos e uma alteração de potência propulsiva.
[0022] Vantajosamente o sistema compreende adicionalmente um módulo de formulação de modelo de estrutura saudável operável para: ler um sinal de sensor durante uma operação saudável do veículo; armazenar o sinal de sensor em uma memória; formular uma resposta de sinal de assinatura esperada para uma operação saudável do veículo com base no sinal de sensor para obter os dados de operação esperados; e fornecer os dados de operação esperados para o módulo de detecção de anomalia estrutural.
[0023] Vantajosamente o sistema compreende um módulo de medição em tempo real operável para: medir um sinal de sensor representativo durante operação adicional do veículo em uma base periódica para obter a medição em tempo real; e fornecer a medição em tempo real para o módulo de detecção de anomalia estrutural.
[0024] Vantajosamente o sistema compreende uma pluralidade de sensores compreendendo pelo menos um elemento selecionado do grupo consistindo de: um sensor de deformação, um sensor de vibração, um sensor de ruído, um sensor de temperatura e um sensor ótico.
[0025] Vantajosamente a anomalia estrutural compreende pelo menos um elemento selecionado do grupo consistindo de: uma operação em voo, uma tensão proveniente de cisalhamento de vento em uma superfície de sustentação, uma tensão proveniente de um impacto de fragmentos em uma superfície de sustentação, uma tensão proveniente de uma rajada de vento em uma superfície de sustentação, uma vibração em uma asa, uma tremulação em uma asa, uma flexão de fuselagem, um curvamento excessivo de uma fuselagem, uma anomalia de sistema de propulsão, um deslocamento linear excessivo, um deslocamento angular excessivo, uma fadiga estrutural, uma anomalia de superfície de controle e uma anomalia de superfície de sustentação.
[0026] De acordo também com um aspecto adicional da presente revelação é fornecido um método para aliviar uma anomalia estrutural, compreendendo: obter um sinal de erro de modelagem de uma estrutura; avaliar uma probabilidade de que o sinal de erro de modelagem está significativamente distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) para fornecer uma significância de erro; introduzir um sinal de unidade em um filtro de primeira ordem quando a significância de erro cai para abaixo de um valor limiar de Pfa; e indicar uma condição de anomalia estrutural quando uma saída do filtro de primeira ordem está suficientemente próxima de um.
[0027] Vantajosamente o método compreende ativar um mecanismo de controle para compensar a condição de anomalia estrutural, se a condição de anomalia estrutural for indicada.
[0028] Este sumário é fornecido para introduzir uma seleção de conceitos em uma forma simplificada, os quais são descritos adicionalmente a seguir na descrição detalhada. Este sumário não é pretendido para identificar recursos chaves ou recursos essenciais da matéria em questão reivindicada, nem é pretendido para ser usado como uma ajuda na determinação de escopo da matéria em questão reivindicada.
Descrição Resumida dos Desenhos
[0029] Um entendimento mais completo de modalidades da presente revelação pode ser derivado ao se referir à descrição detalhada e reivindicações quando consideradas em combinação com as figuras seguintes, em que números de referência iguais se referem a elementos similares por todas as figuras. As figuras são fornecidas para facilitar entendimento da revelação sem limitar a extensão, escopo, escala ou aplicabilidade da revelação. Os desenhos não estão necessariamente feitos em escala.
[0030] A figura 1 é uma ilustração de um fluxograma de uma produção de avião e metodologia de serviços exemplares.
[0031] A figura 2 é uma ilustração de um diagrama de blocos exemplar de um avião.
[0032] A figura 3 é uma ilustração de um avião exemplar mostrando um sistema de detecção de anomalia estrutural de acordo com uma modalidade da revelação.
[0033] A figura 4 é uma ilustração de um diagrama de blocos funcionais exemplar de um sistema de detecção de anomalia estrutural de acordo com uma modalidade da revelação.
[0034] A figura 5 é uma ilustração de um diagrama de blocos funcionais exemplar de um módulo de detecção de anomalia estrutural de acordo com uma modalidade da revelação.
[0035] A figura 6 é uma ilustração de um gráfico exemplar mostrando uma função de densidade de probabilidade (pdf) gaussiana mostrando uma função de erro (erf) versus um sinal de erro de modelagem de acordo com uma modalidade da revelação.
[0036] A figura 7 é uma ilustração de um diagrama de blocos funcionais exemplar de um suavizador de acordo com uma modalidade da revelação.
[0037] A figura 8 é uma ilustração de um fluxograma exemplar mostrando um processo de detecção de anomalia estrutural de veículo baseado em modelo de acordo com uma modalidade da revelação.
[0038] A figura 9 é uma ilustração de um fluxograma exemplar mostrando um processo para aliviar uma anomalia estrutural de acordo com uma modalidade da revelação.
Descrição Detalhada
[0039] A descrição detalhada a seguir é exemplar em natureza e não é pretendida para limitar a revelação ou a aplicação e usos das modalidades da revelação. Descrições de técnicas, aplicações e dispositivos específicos são fornecidas somente como exemplos. Modificações para os exemplos descritos neste documento estarão prontamente aparentes para as pessoas de conhecimento comum na técnica, e os princípios gerais definidos neste documento podem ser aplicados a outros exemplos e aplicações sem divergir do espírito e escopo da revelação. Deve ser concedido à presente revelação escopo consistente com as reivindicações, e não limitado aos exemplos descritos e mostrados neste documento.
[0040] Modalidades da revelação podem estar descritas neste documento em termos de componentes de blocos funcionais e/ou lógicos e várias etapas de processamento. Deve ser percebido que tais componentes de blocos podem ser concretizados por meio de qualquer número de componentes de hardware, software e/ou de firmware configurados para executar as funções especificadas. Para efeito de brevidade, técnicas e componentes convencionais relacionados com leis de controle, sistemas de controle, técnicas de medição, sensores de medição, medidores de deformações, transmissão de dados, sinalização, controle de rede e outros aspectos funcionais dos sistemas (e os componentes de operação individuais dos sistemas) podem não estar descritos detalhadamente neste documento. Além do mais, os versados na técnica compreenderão que modalidades da presente revelação podem ser praticadas em combinação com uma variedade de hardwares e softwares, e que as modalidades descritas neste documento são meramente modalidades de exemplo da revelação.
[0041] Modalidades da revelação estão descritas neste documento no contexto de uma aplicação prática não limitativa, isto é, detecção de anomalia em uma estrutura de avião. Modalidades da revelação, entretanto, não estão limitadas a tal estrutura de avião, e as técnicas descritas neste documento também pode ser utilizadas em outras aplicações. Por exemplo, mas sem limitação, modalidades podem ser aplicáveis a veículos tripulados e não tripulados terrestres, aéreos, marítimos e submersos, edifícios, moinhos de vento e outros mais.
[0042] Tal como estaria aparente para uma pessoa de conhecimento comum na técnica após ler esta descrição, o exposto a seguir são exemplos e modalidades da revelação e não estão limitados para operar de acordo com estes exemplos. Outras modalidades podem ser utilizadas e mudanças estruturais podem ser feitas sem divergir do escopo das modalidades exemplares da presente revelação.
[0043] Referindo-se mais particularmente aos desenhos, modalidades da revelação podem estar descritas no contexto de um método de fabricação e serviços de avião 100 (método 100) tal como mostrado na figura 1 e de um avião 200 tal como mostrado na figura 2. Durante pré-produção, o método exemplar 100 pode incluir a especificação e projeto 104 do avião 200 e a obtenção de material 106. Durante produção, a fabricação de componentes e submontagem 108 e a integração de sistema 110 do avião 200 acontecem. Em seguida, o avião 200 pode passar pela certificação e entrega 112 a fim de ser colocado em serviço 114. Enquanto em serviço em um cliente, o avião 200 é programado para a manutenção e serviços de rotina 116 (que também pode incluir modificação, reconfiguração, restauração e assim por diante).
[0044] Cada um dos processos do método 100 pode ser executado por um integrador de sistema, uma entidade externa e/ou um operador (por exemplo, um cliente). Para os propósitos desta descrição, um integrador de sistema pode incluir sem limitação qualquer número de fabricantes de aviões e subcontratantes de sistemas principais; uma entidade externa pode incluir sem limitação qualquer número de vendedores, subcontratantes e fornecedores; e um operador pode ser sem limitação uma companhia de aviação, empresa de leasing, entidade militar, organização de serviços e outros mais.
[0045] Tal como mostrado na figura 2, o avião 200 produzido por meio do método exemplar 100 pode incluir uma estrutura de avião 218 com uma pluralidade dos sistemas 220 e um interior 222. Exemplos dos sistemas de alto nível 220 incluem um ou mais de um sistema de propulsão 224, um sistema elétrico 226, um sistema hidráulico 228, um sistema ambiental 230 e um sistema de detecção de anomalia estrutural 232. Qualquer número de outros sistemas também pode ser incluído. Embora um exemplo aeroespacial esteja mostrado, as modalidades da revelação podem ser aplicadas a outras indústrias.
[0046] Aparelho e métodos incorporados neste documento podem ser empregados durante qualquer um ou mais dos estágios do método de produção e serviços 100. Por exemplo, componentes ou submontagens correspondendo ao processo de produção 108 podem ser construídos ou fabricados em um modo similar ao dos componentes ou submontagens produzidos enquanto o avião 200 está em serviço. Além do mais, uma ou mais modalidades de aparelho, modalidades de método ou de uma combinação das mesmas podem ser utilizadas durante os estágios de produção 108 e 110, por exemplo, ao substancialmente acelerar montagem ou reduzir o custo de um avião 200. De forma similar, uma ou mais de as modalidades de aparelho, modalidades de método ou de uma combinação das mesmas podem ser utilizadas enquanto o avião 200 está em serviço, por exemplo, e sem limitação, para a manutenção e serviços 116.
[0047] Sistemas de acionamento suplementares podem ser usados para detectar anomalias de uma estrutura. Em contraste, modalidades da revelação exigem como entrada um modelo saudável do comportamento estrutural de avião como uma função de condição de voo e estado de avião. A indicação de anomalia estrutural pode ser acoplada com dados estruturais medidos em controles de voo para limitar manobras de uma estrutura de avião não ideal dentro de um envoltório que mantém cargas estruturais para o avião em níveis seguros.
[0048] Modalidades da revelação fornecem um sistema e métodos para detectar anomalia estrutural em tempo real de uma estrutura tal como um avião durante voo. Detecção de anomalia em voo pode permitir emprego de controles de voo que mitiguem efeitos de anomalia estrutural, impedindo mais propagação de anomalia que pode resultar em reparo extensivo do avião. Uma indicação de anomalia estrutural também pode fornecer informação para equipes de manutenção ao indicar uma necessidade de avaliação estrutural do avião no solo. Esta informação pode alongar um intervalo exigido entre avaliações estruturais no solo, e assim reduzir custo.
[0049] A expressão tempo real se refere a um sinal que está sendo enviado e recebido continuamente, com pouco ou nenhum tempo de atraso. A expressão quase em tempo real se refere a um sinal em tempo real substancialmente sem tempo de atraso significativo. O tempo de atraso pode ser um atraso introduzido, por exemplo, mas sem limitação, por processamento de dados automatizado ou transmissão de rede, entre ocorrências de um evento, e outros mais. Neste documento, a expressão tempo real se refere tanto a tempo real quanto a quase em tempo real.
[0050] A figura 3 é uma ilustração de um avião exemplar 300 compreendendo um sistema de detecção de anomalia estrutural 336 (sistema 336) para detectar anomalia estrutural do avião 300 em tempo real de acordo com uma modalidade da revelação. O avião 300 pode compreender o sistema de detecção de anomalia estrutural 336, uma pluralidade de superfícies de controle e uma pluralidade de superfícies de sustentação, e uma pluralidade de unidades de medição (MUs).
[0051] O sistema de detecção de anomalia estrutural 336 é operável para detectar anomalia estrutural do avião 300 durante voo tal como explicado com mais detalhes a seguir. Tal como mencionado anteriormente, detecção de anomalia em voo pode permitir emprego do controles de voo que mitiguem efeitos da anomalia estrutural, impedindo mais propagação de anomalia que pode resultar em reparo extensivo do avião 300.
[0052] Por exemplo, o sistema 336 pode ativar as superfícies de controle e as superfícies de sustentação em tempo real para compensar a anomalia estrutural. Alternativamente, em outras modalidades, o sistema 336 pode mitigar efeitos da anomalia estrutural por meio de ativação, por exemplo, mas sem limitação, de sistemas de propulsão, controle de fluxo ativo, ligas de metal modeladas ou outros materiais estruturais ativos que expandam ou contraiam como uma função de um sinal de controle, uma combinação dos mesmos, ou outro mecanismo de ativação.
[0053] As superfícies de controle podem compreender, por exemplo, mas sem limitação, uma porta de trem de pouso (não mostrada), uma superfície de controle de voo tal como uma parte de superfície de bordo de ataque (slat) 306, um aileron 308, uma cauda 314, um leme 316, um elevador 318, um flap 344, um redutor de velocidade 338, ou outra superfície de controle. As superfícies de sustentação podem compreender, por exemplo, mas sem limitação, uma fuselagem 302, uma asa 304, um canar (não mostrado), um estabilizador horizontal 310, ou outra superfície de sustentação.
[0054] A anomalia estrutural pode compreender, por exemplo, mas sem limitação, uma operação em voo, uma tensão proveniente de cisalhamento de vento em uma superfície de sustentação tal como a fuselagem 302, uma tensão proveniente de um impacto de fragmentos em uma superfície de sustentação tal como o estabilizador horizontal 310, uma tensão proveniente de uma rajada de vento em uma superfície de sustentação tal como a asa 304, uma vibração ou tremulação na asa 304, uma flexão de fuselagem tal como flexão na fuselagem 302, um curvamento excessivo da fuselagem 302, uma anomalia de sistema de propulsão tal como uma anomalia no sistema de propulsão 320 (motor 320), um deslocamento linear excessivo, um deslocamento angular excessivo, uma fadiga estrutural, uma anomalia de superfície de controle, uma anomalia de superfície de sustentação tal como uma anomalia da asa pequena 346, ou outra anomalia estrutural.
[0055] O sistema 336 coleta dados das unidades de medição (MUs). Em uma modalidade as MUs compreendem, pontes/medidores ou transdutores de deformação localizados em vários pontos de medição de interesse no avião 300. Alternativamente, as MUs podem compreender unidades de medição inercial ("IMUs") localizadas em vários pontos de medição de interesse no avião 300. Entretanto, as pontes/medidores de deformação podem fornecer respostas de medições mais precisas do que as IMUs.
[0056] O sistema 336 também coleta dados de uma MU de referência, a qual preferivelmente fica localizada na fuselagem 302. A MU de referência é tratada como um ponto de referência fixo que não está sujeito a torção, dobramento ou deslocamento durante voo. A MU fornece uma medida de mudança de ângulo e de velocidade durante um pequeno período de tempo. Na prática, o sistema 336 pode medir torção em tempo real em relação à MU de referência, mas também pode computar a torção entre MUs de medição em vários pontos de medição.
[0057] As MUs são instaladas no avião 300 para fornecer dados de torção e deflexão de asa/cauda/fuselagem em voo para um sistema de controle de voo (não mostrado). As MUs mostradas na figura 3 de uma maneira geral podem compreender, por exemplo, mas sem limitação, uma IMU de navegação de referência 326 acoplada ao módulo de processamento 410, uma pluralidade das MUs de navegação de medição 324/328/330/332/334 acopladas ao módulo de processamento 410, e um receptor GPS (não mostrado) acoplado ao sistema 336. Uma modalidade prática pode compreender, por exemplo, mas sem limitação, qualquer número de unidades de medição MUs ou sensores localizados por todo o avião 300, e a localização de tais unidades de medição MUs não necessita estar restringida às localizações mostradas na figura 3.
[0058] Na modalidade apresentada na figura 3 está mostrado um avião comercial. Estará prontamente aparente para as pessoas de conhecimento comum na técnica que a modalidade mostrada na figura 3 pode ter aplicação ou ser adaptada para estruturas não tradicionais tais como, mas sem limitação, veículos de alta resistência para grandes altitudes cuja estrutura total pode ser uma superfície de sustentação controlável altamente flexível, ou outro veículo.
[0059] A figura 4 é uma ilustração de um diagrama de blocos funcionais exemplar de um sistema de detecção de anomalia estrutural baseado em modelo em tempo real 400 (sistema 400, 336 na figura 3) adequado para detectar anomalia estrutural e operar um ou mais mecanismos de controle em tempo real para compensar a anomalia estrutural detectada. Os vários blocos, módulos, lógica de processamento e circuitos ilustrativos descritos em conexão com o sistema 400 podem ser implementados ou executados com um processador de uso geral, uma memória endereçável por conteúdo, um processador de sinal digital, um circuito integrado de aplicação específica, uma matriz de portas programáveis em campo, qualquer dispositivo lógico, de porta distinta ou de lógica de transistor programável adequado, componentes de hardware distintos, ou qualquer combinação dos mesmos, projetados para executar as funções descritas neste documento.
[0060] Um processador pode ser concretizado como um microprocessador, um controlador, um microcontrolador, uma máquina de estados e outros mais. Um processador também pode ser implementado como uma combinação de dispositivos de computação, por exemplo, uma combinação de um processador de sinal digital e um microprocessador, uma pluralidade de microprocessadores, um ou mais microprocessadores em combinação com um núcleo processador de sinal digital, ou qualquer outra tal configuração.
[0061] O sistema 400 pode compreender, por exemplo, mas sem limitação, uma área de trabalho, um laptop ou notebook, um dispositivo de computação portátil (PDA, telefone celular, computador de mão, etc.), um computador de grande porte, um servidor, um cliente, ou qualquer outro tipo de dispositivo de computação de uso especial ou geral tal como pode ser desejável ou apropriado para uma dada aplicação ou ambiente. O sistema 400 de uma maneira geral compreende um módulo de detecção de anomalia estrutural 402, um módulo de formulação de modelo de estrutura saudável 404, um módulo de medição em tempo real 406, um módulo de mitigação de anomalia 408 e um módulo de processamento 410. Estes componentes podem ser acoplados e comunicar uns com os outros por meio de um barramento de rede 416.
[0062] O módulo de detecção de anomalia estrutural 402 é configurado para detectar pelo menos uma anomalia na estrutura do avião 300 com base em uma diferença entre uma resposta de avião saudável (resposta esperada) e uma medição em tempo real (resposta medida) em uma dada localização no avião 300 tal como explicado com mais detalhes no contexto da discussão da figura 5.
[0063] O módulo de formulação de modelo de estrutura saudável 404 pode ficar localizado a bordo do avião 300 e é configurado para fornecer a resposta de avião saudável para uma dada condição de voo e estado de avião na dada localização na estrutura do avião 300. A resposta de avião saudável é usada como uma entrada para o módulo de detecção de anomalia estrutural 402. A resposta de avião saudável pode compreender, por exemplo, mas sem limitação, uma resposta de deformação, uma resposta de vibração, uma resposta de tensão, uma resposta de ruído, uma resposta de temperatura, uma resposta ótica e outras mais.
[0064] Adicionalmente, a resposta de avião saudável pode compreender, por exemplo, mas sem limitação, torção nominal e gradientes de torção da cauda para nariz e de ponta de asa para ponta de asa, dobramento de corpo de avião nominal, a MU de navegação de referência 326 para cada unidade de medição MU 324/328-334, solavanco e aceleração de trem de pouso, posições de superfícies de controle desejadas, posições de superfícies de sustentação desejadas com base em condições de voo atuais (por exemplo, velocidade, altitude, Mach), acelerações, solavanco, posições, taxas, dados de estado de navegação e outros mais. Parâmetros de avião associados com estes podem compreender, por exemplo, mas sem limitação, altitude, tipo de avião, modelo, peso e outros mais. Os parâmetros de avião podem ser compilados em tempo real durante um voo e descarregados mais tarde em uma base de dados para serem usados no módulo de formulação de modelo de estrutura saudável 404.
[0065] Em uma modalidade, a resposta de avião saudável é obtida por meio de uma leitura de um sinal de sensor das MUs durante uma operação saudável do avião 300. O sinal de sensor é então armazenado no módulo de memória 414. Uma resposta de sinal de assinatura esperada é então formulada pelo módulo de formulação de modelo de estrutura saudável 404 representando uma operação saudável do avião 300 com base no sinal de sensor fornecendo os dados de operação esperados.
[0066] O módulo de medição em tempo real 406 é configurado para receber medição em tempo real para uma dada condição de voo e um estado do avião 300 na dada localização na estrutura do avião 300.
[0067] A medição em tempo real pode ser obtida por meio das MUs tais como medidores de deformação localizados no avião 300 tal como explicado anteriormente. Em uma modalidade, as MUs medem um sinal de sensor representativo durante várias operações do veículo em uma base periódica para obter a medição em tempo real. A medição em tempo real é usada como uma entrada para o módulo de detecção de anomalia estrutural 402. A medição em tempo real pode ser obtida adicionalmente, por exemplo, mas sem limitação, por meio de um sensor de vibração, um sensor de ruído, um sensor de temperatura, um sensor ótico e de outros mais.
[0068] O módulo de mitigação de anomalia 408 é configurado para ativar um mecanismo de controle em resposta ao módulo de detecção de anomalia estrutural 402 confirmando a anomalia estrutural detectada para compensar a anomalia detectada. A ativação do mecanismo de controle pode compreender ativação de mecanismo de, por exemplo, mas sem limitação, um acionamento de superfície de controle, um acionamento de superfície de sustentação, uma alteração de potência propulsiva, controle de fluxo ativo, acionamento de controle de fluxo, acionamento de ligas com memória de forma ou outros materiais estruturais ativos que expandam ou contraiam como uma função de um sinal de controle, uma combinação dos mesmos e outros mais.
[0069] As superfícies de sustentação (por exemplo, asa, canar, fuselagem) fornecem sustentação como uma função de propulsão de motor, enquanto que as superfícies de controle (por exemplo, ailerons, flaps, leme) podem ser deslocadas por meio de atuadores para controlar a rota de voo de avião, comumente chamado de controle de voo. Adicionalmente, atuadores tais como atuadores de parte externa/estrutura e outros mais também podem ser usados para movimentar as superfícies de sustentação para uma forma mais desejável (por exemplo, combustível eficiente) com base em condições de voo medidas recebidas do módulo de medição em tempo real 406.
[0070] Por exemplo, mas sem limitação, o módulo de mitigação de anomalia 408 é operável para controlar uma posição do flap 344, controlar uma posição da parte de superfície de bordo de ataque (slat) 306, controlar uma posição do redutor de velocidade 338 e posições de controle de outras superfícies de controle, por meio de seus respectivos atuadores. Adicionalmente, uma série de atuadores pode ser alojada dentro da fuselagem 302, da cauda seção 340 e da asa 304 respectivamente, e operar com base em comandos recebidos do módulo de mitigação de anomalia 408. O módulo de mitigação de anomalia 408 recebe dados do módulo de formulação de modelo de estrutura saudável 404 que fornece uma posição desejada das superfícies de controle e superfícies de sustentação adequada para aliviar uma anomalia estrutural tal como uma flexão, deslocamento ou torção da estrutura do avião 300.
[0071] Por exemplo, se o avião 300 receber uma rajada de vento em um lado, o módulo de detecção de anomalia estrutural 402 detecta uma anomalia estrutural na asa 304 e em resposta à mesma o módulo de mitigação de anomalia 408 reage rapidamente para impedir que a tensão se torne muito grande para deformar a asa 304. Como um outro exemplo, se turbulência resultar em vibração ou tremulação, e fizer com que a estrutura do avião 300 entre em uma frequência ressonante, o movimento é detectado pelo módulo de detecção de anomalia estrutural 402. Após o movimento ser detectado, o módulo de mitigação de anomalia 408 gera um comando para o controle de voo para anular a vibração ou tremulação. Em um outro exemplo, o sistema 400 também pode aliviar tensão em pelo menos uma parte de uma fuselagem tal como um curvamento de metade superior de corpo da fuselagem 302.
[0072] Desta maneira, o sistema 400 controla o avião 300 em tempo real em resposta a detectar uma anomalia estrutural em várias condições de voo tais como decolagem, cruzeiro, aproximação e aterrissagem e outra condição de voo, sem uma interação de operador/piloto. Entretanto, em uma modalidade, um operador/piloto adequadamente pode sobrepujar/impedir ação comandada pelo módulo de mitigação de anomalia 408 durante as várias condições de voo.
[0073] O módulo de processamento 410 pode compreender um módulo processador 412 e um módulo de memória 414.
[0074] O módulo processador 412 compreende lógica de processamento que é configurada para executar as funções, técnicas e tarefas de processamento associadas com a operação do sistema 400. Em particular, a lógica de processamento é configurada para suportar o sistema 400 descrito neste documento. Por exemplo, o módulo processador 412 pode fornecer dados do módulo de memória 414 para o módulo de detecção de anomalia estrutural 402. Como um outro exemplo, o módulo processador 412, em uma modalidade, fornece mudanças posicionais desejadas do módulo de formulação de modelo de estrutura saudável 404 para o módulo de mitigação de anomalia 408, o qual por sua vez usa os dados brutos para calcular ajustes a ser feitos para controlar superfícies e as superfícies de sustentação, por meio de operação de um ou mais dos vários mecanismos de controle descritos anteriormente.
[0075] O módulo processador 412 também acessa dados armazenados em várias bases de dados no módulo de memória 414, para suportar funções do sistema 400. Assim, o módulo processador 412 capacita ativação de um mecanismo de controle no avião 300 em resposta a detectar uma anomalia estrutural de tal maneira que a anomalia estrutural é mitigada.
[0076] Os dados podem compreender, por exemplo, mas sem limitação, uma velocidade do ar, uma altitude, uma posição desejada de superfícies de controle (por exemplo, aileron 308) e posição desejada da superfície de sustentação (por exemplo, da asa 304), dados de medição em tempo real, um sinal de erro de modelagem, um valor médio estimado do sinal de erro de modelagem, uma variância estimada do sinal de erro de modelagem, uma entrada de dados medidos, uma entrada de dados esperada, uma Probabilidade de Alarme falso (Pfa) computada, uma significância de erro, uma saída de indicação de anomalia, um valor limiar de Pfa selecionado por usuário, uma valor limiar de persistência, uma constante de tempo de filtro e outros dados, tal como explicado com mais detalhes a seguir.
[0077] O sinal de erro de modelagem pode ser usado para determinar a existência da anomalia estrutural tal como explicado com mais detalhes a seguir. Dados do módulo de memória 414 podem ser usados para construir ou atualizar, sem limitação, a média estimada, a variância estimada do sinal de erro de modelagem e a significância de erro.
[0078] O módulo processador 412 pode ser implementado, ou concretizado, com um processador de uso geral, uma memória endereçável por conteúdo, um processador de sinal digital, um circuito integrado de aplicação específica, uma matriz de portas programáveis em campo, qualquer dispositivo lógico, de porta distinta ou de lógica de transistor programável adequado, componentes de hardware distintos ou qualquer combinação dos mesmos, projetados para executar as funções descritas neste documento.
[0079] Desta maneira, um processador pode ser concretizado como um microprocessador, um controlador, um microcontrolador, uma máquina de estados ou coisa parecida. Um processador também pode ser implementado como uma combinação de dispositivos de computação, por exemplo, uma combinação de um processador de sinal digital e um microprocessador, uma pluralidade de microprocessadores, um ou mais microprocessadores em combinação com um núcleo de processador de sinal digital, ou qualquer outra tal configuração.
[0080] O módulo de memória 414 pode ser uma área de armazenamento de dados com memória formatada para suportar a operação do sistema 400. O módulo de memória 414 é configurado para armazenar, manter e fornecer dados conforme necessário para suportar a funcionalidade do sistema 400 no modo descrito a seguir. Em modalidade práticas, o módulo de memória 414 pode compreender, por exemplo, mas sem limitação, um dispositivo de armazenamento não volátil (memória semicondutora não volátil, dispositivo de disco rígido, dispositivo de disco ótico e outros mais), um dispositivo de armazenamento de acesso aleatório (por exemplo, SRAM, DRAM), ou qualquer outra forma de mídia de armazenamento conhecida na técnica. O módulo de memória 414 pode ser acoplado ao módulo processador 412 e configurado para armazenar os dados mencionados anteriormente.
[0081] Adicionalmente, o módulo de memória 414 pode representar uma base de dados de atualizar dinamicamente contendo uma tabela para atualizar várias bases de dados. O módulo de memória 414 também pode armazenar os dados mencionados anteriormente, um programa de computador que seja executado pelo módulo processador 412, um sistema de operação, um programa de aplicação, dados experimentais usados na execução de um programa e outros mais.
[0082] O módulo de memória 414 pode ser acoplado ao módulo processador 412 de tal maneira que o módulo processador 412 pode ler informação e gravar informação no módulo de memória 414. Como um exemplo, o módulo processador 412 e o módulo de memória 414 podem residir em respectivos circuitos integrados de aplicação específica (ASICs). O módulo de memória 414 também pode ser integrado ao módulo processador 412. Em uma modalidade, o módulo de memória 414 pode compreender uma memória cache para armazenar variáveis temporárias ou outra informação intermediária durante execução de instruções a ser executadas pelo módulo processador 412.
[0083] A figura 5 é uma ilustração de um diagrama de blocos funcionais exemplar do módulo de detecção de anomalia estrutural 402 (sistema 500) de acordo com uma modalidade da revelação. A figura 6 é uma ilustração de um gráfico 600 mostrando uma função de densidade de probabilidade (PDF) gaussiana exemplar 602 mostrando erf versus um sinal de erro de modelagem de acordo com uma modalidade da revelação. O sistema 500 está descrito neste documento com relação ao gráfico 600. O sistema 500 pode ter funções, materiais e estruturas que são similares aos das modalidades mostradas nas figuras 3-4. Portanto, recursos, funções e elementos comuns podem não estar descritos aqui de forma redundante.
[0084] O sistema 500 pode compreender um estimador de média/variância 502, um módulo de função de erro (erf) 504 e um suavizador 506.
[0085] O sistema 500 recebe uma entrada de dados medidos measured_L 508 do módulo de medição em tempo real 406 e uma entrada de dados esperados expected_L 510 do módulo de formulação de modelo de estrutura saudável 404. A entrada de dados medidos measured_L 508 compreende uma medição em tempo real tal como uma deformação medida correspondendo a uma localização no avião 300 durante uma operação do avião 300.
[0086] A entrada de dados medidos measured_L 508 pode ser medida, por exemplo, por um sensor de deformação tal como as MUs localizadas no avião 300 e ser armazenada no módulo de medição em tempo real 406. A entrada de dados esperados expected_L 510 compreende a deformação esperada na mesma localização no avião 300. O sistema 500 gera uma saída de indicação de anomalia anom_detect 512 compreendendo um valor lógico. O valor lógico indica VERDADEIRO se uma anomalia estrutural for detectada, ou um FALSO se uma anomalia estrutural não for detectada.
[0087] O sistema 500 compara então a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem. Desta maneira, a diferença entre a entrada de dados medidos measured_L 508, e a entrada de dados esperados expected_L 510 é computada em uma junção de soma 514 para fornecer o sinal de erro de modelagem 516. Quando o avião 300 está em um estado saudável, o sinal de erro de modelagem 516 deve ser de aproximadamente zero. Uma condição de anomalia estrutural é indicada quando o sinal de erro de modelagem 516 está significativamente distante de zero.
[0088] O sistema 500 determina então se um sinal de erro de modelagem 516 ou se uma significância do sinal de erro de modelagem 516 confirma indicação de uma anomalia estrutural para o avião 300 com base em uma análise estatística. Desta maneira o sistema 500 calcula uma significância estatística do sinal de erro de modelagem 516 para fornecer uma significância de erro para avaliar uma probabilidade de que uma indicação estrutural anômala seria em erro. O sistema 500 indica uma anomalia estrutural se uma persistência da significância de erro exceder um valor limiar de persistência.
[0089] O estimador de média/variância 502 é configurado para estimar de modo repetitivo a média estimada mean_est 528 e a variância estimada var_est 518 do sinal de erro de modelagem 516. A mean_est 528 e a var_est 518 são usadas para determinar uma significância estatística do sinal de erro de modelagem 516, determinando assim uma significância de erro, tal como descrito a seguir. A significância estatística do sinal de erro de modelagem 516 é determinada por meio da média estimada mean_est 528 e é uma função da variância estimada var_est 518 para o sinal de erro de modelagem 516. Nível de significância (alto/baixo) da significância de erro é determinado com base em um valor limiar de Pfa selecionável por usuário 702, tal como explicado a seguir no contexto da discussão da figura 7.
[0090] Uma função de densidade de probabilidade (PDF) gaussiana normal 602 (figura 6) é assumida para um ruído de processo no sinal de erro de modelagem 516. A PDF 602 compreende uma área de Probabilidade de Alarme Falso Pfa 604 e uma área de probabilidade de detecção (Pd) 606. Usando esta suposição, uma probabilidade de que o sinal de erro de modelagem 516 está significativamente distante de zero é avaliada ao computar a Pfa 604. Desta maneira, a significância estatística do sinal de erro de modelagem 516 é calculada fornecendo a significância de erro. A Pfa 604 é definida pela equação (1):
Figure img0001
[0091] onde µ é a média de sinal e σx é o desvio padrão de sinal.
[0092] A integral na equação (1) não tem solução de forma fechada. Assim a equação (2) é usada para aproximar a Pfa 604; onde o sinal de entrada (In1) 530 (x na equação (2)) é a magnitude |µ| 522 da mean_est 528 (média de sinal estimada µ) dividida pelo desvio padrão estimado σx computado por meio de uma raiz quadrada 524 da var_est 518.
Figure img0002
[0093] Tal como mostrado na figura 6, a Pfa 604 é computada por meio de uma integral (área 604) do infinito negativo para zero. Assim, a Pfa 604 compreende uma medida normalizada da significância do sinal de erro de modelagem diferente de zero 516 fornecendo a significância de erro.
[0094] A Pfa 604 na equação (2) é computada pelo módulo de função de erro 504. Dependendo do valor limiar de Pfa selecionável por usuário 702 (figura 7), o valor de Pfa computado 534 (significância de erro) pode ser enviado para o suavizador 506 para obter um valor da saída de indicação de anomalia anom_detect 512 determinando a persistência do erro tal como explicado com mais detalhes no contexto de discussão da figura 7.
[0095] A figura 7 é uma ilustração de um diagrama de blocos funcionais exemplar do suavizador 506 (sistema 700) de acordo com uma modalidade da revelação. Se o valor de Pfa computado 534 cair para abaixo do valor limiar de Pfa selecionável por usuário 702 (indicando um nível alto de significância de erro), um sinal de unidade 704 é passado por um comutador 714 para um filtro de primeira ordem 706. O filtro de primeira ordem 706 compreende uma constante de tempo selecionável por usuário tau 708. Uma saída 710 do filtro de primeira ordem 706 é comparada a um valor próximo a 1 em um bloco de comparação 712. Quando a saída 710 do filtro de primeira ordem 706 está suficientemente próxima a 1, a significância de erro é alta com persistência suficiente e uma condição de anomalia é transmitida para a saída de indicação de anomalia anom_detect 512 indicando o valor lógico VERDADEIRO. Quando a saída 710 do filtro de primeira ordem 706 não está suficientemente próxima a 1, a significância de erro não é persistentemente alta e a condição de anomalia não é transmitida para a saída de indicação de anomalia anom_detect 512, indicando o valor lógico FALSO.
[0096] O valor limiar de Pfa selecionável por usuário 702 (valor limiar de Pfa selecionado 702) e a constante de tempo selecionável por usuário tau 708 (constante de tempo de filtro 708) são parâmetros ajustáveis que dependem da qualidade do sinal de erro de modelagem 516 e da tolerância para indicações de falsos positivos. A qualidade do sinal de erro de modelagem 516 depende de uma razão de sinal para ruído de um sinal de medição tal como a entrada de dados medidos measured_L 508. Se o sinal de medição estiver muito corrompido pelo ruído, as estimativas mean_est 528 (média recursiva) e a var_est 518 (variância recursiva) do sinal de erro de modelagem 516 podem ser menos precisas, o que pode resultar em variação no valor de Pfa computado 534 e, por sua vez, em indicações de anomalia de falso positivo.
[0097] O valor limiar de Pfa selecionado 702 pode ser selecionado, por exemplo, mas sem limitação, dentro de uma faixa tendo valores de cerca de 0,0001 a cerca de 0,01, ou uma faixa similar. A constante de tempo de filtro 708 pode ser selecionada, por exemplo, mas sem limitação, dentro de uma faixa tendo valores de cerca de 0,05 segundos a cerca de 5 segundos ou mais, ou uma faixa similar.
[0098] Desta maneira, a saída de indicação de anomalia anom_detect 512 pode ser acoplada com dados estruturais medidos pelo módulo de medição em tempo real 406 e o módulo de mitigação de anomalia 408 para limitar manobras de uma estrutura de avião não ideal dentro de um envoltório que mantém cargas estruturais para o avião 300 em níveis substancialmente ideais.
[0099] A figura 8 é uma ilustração de um fluxograma exemplar mostrando um processo de detecção de anomalia estrutural de veículo baseado em modelo 800 de acordo com uma modalidade da revelação. As várias tarefas executadas em conexão com o processo 800 podem ser executadas mecanicamente, por meio de software, hardware, firmware, uma mídia legível por computador tendo instruções executáveis por computador para executar o método de processo, ou qualquer combinação dos mesmos. Deve ser percebido que o processo 800 pode incluir qualquer número de tarefas adicionais ou alternativas, as tarefas mostradas na figura 8 não necessitam ser executadas na ordem ilustrada e o processo 800 pode ser incorporado em um procedimento ou processo mais abrangente tendo funcionalidade adicional não descrita detalhadamente neste documento.
[00100] Para propósitos ilustrativos, a descrição a seguir do processo 800 pode se referir a elementos mencionados anteriormente em conexão com as figuras 3-7. Em modalidades práticas, partes do processo 800 podem ser executadas por elementos diferentes do sistema 400 tais como: o módulo de detecção de anomalia estrutural 402, o módulo de formulação de modelo de estrutura saudável 404, o módulo de medição em tempo real 406, o módulo de mitigação de anomalia 408 e o módulo de processamento 410. O processo 800 pode ter funções, materiais e estruturas que são similares aos das modalidades mostradas nas figuras 3-7. Portanto, recursos, funções e elementos comuns podem não estar descritos aqui de forma redundante.
[00101] O processo 800 pode iniciar ao instalar uma pluralidade dos sensores de medição tais como as MUs 324/328/330/332/334 em uma estrutura de veículo de um veículo, tal como a estrutura do avião 300, que sejam operáveis para realizar uma medição em tempo real tal como a entrada de dados medidos measured_L 508 (tarefa 802).
[00102] O processo 800 pode continuar ao ler um sinal de sensor durante uma operação saudável do veículo (tarefa 804).
[00103] O processo 800 pode continuar ao coletar um sinal de sensor representativo durante operação adicional do veículo em uma base periódica para obter a medição em tempo real (tarefa 806).
[00104] O processo 800 pode continuar ao formular uma resposta de sinal de assinatura esperada para uma operação saudável do veículo com base no sinal de sensor para fornecer os dados de operação esperados (tarefa 808).
[00105] O processo 800 pode continuar ao receber a medição em tempo real correspondendo a uma localização na estrutura de veículo durante uma operação do veículo (tarefa 810).
[00106] O processo 800 pode continuar ao comparar a medição em tempo real tal como o measured_L 508 a dados de operação esperados tais como o expected_L 510 para a localização para fornecer um sinal de erro de modelagem tal como o sinal de erro de modelagem 516 (tarefa 812). Por exemplo, dados de operação esperados podem compreender uma torção de estrutura de 7 graus com um gradiente de torção de 1 grau/segundo. Se os dados de medição em tempo real indicarem uma torção de estrutura que excede 7 graus com um gradiente de torção maior que 1 grau/segundo, o sinal de erro de modelagem 516 é um valor diferente de zero.
[00107] O processo 800 pode continuar ao calcular uma significância estatística do sinal de erro de modelagem 516 para fornecer uma significância de erro (tarefa 814).
[00108] O processo 800 pode continuar ao determinar uma persistência da significância de erro (tarefa 816) tal como explicado anteriormente no contexto da discussão da figura 7.
[00109] O processo 800 pode continuar ao indicar uma anomalia estrutural, se a persistência exceder um valor limiar de persistência (tarefa 818). O valor limiar de persistência pode ser, por exemplo, mas sem limitação, de cerca de 0,5, cerca de 0,8, cerca de 0.95 ou outro valor limiar adequado, dependendo da tolerância para uma detecção de anomalia estrutural de falso positivo e das propriedades de convergência das estimativas mean_est 528 (média recursiva) e a var_est 518 (variância recursiva) do sinal de erro de modelagem 516 para uma dada aplicação.
[00110] O processo 800 pode continuar ao ativar um mecanismo de controle para compensar a anomalia estrutural, se a anomalia estrutural for indicada (tarefa 820). Por exemplo, se as torções de estrutura excederem 7 graus com um gradiente de torção maior que 1 grau/segundo, a persistência de erro pode ser alta, fazendo com que uma anomalia estrutural seja indicada. Um controle pode então ser iniciado pelo módulo de mitigação de anomalia 408 para aliviar tensão estrutural ao usar um mecanismo de controle para anular o gradiente e retornar a estrutura de exemplo para uma torção de 7 graus. O mecanismo de controle pode compreender, por exemplo, mas sem limitação, um sistema de propulsão, superfícies de sustentação controláveis, superfícies de controle de voo, controle de fluxo ativo, ligas de metal modeladas ou outros materiais estruturais ativos que expandam ou contraiam como uma função de um sinal de controle, e outros mais.
[00111] Adicionalmente, se o gradiente for menor que cerca de 1 grau/segundo, mas se a torção exceder cerca de 9 graus com cerca de 95% de confiança, a persistência de erro é alta fazendo com que o módulo de detecção de anomalia estrutural 402 identifique uma anomalia estrutural. Um controle é iniciado pelo módulo de mitigação de anomalia 408 para reduzir esta torção de volta para cerca de 7 graus. De forma similar, como um exemplo, o módulo de medição em tempo real 406 mede em tempo real uma torção de cerca de 7 graus com um gradiente de cerca de 1 grau/segundo e quando ela passa de 7 graus de torção com este gradiente, a torção e gradiente indicam que a estrutura pode continuar para tensão adicional fora da tolerância.
[00112] Em resposta, um controle é iniciado pelo módulo de mitigação de anomalia 408 para anular o gradiente de torção e impulsionar a torção de volta na direção de 7 graus. Em um exemplo alternativo, a torção em tempo real pode alcançar cerca de 9 graus com cerca de 95% de confiança com pouco a nenhum gradiente de torção. Em resposta, um controle é iniciado pelo módulo de mitigação de anomalia 408 para reduzir a tensão estrutural de volta na direção de 7 graus. Desta maneira, aliviar a anomalia estrutural prolonga a vida estrutural do avião 300.
[00113] A figura 9 é uma ilustração de um fluxograma exemplar mostrando um processo 900 para aliviar uma anomalia estrutural de acordo com uma modalidade da revelação. As várias tarefas executadas em conexão com o processo 900 podem ser executadas mecanicamente, por meio de software, hardware, firmware, uma mídia legível por computador tendo instruções executáveis por computador para executar o método de processo, ou por qualquer combinação dos mesmos. Deve ser percebido que o processo 900 pode incluir qualquer número de tarefas adicionais ou alternativas, as tarefas mostradas na figura 9 não necessitam ser executadas na ordem ilustrada e o processo 900 pode ser incorporado e um procedimento ou processo mais abrangente tendo funcionalidade adicional não descrita detalhadamente neste documento.
[00114] Para propósitos ilustrativos, a descrição a seguir do processo 900 pode se referir a elementos mencionados anteriormente em conexão com as figuras 3-7. Em modalidades práticas, partes do processo 900 podem ser executadas por elementos diferentes do sistema 400 tais como: o módulo de detecção de anomalia estrutural 402, o módulo de formulação de modelo de estrutura saudável 404, o módulo de medição em tempo real 406, o módulo de mitigação de anomalia 409 e o módulo de processamento 410. O processo 900 pode ter funções, materiais e estruturas que são similares aos das modalidades mostradas nas figuras 3-7. Portanto, recursos, funções e elementos comuns podem não estar descritos aqui de forma redundante.
[00115] O processo 900 pode iniciar ao obter um sinal de erro de modelagem tal como o sinal de erro de modelagem 516 de uma estrutura tal como o avião 300 (tarefa 902).
[00116] O processo 900 pode continuar por meio de um estimador de média/variância tal como o estimador de média/variância 502 estimando de modo repetitivo uma média estimada e uma variância estimada do sinal de erro de modelagem 516 (tarefa 904).
[00117] O processo 900 pode continuar por meio de um módulo de detecção de anomalia estrutural tal como o módulo de detecção de anomalia estrutural 402 (sistema 500) avaliando uma probabilidade de que o sinal de erro de modelagem 516 está significativamente distante de zero por meio de um módulo de função de erro, tal como o módulo de função de erro 504, computando uma Pfa tal como a Pfa 604 do sinal de erro de modelagem 516 com base na média estimada e na variância estimada para fornecer uma significância de erro (tarefa 906). Tal como mencionado anteriormente, a significância de erro fornece uma avaliação de uma probabilidade de que uma indicação estrutural anômala estaria em erro. Para justificar uma declaração de anomalia estrutural a persistência de erro é então determinada.
[00118] O processo 900 pode continuar por meio do sistema 500 introduzindo um sinal de unidade em um filtro de primeira ordem 706 tal como o filtro de primeira ordem 706 quando a significância de erro cai para abaixo de um valor limiar de Pfa selecionado tal como o valor limiar de Pfa selecionado por usuário 702 (tarefa 908). O valor limiar de Pfa selecionado por usuário 702 e a constante de tempo selecionável por usuário tau 708 do filtro de primeira ordem 706 podem ser parâmetros ajustáveis/selecionáveis que dependem de uma qualidade do sinal de erro de modelagem 516 e da tolerância para indicações de falsos positivos tal como explicado anteriormente.
[00119] O processo 900 pode continuar por meio de um suavizador tal como o suavizador 506 comparando uma saída 710 de um filtro de primeira ordem tal como o filtro de primeira ordem 706 a um valor próximo a um (tarefa 910).
[00120] O processo 900 pode continuar por meio do sistema 500 indicando uma condição de anomalia estrutural quando a saída 710 do filtro de primeira ordem 706 está suficientemente próxima a um, em que uma persistência é alta (tarefa 912), indicando uma persistência suficiente de um comportamento estrutural anômalo para justificar uma declaração de anomalia estrutural.
[00121] O processo 900 pode continuar por meio de um módulo de mitigação de anomalia tal como o módulo de mitigação de anomalia 408 ativando um mecanismo de controle para compensar uma anomalia estrutural detectada, se a condição de anomalia estrutural for indicada (tarefa 914).
[00122] Deste modo, um sistema e métodos são fornecidos para detectar e aliviar uma anomalia estrutural.
[00123] A descrição anterior se refere a elementos ou nós ou recursos estando "conectados" ou "acoplados" conjuntamente. Tal como usado neste documento, a não ser que relatado expressamente de outro modo, "conectado" significa que um elemento/nó/recurso está ligado diretamente a (ou se comunica diretamente com) um outro elemento/nó/recurso, e não necessariamente de forma mecânica. Igualmente, a não ser que relatado expressamente de outro modo, "acoplado" significa que um elemento/nó/recurso está ligado de forma direta ou indireta a (ou se comunica de forma direta ou indireta com) um outro elemento/nó/recurso, e não necessariamente de forma mecânica. Assim, embora as figuras 3-7 representem arranjos de exemplos de elementos, elementos, dispositivos, recursos ou componentes intervenientes adicionais podem estar presentes em uma modalidade da revelação.
[00124] Termos e frases usados neste documento, e variações dos mesmos, a não ser que relatado expressamente de outro modo, devem ser interpretados como ilimitados tal como o oposto a limitados. Como exemplos do precedente: o termo "incluindo" deve ser lido como significando "incluindo, sem limitação" ou coisa parecida; o termo "exemplo" é usado para fornecer casos exemplares do item em discussão, não uma lista exaustiva ou limitante do mesmo; e adjetivos tais como "convencional", "tradicional", "normal", "padrão", "conhecido" e termos de significado similar não devem ser interpretados como limitando o item descrito a um dado período de tempo ou a um item disponível como de um dado tempo, mas em vez disto devem ser lidos para abranger tecnologias convencionais, tradicionais, normais ou padrões que possam estar disponíveis ou conhecidas agora ou a qualquer momento no futuro.
[00125] Igualmente, um grupo de itens ligados com a conjunção "e" não deve ser visto como exigindo que todos estes itens estejam presentes no agrupamento, mas em vez disto deve ser visto como "e/ou" a não ser que relatado expressamente de outro modo. De forma similar, um grupo de itens ligados com a conjunção "ou" não deve ser visto como exigindo exclusividade mútua entre esse grupo, mas em vez disto também deve ser visto como "e/ou" a não ser que relatado expressamente de outro modo.
[00126] Além disso, embora itens, elementos ou componentes da revelação possam estar descritos ou reivindicados no singular, os plural é considerado como estando dentro do escopo dos mesmos a não ser que limitação para o singular esteja relatada explicitamente. A presença de palavras e frases de ampliação tais como "um ou mais", "pelo menos", "mas não limitado a isto" ou outras frases semelhantes em alguns casos não deve ser vista como significando que o caso mais limitado é pretendido ou exigido em instâncias onde tais frases de ampliação possam estar ausentes. A expressão "cerca de" quando se referindo a um valor ou faixa numérica é pretendida para abranger valores resultando de erro experimental que pode ocorrer ao efetuar medições.

Claims (17)

  1. Método para detecção de anomalia estrutural de veículo baseada em modelo em tempo real (800), caracterizado pelo fato de que compreende:
    receber (810) uma medição em tempo real a partir de uma pluralidade de sensores (324, 328, 330, 332, 334) em uma estrutura de veículo correspondendo a uma localização na estrutura de veículo durante uma operação do veículo;
    comparar (812) a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem (516) da estrutura de veículo;
    calcular (814) uma significância estatística do sinal de erro de modelagem (516) com base em uma Probabilidade de Alarme Falso (Pfa) para fornecer uma significância de erro de uma anomalia estrutural de veículo;
    determinar (816) uma persistência da significância de erro com base em um valor limiar de Probabilidade de Falso Alarme (Pfa) selecionável pelo usuário, em que o Pfa selecionável pelo usuário depende da qualidade do sinal de erro de modelagem (516) e de uma tolerância para indicações de falsos positivos em tempo real; e
    indicar (818) a anomalia estrutural de veículo, em tempo real, se a persistência exceder um valor limiar de persistência da anomalia estrutural de veículo.
  2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a etapa de calcular a significância estatística do sinal de erro de modelagem (516) ainda:
    estimar (904) de modo repetitivo uma média estimada (528) e uma variância estimada (518) do sinal de erro de modelagem (516) para determinar se o sinal de erro de modelagem (516) confirma indicação da anomalia estrutural de veículo; e
    avaliar (906) uma probabilidade de que o sinal de erro de modelagem (516) está distante de zero ao computar a Probabilidade de Alarme Falso (Pfa) do sinal de erro de modelagem (516) para a detecção da anomalia estrutura de veículo com base na média estimada (528), e na variância estimada (518) para fornecer a significância de erro.
  3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a etapa de determinar a persistência da significância de erro compreende adicionalmente:
    introduzir (807) um sinal de unidade (704) em um filtro de primeira ordem (706) quando a significância de erro cai abaixo do valor limiar de Pfa selecionável pelo usuário;
    comparar (910) uma saída do filtro de primeira ordem (706) a um valor próximo a um; e
    indicar (912) uma condição de anomalia estrutural quando a saída do filtro de primeira ordem está próxima de um, indicando que a significância de erro é alta.
  4. Método de acordo com a reivindicação 3, caracterizado pelo fato de que ainda compreende ativar (914) um mecanismo de controle para compensar a anomalia estrutural, se a anomalia estrutural for indicada; e
    que a etapa de ativar (914) o mecanismo de controle compreende pelo menos um elemento selecionado do grupo consistindo em: um acionamento de superfície de controle, um acionamento de superfície de sustentação, um acionamento de controle de fluxo, acionamento de ligas com memória de forma, acionamento por meio de materiais estruturais ativos e uma alteração de potência propulsiva.
  5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende instalar (805) uma pluralidade de sensores de medição (324, 328, 330, 332, 334) na estrutura de veículo operáveis para efetuar a medição em tempo real.
  6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende:
    ler (804) um sinal de sensor durante uma operação saudável do veículo; e
    formular (808) uma resposta de sinal de assinatura esperada para uma operação saudável do veículo com base no sinal de sensor para fornecer os dados de operação esperados.
  7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende coletar (806) um sinal de sensor representativo durante a operação adicional do veículo em uma base periódica para obter a medição em tempo real.
  8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a anomalia estrutural compreende pelo menos um elemento selecionado do grupo consistindo em: uma operação em voo, uma tensão proveniente de cisalhamento de vento em uma superfície de sustentação, uma tensão proveniente de um impacto de fragmentos em uma superfície de sustentação, uma tensão proveniente de uma rajada de vento em uma superfície de sustentação, uma vibração em uma asa (304), uma tremulação em uma asa (304), uma flexão de fuselagem (302), um curvamento excessivo da fuselagem (302), uma anomalia de sistema de propulsão, um deslocamento linear excessivo, um deslocamento angular excessivo, uma fadiga estrutural, uma anomalia de superfície de controle e uma anomalia de superfície de sustentação.
  9. Sistema de detecção de anomalia estrutural baseado em modelo em tempo real, caracterizado pelo fato de que compreende:
    um módulo de detecção de anomalia estrutural operável para:
    receber (810) uma medição em tempo real a partir de uma pluralidade de sensores (324, 328, 330, 332, 334) em uma estrutura de vaículo correspondendo a uma localização na estrutura de veículo durante uma operação do veículo;
    comparar (812) a medição em tempo real a dados de operação esperados para a localização para fornecer um sinal de erro de modelagem (516) na estrutura de veículo;
    calcular (814) uma significância estatística do sinal de erro de modelagem (516) com base em uma Probabilidade de Alarme Falso (Pfa) para fornecer uma significância de erro da anomalia estrutura de veículo;
    determinar (816) uma persistência da significância de erro com base em um valor limiar de Probabilidade de Alarme Falso (Pfa) selecionável pelo usuário se a significância de erro estiver abaixo de um valor limiar de Pfa selecionável pelo usuário, em que o Pfa selecionável pelo usuário depende da qualidade do sinal de erro de modelagem (516) e tolerância para indicações de falso positivo em tempo real; e
    indicar (818) uma anomalia estrutural de veículo em tempo real, se a persistência exceder um valor limiar de persistência da anomalia estrutural de veículo; e
    um módulo de mitigação de anomalia operável para ativar um mecanismo de controle para compensar a anomalia estrutural de veículo, se a anomalia estrutural de veículo for indicada.
  10. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que ainda compreende:
    um estimador de média/variância operável para estimar de modo repetitivo uma média estimada (528) e uma variância estimada (518) do sinal de erro de modelagem (516);
    um módulo de função de erro operável para avaliar uma probabilidade de que o sinal de erro de modelagem (516) está distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) do sinal de erro de modelagem (516) com base na média estimada (528), e na variância estimada (518) para obter a significância de erro; e
    um suavizador compreendendo um filtro de primeira ordem (706) e operável para declarar uma condição de anomalia quando uma saída do filtro de primeira ordem (706) está próxima de um indicando que a significância de erro está persistentemente alta; e
    em que o filtro de primeira ordem (706) compreende o valor limiar de Pfa selecionado e uma constante de tempo de filtro (708) que são parâmetros ajustáveis com base em qualidade do sinal de erro de modelagem (516) e tolerância para indicações de falsos positivos.
  11. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que o veículo é um avião (300) e a etapa de ativar o mecanismo de controle compreende pelo menos um elemento selecionado do grupo consistindo em: um acionamento de superfície de controle, um acionamento de superfície de sustentação, um acionamento de controle de fluxo, acionamento de ligas com memória de forma, acionamento por meio de materiais estruturais ativos e uma alteração de potência propulsiva.
  12. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que ainda compreende um módulo de formulação de modelo de estrutura saudável (404) operável para:
    ler (804) um sinal de sensor durante uma operação saudável do veículo;
    armazenar o sinal de sensor em uma memória (414);
    formular (808) uma resposta de sinal de assinatura esperada para uma operação saudável do veículo com base no sinal de sensor para obter os dados de operação esperados; e
    fornecer os dados de operação esperados para o módulo de detecção de anomalia estrutural.
  13. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que ainda compreende um módulo de medição em tempo real operável para:
    medir um sinal de sensor representativo durante a operação adicional do veículo em uma base periódica para obter a medição em tempo real; e
    fornecer a medição em tempo real para o módulo de detecção de anomalia estrutural (402).
  14. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que ainda compreende uma pluralidade de sensores (324, 328, 330, 332, 334) compreendendo pelo menos um elemento selecionado do grupo consistindo em: um sensor de deformação, um sensor de vibração, um sensor de ruído, um sensor de temperatura e um sensor ótico.
  15. Sistema, de acordo com a reivindicação 9, caracterizado pelo fato de que a anomalia estrutural compreende pelo menos um elemento selecionado do grupo consistindo em: uma operação em voo, uma tensão proveniente de cisalhamento de vento em uma superfície de sustentação, uma tensão proveniente de um impacto de fragmentos em uma superfície de sustentação, uma tensão proveniente de uma rajada de vento em uma superfície de sustentação, uma vibração em uma asa (304), uma tremulação em uma asa (304), uma flexão de fuselagem (302), um curvamento excessivo de uma fuselagem (302), uma anomalia de sistema de propulsão (320), um deslocamento linear excessivo, um deslocamento angular excessivo, uma fadiga estrutural, uma anomalia de superfície de controle e uma anomalia de superfície de sustentação.
  16. Método para aliviar uma anomalia estrutural (900), caracterizado pelo fato de que compreende:
    monitorar toda uma estrutura de veículo em tempo real;
    obter (902) um sinal de erro de modelagem (516) de uma localização em uma estrutura de veículo dentre toda a estrutura de veículo;
    avaliar (906) uma probabilidade de que o sinal de erro de modelagem (516) está significativamente distante de zero ao computar uma Probabilidade de Alarme Falso (Pfa) para fornecer uma significância de erro de uma anomalia estrutura de veículo;
    determinar (816) em tempo real uma persistência da significância de erro com base em um valor limiar de Probabilidade de Alarme Falso (Pfa) selecionável pelo usuário, em que o Pfa selecionável pelo usuário depende de uma qualidade do sinal de erro de modelagem (516) e uma tolerância para indicações de falso positivo em tempo real, através:
    introduzir (908) um sinal de unidade em um filtro de primeira ordem (706) quando a significância de erro cai abaixo do valor limiar de Pfa selecionável pelo usuário e introduzir um sinal zero no filtro de primeira ordem (706), caso contrário; e
    indicar (912) uma condição de anomalia estrutural quando uma saída do filtro de primeira ordem (706) está suficientemente próxima de um, enquanto não indicar a condição de anomalia estrutural do veículo quando a saída do filtro de primeira ordem (706) não estiver suficientemente próxima de um.
  17. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que ainda compreende ativar (914) um mecanismo de controle para compensar a condição de anomalia estrutural de veículo, se a condição de anomalia estrutural for indicada.
BR102012023565-0A 2011-09-19 2012-09-18 método e sistema para detecção de anomalia estrutural de veículo baseada em modelo em tempo real e método para aliviar uma anomalia estrutural BR102012023565B1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/236,448 US9020689B2 (en) 2011-09-19 2011-09-19 Method for real-time model based structural anomaly detection
US13/236,448 2011-09-19

Publications (2)

Publication Number Publication Date
BR102012023565A2 BR102012023565A2 (pt) 2013-10-29
BR102012023565B1 true BR102012023565B1 (pt) 2021-01-12

Family

ID=47225928

Family Applications (1)

Application Number Title Priority Date Filing Date
BR102012023565-0A BR102012023565B1 (pt) 2011-09-19 2012-09-18 método e sistema para detecção de anomalia estrutural de veículo baseada em modelo em tempo real e método para aliviar uma anomalia estrutural

Country Status (5)

Country Link
US (1) US9020689B2 (pt)
EP (1) EP2570880B1 (pt)
CN (1) CN103018060B (pt)
BR (1) BR102012023565B1 (pt)
CA (1) CA2783388C (pt)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9569959B1 (en) * 2012-10-02 2017-02-14 Rockwell Collins, Inc. Predictive analysis for threat detection
GB2513133B (en) 2013-04-16 2015-07-08 Ge Aviat Systems Ltd Methods for predicting a speed brake system fault
FR3009021B1 (fr) * 2013-07-23 2015-08-21 Snecma Procede d'estimation sur une courbe d'un point pertinent pour la detection d'anomalie d'un moteur et systeme de traitement de donnees pour sa mise en oeuvre
CA2932069A1 (en) * 2013-11-29 2015-06-04 Ge Aviation Systems Limited Method of construction of anomaly models from abnormal data
EP2957883A3 (en) * 2014-06-18 2016-07-27 Alenia Aermacchi S.p.A. Method for prognostics of an aircraft structure based on structural testing
WO2017069825A2 (en) 2015-08-04 2017-04-27 Sikorsky Aircraft Corporation Rotorcraft structural fault-detection and isolation using virtual monitoring of loads
US9771171B1 (en) * 2016-03-09 2017-09-26 Rosemount Aerospace Inc. Aircraft wing deformation monitoring and analysis system
CN105841663B (zh) * 2016-03-22 2018-08-24 姚建华 一种可实时预测自身寿命的智能水电站
CN105841662B (zh) * 2016-03-22 2018-06-01 广东奎创科技股份有限公司 可实时监测的污水处理系统
CN105783856B (zh) * 2016-03-22 2018-10-12 慈溪市匡堰盈兴竹制品厂(普通合伙) 可实时预测自身寿命的建筑物坡屋面梁
US10577081B2 (en) * 2016-03-24 2020-03-03 Intel Corporation Proactive vehicle control systems and methods
GB2551112B (en) 2016-05-25 2020-04-15 Ge Aviat Systems Ltd Aircraft component monitoring system
EP3517445B1 (en) * 2016-09-26 2022-08-24 Subaru Corporation Damage detection system and damage detection method
US10089892B2 (en) * 2016-11-01 2018-10-02 The Boeing Company Flight control system with low-frequency instrument landing system localizer anomaly detection and method of use
US10408798B2 (en) * 2017-04-05 2019-09-10 Honeywell International Inc. System and method for detecting structural damage in a component
US10227142B1 (en) * 2017-09-13 2019-03-12 The Boeing Company Systems and methods for detecting impacts to vehicle surfaces
US11203414B2 (en) 2017-09-13 2021-12-21 Sikorsky Aircraft Corporation Controlling an aircraft based on detecting and mitigating fatiguing conditions and aircraft damage conditions
KR102512173B1 (ko) * 2018-01-03 2023-03-21 주식회사 디엔솔루션즈 공작기계의 공구이상 검출장치 및 검출방법
US11131987B2 (en) * 2018-03-15 2021-09-28 Xinxin Wang Method and system for preventing and detecting hazardously misleading information on safety-critical display
CN110826362B (zh) * 2018-08-09 2023-09-12 英业达科技有限公司 用于炉温误差处理的方法和非暂时性计算机可读介质
JP7236231B2 (ja) * 2018-09-07 2023-03-09 ルネサスエレクトロニクス株式会社 半導体装置及び解析システム
US10974851B2 (en) 2018-11-09 2021-04-13 Textron Innovations Inc. System and method for maintaining and configuring rotorcraft
US11358737B2 (en) * 2018-12-07 2022-06-14 The Boeing Company Methods and systems for performing aircraft maintenance
US11487920B2 (en) 2019-02-21 2022-11-01 The Boeing Company Generating a debris model for a structure
CN111058551B (zh) * 2019-12-16 2021-04-06 北京工业大学 一种用于研究工业化建筑部品公差配合的测试装置
US11928971B2 (en) 2021-04-01 2024-03-12 Boeing Company Detection of anomalous states in multivariate data
CN116588339A (zh) * 2023-05-05 2023-08-15 广州民航职业技术学院 一种航空器的状态监测方法、装置、设备及介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5195046A (en) 1989-01-10 1993-03-16 Gerardi Joseph J Method and apparatus for structural integrity monitoring
US6748791B1 (en) 1996-10-18 2004-06-15 The Boeing Company Damage detection device and method
US6006163A (en) 1997-09-15 1999-12-21 Mcdonnell Douglas Corporation Active damage interrogation method for structural health monitoring
US20040199368A1 (en) * 2001-05-24 2004-10-07 Simmonds Precision Products, Inc. Poor data quality identification
US6823675B2 (en) 2002-11-13 2004-11-30 General Electric Company Adaptive model-based control systems and methods for controlling a gas turbine
EP1735586B1 (en) 2004-03-03 2018-02-14 Metis Design Corporation Damage detection device
US7260501B2 (en) * 2004-04-21 2007-08-21 University Of Connecticut Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance
US8290747B2 (en) 2005-10-21 2012-10-16 Microstrain, Inc. Structural damage detection and analysis system
US7298152B1 (en) 2006-05-19 2007-11-20 The Boeing Company Damage detection system
FR2908533B1 (fr) * 2006-11-14 2008-12-26 Thales Sa Methode et systeme de surveillance du suivi d'une trajectoire de reference par un aeronef
US7860618B2 (en) 2006-12-21 2010-12-28 The Boeing Company System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles
US7567862B2 (en) 2007-08-14 2009-07-28 The Boeing Company Actuation response oscillation detection monitor
US20100089067A1 (en) 2008-10-10 2010-04-15 General Electric Company Adaptive performance model and methods for system maintenance
FR2939170B1 (fr) * 2008-11-28 2010-12-31 Snecma Detection d'anomalie dans un moteur d'aeronef.
CN101697079B (zh) * 2009-09-27 2011-07-20 华中科技大学 用于航天器实时信号处理的盲系统故障检测与隔离方法
CN101865789B (zh) * 2010-06-30 2012-03-21 上海交通大学 近场声全息声像模式识别故障检测装置及其检测方法
US8880242B2 (en) * 2011-06-06 2014-11-04 The Boeing Company Structural health management with active control using integrated elasticity measurement

Also Published As

Publication number Publication date
CN103018060B (zh) 2017-09-12
US9020689B2 (en) 2015-04-28
US20130073141A1 (en) 2013-03-21
CA2783388C (en) 2015-06-16
EP2570880A2 (en) 2013-03-20
CA2783388A1 (en) 2013-03-19
CN103018060A (zh) 2013-04-03
EP2570880A3 (en) 2013-09-11
BR102012023565A2 (pt) 2013-10-29
EP2570880B1 (en) 2021-05-05

Similar Documents

Publication Publication Date Title
BR102012023565B1 (pt) método e sistema para detecção de anomalia estrutural de veículo baseada em modelo em tempo real e método para aliviar uma anomalia estrutural
US9221555B2 (en) Structural health management with active control using integrated elasticity measurement
Caliskan et al. A review of in-flight detection and identification of aircraft icing and reconfigurable control
CN108196532B (zh) 一种基于非线性自适应观测器的无人机纵向飞行控制系统故障检测与分离方法
US6304194B1 (en) Aircraft icing detection system
US20160114903A1 (en) Flight envelope protection system for unmanned aerial vehicles
CN111433612A (zh) 用于估计飞行器空中数据的基于模型和飞行信息的组合训练的神经网络系统
BR112014018976B1 (pt) Métodos e sistemas para a solicitação e a recuperação de dados de uma aeronave, durante o voo da mesma
Samy et al. Neural-network-based flush air data sensing system demonstrated on a mini air vehicle
CN110554606B (zh) 一种用于高超音速飞行器的自适应容错控制方法
CN115857529B (zh) 航天器姿态控制系统的执行器故障重构方法
Balzano et al. Air data sensor fault detection with an augmented floating limiter
Thanaraj et al. Actuator fault detection and isolation on multi-rotor UAV using extreme learning neuro-fuzzy systems
Hardier et al. On-line parameter identification for in-flight aircraft monitoring
Lu Fault diagnosis and fault-tolerant control for aircraft subjected to sensor and actuator faults
Zhou et al. A smart landing platform with data-driven analytic procedures for UAV preflight safety diagnosis
Hussain et al. Aircraft sensor estimation for fault tolerant flight control system using fully connected cascade neural network
Samy et al. Subsonic tests of a flush air data sensing system applied to a fixed-wing micro air vehicle
Lie Synthetic air data estimation: a case study of model-aided estimation
Yang et al. IAR-STSCKF-Based Fault Diagnosis and Reconstruction for Spacecraft Attitude Control Systems
Gelber et al. Functional Monitor Models and Detection Methods for Sensor Data Variance of a Real-Time Cyber-Physical System
Dutta et al. Machine-Learning Based Rotor Fault Diagnosis in a Multicopter with Strain Data
Cimpoesu et al. Fault detection and identification using parameter estimation techniques
Rudin Robust fail-safe control for small unmanned aerial systems
Galliker Data-Driven Dynamics Modelling Using Flight Logs

Legal Events

Date Code Title Description
B03A Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette]
B06F Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette]
B06U Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette]
B09A Decision: intention to grant [chapter 9.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 18/09/2012, OBSERVADAS AS CONDICOES LEGAIS.