BR112013020083B1 - Processo e sistema de monitoramento de um motor de aeronave paraantecipar as operações de manutenção - Google Patents

Abstract

"MONITORAMENTO DE UM MOTOR DE AERONAVE PARA ANTECIPAR AS OPERAÇÕES DE MANUTENÇÃO".A presente invenção se refere a um processo de monitoramento d1 de um motor (2) d1 de aeronave, comportando as seguintes etapas: coletar no decorrer do tempo medidas sobre as variáveis relativas a um motor (2) corrente, compreendendo um primeiro conjunto de medidas sobre as variáveis endógenas e um segundo conjunto de medidas sobre as variáveis exógenas; padronizar as medidas relativas às variáveis endógenas, considerando-se as medidas relativas às variáveis exógenas para formar cada aquisição, um ponto d1 de entrada, representando um estado desse motor corrente em um espaço multidimensional.

Description

DOMÍNIO DA INVENÇÃO

[0001] A presente invenção se refere ao domínio de monitoramento de um motor de aeronave. Em particular, a invenção se refere a um processo e a um sistema de monitoramento para antecipar as operações de manutenção de um motor de aeronave.

[0002] Durante cada voo, uma aeronave procede ao registro e o envio de informações sobre seu funcionamento, segundo um sistema de mensagem denominado ACARS (Aircraft Comunication Addressing and reporting System). Esses dados são recuperados pelas estações no solo em tempo real para serem tratados imediatamente no caso de anomalias evidentes e senão para serem arquivados com todos os dados da frota. Outros dados estão também disponíveis, eles podem ser registrados durante o vôo sobre calculadoras instaladas e serem descarregados regularmente para enriquecer as informações relativas aos motores.

[0003] Esses dados são, em seguida, consultados por experts para monitorar o bom funcionamento do motor. Mais particularmente, os experts analisam as formas das curvas temporais referentes à velocidade de rotação da árvore N2, o fluxo de carburante FF (fluid flow), e a temperatura dos gases de escapamento EGT (Exhaust Gas Temperature) oriundos dos vôos sucessivos para diagnosticar o estado de um motor.

[0004] Os instrumentos utilizados implicam uma exploração manual dos dados e uma transmissão de saber entre os experts do motor. Isto necessita de um grande tempo de análise e, além disso, é difícil analisar todos os dados em todos os contextos sabendo-se que um motor determinado não funciona jamais sob exatamente as mesmas condições, quando dos voos operacionais. Com efeito, as condições de aquisição de dados são sistematicamente diferentes: eles dependem do comando, da meteorologia, do trajeto, do envelhecimento do motor, etc. Por exemplo, a forma das curvas correspondendo a dados oriundos das aeronaves que sobrevoam o mar é diferente daquela construída, a partir dos dados oriundos das aeronaves que sobrevoam a terra firma. Ora, os expertos são, em geral, especialistas de motores específicos sobre frotas de aeronaves que realizam sempre as mesmas missões. Assim, é difícil para os experts explorar todos os dados que podem ser pertinentes para o monitoramento dos motores.

[0005] O objeto da presente invenção é, por conseguinte, o monitoramento do bom funcionamento dos motores e da evolução de seus estados, segundo uma análise não supervisionada da estrutura de medidas relativas aos motores, a fim de prognosticar e planejar as operações de manutenção com uma grande precisão, sem apresentar os inconvenientes pré-citados.

OBJETO E RESUMO DA INVENÇÃO

[0006] A presente invenção se refere a um processo de monitoramento de um motor de aeronave, comportando as seguintes etapas: - coletar no decorrer do tempo medidas sobre as variáveis relativas a um motor corrente e seu ambiente, compreendendo a cada aquisição um primeiro conjunto de medidas sobre variáveis endógenas descrevendo o comportamento do motor e um segundo conjunto de medidas sobre variáveis descrevendo o contexto de aquisição; - padronizar as medidas relativas às variáveis endógenas, considerando-se as medidas relativas às variáveis exógenas para formar cada aquisição, um ponto de entrada que representa um estado desse motor corrente em um espaço multidimensional; - projetar, segundo uma técnica de compressão determinada, cada ponto de entrada do espaço multidimensional sobre um ponto imagem de um mapa, construído previamente, para formar uma sequência de pontos imagens sobre esse mapa, refletindo a distribuição dos pontos de entradas no espaço multidimensional, esses pontos imagens formando uma trajetória corrente representativa de uma evolução dos estados desse motor corrente; - comparar um trecho do fim dessa trajetória corrente com trechos de trajetórias de motores de aeronaves registradas anteriormente em uma base de dados para pesquisar trajetórias similares; e - analisar a evolução estatística desse fim de trajetória corrente em função dessas trajetórias similares para antecipar operações de manutenção sobre esse motor corrente.

[0007] Esse processo permite cartografar os dados relativos ao estado do motor independentemente do contexto, pesquisar motores tendo tido um comportamento análogo no passado, e analisar estatisticamente os acontecimentos que intervieram nos motores encontrados, a fim de melhor planejar as operações de manutenção e melhor discernir as degradações e as panes potenciais do motor corrente. Esse processo permite também modelizar a distribuição da lei dos acontecimentos e obter probabilidades condicionais da mudança de estado, a fim de planejar melhor a logística de concepção e de colocação à disposição das peças de substituição.

[0008] Esse mapa é construído, quando de uma fase prévia de aprendizagem, segundo essa técnica de compreensão determinada a partir de um conjunto de dados padronizados de aprendizagem.

[0009] Vantajosamente, essa técnica de compressão determinada é uma técnica de cartografia autoadaptiva de Kohonen.

[00010] Vantajosamente, o processo comporta, além disso, um arquivamento: imagens sobre pelo menos um mapa bidimensional.

[00011] Vantajosamente, o processo comporta um arquivamento dessa trajetória corrente sobre uma pluralidade de fundos de mapas bidimensionais, representando, cada um, uma dessas variáveis endógenas.

[00012] Vantajosamente, o processo comporta um arquivamento desse fim de trajetória corrente e primeiras trajetórias similares classificadas por ordem de similaridade sobre uma pluralidade de fundos de mapas bidimensionais.

[00013] Vantajosamente, o processo comporta um arquivamento de fundo de mapa correspondente a uma classificação hierárquica em zonas homogêneas de diferentes fundos de mapas representativos das variáveis endógenas.

[00014] Vantajosamente, o processo comporta um arquivamento de um estado corrente de uma pluralidade de motores sobre uma pluralidade de fundos de mapas 2D, representando, cada um, uma dessas variáveis endógenas.

[00015] De acordo com uma particularidade da presente invenção, o processo comporta uma etapa de adaptação para transformar esse mapa, no decorrer do tempo, considerando-se esses pontos de entrada. Assim, consideram-se os novos pontos para afinar mais o mapa, a fim de prognosticar melhor as operações de manutenção.

[00016] De acordo um aspecto da presente invenção, a etapa de padronização comporta uma etapa de normalização das variáveis endógenas, conforme um modelo de regressão sobre um espaço de variáveis de contexto gerado por combinações analíticas das variáveis exógenas. Esse pré-tratamento que consiste em utilizar um modelo de regressão sobre variáveis de contexto adicionais construídas, por exemplo, a partir de transformações polinomiais, exponenciais e logarítmicas das variáveis exógenas iniciais permite suprimir, de maneira eficaz a influência do contexto de aquisição (isto é, os efeitos ambientais e as convenções) sobre as variáveis endógenas, descrevendo o estado do motor, antes de construir a cartografia e sem para tanto suprimir as informações úteis para a manutenção e o diagnóstico.

[00017] Vantajosamente, a etapa de padronização comporta, além disso, uma etapa de seleção de variáveis pertinentes dentre essas variáveis de contexto, segundo um critério de minimização. Isto permite limitar o tempo de cálculo, suprimindo as variáveis de contexto as menos pertinentes, sem para tanto limitar a precisão da padronização.

[00018] Vantajosamente, a etapa de padronização comporta, além disso, uma etapa de limpeza de ruído sobre variáveis endógenas normalizadas, utilizando-se um instrumento de detecção de mudanças bruscas. Isto permite facilitar a interpretação do mapa e seguir, de maneira precisa, ao mesmo tempo, as evoluções lentas das trajetórias e seus saltos bruscos.

[00019] Vantajosamente, a comparação de um trecho dessa trajetória corrente com outros trechos de trajetórias é realizada por meio de uma distância de edição medindo a similaridade entre os diferentes trechos de trajetórias.

[00020] A invenção visa também um sistema de monitoramento de um motor de aeronave, comportando: - meios de medida para coletar no decorrer do tempo medidas sobre variáveis relativas a um motor corrente e seu ambiente compreendendo, a cada aquisição, um primeiro conjunto de medidas sobre variáveis endógenas, descrevendo o comportamento do motor, e um segundo conjunto de medidas sobre variáveis exógenas, descrevendo o contexto de aquisição; - meios de tratamento para padronizar as medidas relativas às variáveis endógenas, considerando-se as medidas relativas às variáveis exógenas para formar a cada aquisição um ponto de entrada que representa um estado desse motor corrente em um espaço multidimensional; - meios de tratamento para projetar, segundo uma técnica de compressão determinada, cada ponto de entrada do espaço multidimensional sobre um ponto imagem de um mapa, construído previamente, para formar uma sequência de pontos de imagens sobre esse mapa que reflete a distribuição dos pontos de entradas no espaço multidimensional, esses pontos de imagens formando uma trajetória corrente representativa de uma evolução dos estados desse motor corrente; - meios de tratamento para comparar um trecho do fim dessa trajetória corrente com trechos de trajetórias de motores de aeronaves registradas anteriormente em uma base de dados para pesquisar trajetórias similares; e - meios de tratamento para analisar a evolução estatística desse fim de trajetória corrente em função dessas trajetórias similares para antecipar as operações de manutenção sobre esse motor corrente.

[00021] A invenção visa também um programa de computador, comportando instruções de código para a aplicação do processo de padronização, segundo as características acima, quando é executado por meios de tratamento.

BREVE DESCRIÇÃO DOS DESENHOS

[00022] Outras particularidades e vantagens do dispositivo e do processo, de acordo com a invenção, sobressairão melhor com a leitura da descrição feita a seguir, a título indicativo, mas não limitativo, com referência aos desenhos anexados: - a Fig. 1 ilustra, de maneira esquemática, meios materiais utilizados nos sistemas ou processo que podem ser empregados para o monitoramento de um motor de aeronave, de acordo com a invenção; - as Figs. 2A e 2B ilustram sinais de uma variável endógena antes e depois de uma normalização; - as Figs. 2C-2G ilustram medidas alisadas após supressão do ruído e detecção das mudanças; - as Figs. 3A-3E ilustram um mapa bidimensional construído, segundo a técnica de Kohonen, refletindo a distribuição dos dados de variáveis endógenas em um espaço multidimensional; - as Figs. 4A-4C ilustram, cada uma, uma representação gráfica de uma trajetória corrente de um motor sobre um fundo de mapa, representando a temperatura dos gases de escapamento; - a Fig. 5 ilustra o arquivamento de um estado instantâneo de uma pluralidade de motores sobre um fundo de mapa, representando a temperatura dos gases de escapamento; e - a Fig. 6 ilustra um arquivamento de um mapa correspondente a uma classificação hierárquica em zonas homogêneas de diferentes fundos de mapas representativos das variáveis endógenas. DESCRIÇÃO DETALHADA DE MODOS DE REALIZAÇÃO

[00023] O princípio da invenção consiste em explorar ao máximo o histórico da vida dos motores acompanhados para encontrar nesses motores comportamentos análogos que levam a operações de manutenção. Assim, observando-se a evolução instantânea de um motor determinado, é possível encontrar trajetórias análogas acompanhadas em seu passado por outros motores e deduzir daí estatísticas para as operações de manutenção que virão.

[00024] A Fig. 1 ilustra um exemplo de meios materiais utilizados no sistema o processo de monitoramento de um motor de aeronave, de acordo com a invenção.

[00025] No decorrer de um voo, uma aeronave 1 procede ao registro de informações sobre seu funcionamento, assim como sobre diferentes parâmetros ambientais. Esses dados registrados por calculadoras instaladas (por exemplo, FADEC, ACMS, DAR, QAR, etc.) são oriundos das medidas fornecidas por meios de medida ou captadores integrados na aeronave 1. Por exemplo, o FADEC (que controla o motor) registra um certo número de variáveis medidas por captadores integrados ao motor 2, permitindo ao mesmo tempo controlar o motor 2 e servir de base a um procedimento de manutenção preditiva.

[00026] Assim, determinados captadores integrados na aeronave 1 coletam, no decorrer do tempo, medidas sobre variáveis relativas ao motor 2 da aeronave e seu meio ambiente. A cada aquisição, essas medidas compreendem um primeiro conjunto de medidas sobre variáveis endógenas, descrevendo o comportamento do motor 2 e um segundo conjunto de medidas sobre variáveis exógenas descrevendo o contexto de aquisição.

[00027] A título de exemplo, as variáveis endógenas podem compreender a velocidade de rotação da árvore N2, o fluxo de carburante FF, as temperaturas e pressões de fluidos em diferentes localizações do motor (por exemplo, antes e/ou depois da composição), a temperatura dos gases de escapamento EGT (Exhaust Gas Temperature), etc.

[00028] As variáveis exógenas podem compreender as seguintes variáveis: temperatura externa, altitude, peso do avião, antigel sobre as asas, antigel nacele, válvula de purificação geometria variável de válvula de descarga VBV (variable by-pass valve), estator com índice variável VSV (variable stator vannes), convenções de turbinas de alta pressão HP (High pressure) e baixa pressão LP (Low pressure), abertura compressor HP, coleta de ar ECS (ambiental control system), rotação fan N1, ângulo de manete de comando de impulso TLA (Trhust Lever Angle), velocidade de avião (Mach number), etc.

[00029] Por outro lado, uma aeronave 1 envia regularmente ao solo pequenas mensagens instantâneas "snapshots" oriundas das medidas referentes às variáveis endógenas e exógenas. Durante cada vôo, a aeronave 1 envia, em geral, pelo menos duas mensagens ao solo, uma quando da decolagem e a outra durante fase de cruzeiro. Essas mensagens são enviadas por satélite (protocolo ACARS), graças a um sistema de transmissão de dados numéricos entre a aeronave em voo e o solo (outros protocolos de comunicação são possíveis. PCMIA, 3G, etc.

[00030] As estações no solo 3 recuperam as diferentes mensagens emitidas em diferentes datas para diferentes aeronaves 1 e para diferentes motores 2 e as enviam, em seguida, por intermédio de um enlace de comunicação a um centro de gestão 5. Este comporta um sistema informático 7, compreendendo de maneira habitual meios de entrada 9, meios de tratamento 11, meios de armazenagem 13, e meios de saída 15. Anotar-se-ão outros dados registrados durante o voo sobre as calculadoras instaladas podem também ser descarregados regularmente para enriquecer as informações relativas aos motores 2.

[00031] Os diferentes dados oriundos das mensagens recebidas diretamente das diferentes aeronaves 1 ou aquelas recuperadas no solo, a partir das memórias internas das calculadoras instaladas são armazenados nos meios de armazenagem 13 para constituir uma base de dados 14 sobre toda uma frota de motores 2.

[00032] A base de dados 14 comporta assim uma pluralidade de medidas coletadas no decorrer do tempo sobre as variáveis endógenas e exógenas referentes às diferentes aeronaves 1 e diferentes motores 2. Essas medidas são associadas a datas de aquisição ou datas de vôo, assim como a identificadores, permitindo identificar os motores de aeronaves referidos.

[00033] O centro de gestão 5 utiliza essa base de dados 14 para formalizar e comparar as trajetórias dos motores 2 em um espaço métrico. Isto permite analisar, de maneira não supervisionada, a evolução das características relativas ao funcionamento dos motores 2 para programar operações de manutenção 17.

[00034] Previamente, a análise comporta um pré-tratamento de dados para suprimir a influência das condições exteriores e convenções sobre as variáveis endógenas, descrevendo o estado dos motores 2. Com efeito, o contexto de aquisição de dados pode ser muito variável. Por exemplo, as medidas se referem à decolagem adquiridas, quando de um primeiro vôo do dia no qual o motor é acionado a frio podem ser diferentes daquelas conseguidas, quando dos outros voos do dia. Outros exemplos referem-se à variação das condições meteorológicas (chuva, neve, gelo, etc.), a troca de pilotos, ao invés de sobrevoo (acima do mar, do deserto, da terra, etc.). Todos esses efeitos podem, naturalmente, influenciar as medidas.

[00035] Assim, as medidas coletadas no decorrer do tempo sobre variáveis relativas a um motor 2 corrente e seu ambiente são abordagens padronizadas pelos meios de tratamento 11. Mais particularmente, as medidas relativas às variáveis endógenas são padronizadas, considerando-se as medidas relativas às variáveis exógenas para formar a cada aquisição um ponto de entrada que representa um estado do motor corrente. O ponto de entrada está representado assim de maneira independente do contexto de aquisição, em um espaço multidimensional, cuja dimensão é igual ao número de variáveis endógenas.

[00036] A padronização se baseia, em particular, em uma etapa de normalização das variáveis endógenas, segundo um modelo de regressão. Anotar-se-á que, a fim de melhorar os resultados do modelo de regressão, podem-se considerar variáveis suplementares construídas a partir de cálculos, utilizando variáveis exógenas iniciais para formar um conjunto de variáveis de contexto.

[00037] Assim, a normalização pode ser realizada, conforme um modelo geral de regressão linear definido sobre um espaço de variáveis de contexto gerado por combinações analíticas (polinomiais e/ou não polinomiais) das variáveis exógenas.

[00038] Nesse caso, suponhamos que as medidas são coletadas sobre um conjunto de I motores e que, para cada um dos motores (I < i < I), existem ni aquisições de medidas. Cada aquisição pode ser expressa por um binário constituído de um vetor endógeno Yij e de um vetor de contexto Xij. Suponhamos que cada vetor endógeno Yij contenha p variáveis endógenas Y -Y,"',Y) e que cada vetor de contexto Xj contenha q variáveis de contexto Y -Y,"',Y) com 1 < i < I e 1 < i < ni. Cada variável de contexto pode ser construída segundo uma transformação polinomial, um produto ou uma combinação analítica (por exemplo, inverso, raiz, log, exp, etc.) de variáveis exógenas.

[00039] No âmbito de um modelo de regressão linear, os vetores endógenos são supostos depender de maneira linear dos vetores de contexto. Isto pode ser formalizado pela seguinte equação, para cada uma das variáveis endógenas (r e{1,^,p}).

[00040] μr é o interceptado da variável endógena Yjr, ar é um parâmetro que depende do motor, permitindo à variável endógena Yijr considerar, por exemplo, a idade do motor, ε é o vetor de resíduo e pode-se acrescentar um problema de não colinearidade i i i , na qual ni é o número de aquisições.

[00041] Todavia, o número de variáveis de contexto pode ser bastante importante e é, portanto, vantajoso que a padronização possa comportar uma etapa de seleção de variáveis pertinentes para limitar o tempo de cálculo e evitar a sobreparametragem. A seleção permite conservar apenas um pequeno número de combinações que serve para a supressão do contexto de aquisição. Em outros termos, selecionam-se dados e, em seguida, volta-se sobre o contexto para serem obtidos resíduos que são independentes do contexto de aquisição.

[00042] Assim, para selecionar um subconjunto de variáveis de contexto pertinentes, é possível se basear em um critério de minimização de tipo minimização de soma dos quadrados dos resíduos com um problema sobre a soma dos valores absolutos dos coeficientes (segundo, por exemplo, o critério LASSO) da seguinte maneira:

[00043] Graças a esse problema, os coeficientes das variáveis os menos pertinentes não são utilizados e são iguais à zero.

[00044] Vantajosamente, a padronização pode comportar também uma etapa de limpeza de ruído sobre as variáveis endógenas normalizadas, utilizando-se um instrumento de detecção de mudanças bruscas. A utilização desse instrumento no meio dos resíduos das variáveis endógenas normalizadas em relação às variáveis exógenas permite marcar acontecimentos particulares que afetaram a vida do motor, quer esses acontecimentos sejam operações de manutenção ou degradações brutais de determinados componentes do motor. Com efeito, o salto é interpretado fisicamente como uma modificação brusca do estado de do motor que pode corresponder a uma degradação brutal do motor (por exemplo, um objeto que entra no motor) ou uma manipulação sobre o motor (por exemplo, a mudança de uma peça quando de uma operação de manutenção entre os dois vôos).

[00045] As Figs. 2A e 2B representam exemplos que ilustram os sinais da velocidade de rotação da árvore N2, antes e depois da normalização segundo o contexto e antes da detecção de mudança e a limpeza do ruído.

[00046] As Figs. 2C-2G ilustram medidas alisadas, após supressão do ruído e após detecção das mudanças. As medidas das Figs. 2C-2G se referem à temperatura dos gases de escapamento EGT, a velocidade de rotação da árvore N2, o fluxo de carburante FF, a pressão e a temperatura respectivamente. As datas de rupturas estão representadas por um traço vertical e os sinais estimados, graças ao instrumento de detecção, estão representados em traço cheio.

[00047] O salto, por exemplo, na Fig. 2D estava completamente dissimulado pelo ruído e só foi detectado graças ao instrumento de detecção de mudança bruscas que limpou o ruído residual em torno do salto. Em outros tempos, para considerar saltos bruscos, o instrumento de detecção faz um alisamento à esquerda do salto diferente do alisamento à direita do salto.

[00048] A título de exemplo, o instrumento de detecção de mudanças bruscas pode se basear na utilização conjunta e em paralelo de um conjunto de algoritmos de quadrados menores recursivos RLS (Recursive Least Squares), permitindo estimar as variações lentas dos sinais e de um algoritmo de relação de verossimilhança generalizado GLR (Generalized Likelihood Ratio) multidimensional trabalhando sobre os resíduos dos algoritmos RLS para marcar as rupturas.

[00049] Cada algoritmo RLS modeliza o resíduo de uma variável endógena graças a um simples modelo linear fazendo intervir o tempo e atualizar os parâmetros recursivamente. Cada algoritmo RLS fornece, portanto, novos resíduos, cujas variações lentas foram suprimidas. É sobre esses resíduos limpos que um algoritmo GRL multidimensional é utilizado para detectar os saltos bruscos.

[00050] Mais particularmente, o algoritmo RLS utiliza uma função de custo dos menores quadrados, mas com uma ponderação de tipo exponencial que depende da antiguidade da observação, dando assim mais peso aos pontos recentes do que aos pontos mais antigos. Esse critério é, em seguida, minimizado recursivamente, conforme a seguinte equação:

no qual θ é um fator de esquecimento e βj são os parâmetros estimados.

[00051] Com efeito, após uma inicialização no voo lm, a tendência é estimada até o voo corrente l. O resíduo é calculado e testado segundo os parâmetros escolhidos se o teste detectar uma mudança no voo lm+1 o cálculo é reinicializado. Esse teste pode ser implementado como um cálculo multi-variável, de modo que, quando uma mudança é detectada todos os cálculos, sobre cada uma das variáveis, são reinicializados simultaneamente.

[00052] Assim, a padronização permite formar, para cada motor 2 e para cada aquisição, um ponto de entrada independente do contexto em um espaço multidimensional de dimensão p (p sendo o número de variáveis endógenas) representando o estado do motor na data de aquisição.

[00053] Além disso, os meios de tratamento 11 são configurados para projetar, segundo uma técnica de compressão determinada, cada ponto de entrada do espaço multidimensional sobre um ponto imagem de um mapa construído previamente (ver, por exemplo, Figs. 3A-3E).

[00054] Com efeito, o mapa pode ser construído, quando de uma fase prévia de aprendizagem, segundo a mesma técnica de compressão, a partir de um jogo de dados padronizados de aprendizagem. Esse mapa pode ser um mapa autoadaptativo ou auto- organizador SOM (self-organising map) em 2D e os dados padronizados de aprendizagem podem ser oriundos de dados antigos relativos a uma frota de motores de aeronave e/ou dados simulados provenientes de um modelo termodinâmico de um motor de aeronave.

[00055] Vantajosamente, pode-se transformar ou adaptar o mapa no decorrer do tempo, considerando-se os novos pontos de entradas para fazer aí outros mapas, mais adaptados, a fim de aumentar mais a precisão dos prognósticos.

[00056] A técnica de compressão para construir um mapa ou para projetar a trajetória de um motor 2 sobre o mapa pode ser realizada segundo uma técnica de cartografia autoadaptativa de Kohonen. A cartografia ou projeção de Kohonen é muito adaptada para analisar a repartição de dados em um espaço multidimensional que pode ser um espaço de grande dimensão que, por exemplo, um espaço 10D). O mapa bidimensional pode ser considerado como uma rede extensível e a técnica de projeção de Kohonen consiste, então, em desdobrar a rede no espaço multidimensional para que ela se ajuste o máximo possível sobre uma camada que comporta os dados de entrada do espaço multidimensional. Anotar-se-á que os dados de entrada não preenchem o espaço multidimensional inteiro, pois esses dados são, em geral, correlacionados entre si por causa dos problemas físicos. Com efeito, esses dados de entrada dependem, de maneira, quase determinista uns dos outros, no caso de um motor sadio.

[00057] Mais particularmente, a técnica de Kohonen é uma técnica de classificação, respeitando a topologia do espaço multidimensional das observações. Ele agrupa as observações em um certo número de classes K (ou estados), e constrói um conjunto de vetores {ml, ..., mk} denominados vetores-códigos (prototype vectors, em inglês) representando, cada um, uma classe. Pode-se escolher uma estrutura de aproximação, tal que as classes sejam dispostas sobre um mapa bidimensional formado de uma grade plana (por exemplo, de forma hexagonal) de K nós.

[00058] Cada classe ou estado (subconjunto do espaço multidimensional) pode ser descrito(a) por uma posição sobre o mapa (isto é, um índice i sobre a grade) e um vetor-código mi no espaço multidimensional.

[00059] Seja {x1, ..., xN} o conjunto de observações utilizada para calibrar o mapa. A construção do mapa corresponde à definição de uma topologia entre as classes e a construção de um conjunto de vetores-códigos. Uma vez a topologia entre as classes definidas, o algoritmo de Kohonen permite encontrar esses vetores códigos, da maneira iterativa descrita abaixo.

[00060] Inicialmente, os vetores códigos são inicializados aleatoriamente no espaço multidimensional. Em seguida, a cada etapa t, uma observação xj é selecionada (por exemplo, tirada aleatoriamente) e se realizam as duas seguintes fases de competição e de cooperação: - fase de competição: determina-se a classe c que se associa ao máximo com a observação xj pela equação:

- fase de cooperação: modificam-se os vetores códigos da classe c determinada anteriormente e de suas vizinhas sobre o mapa, segundo uma função de proximidade hci definida sobre a grade, pela equação:

na qual t é o tempo ou o número de iteração, α(t) o parâ- metro de aprendizagem do algoritmo e hci(t) a função de aproximação na etapa t entre as classes c e i.

[00061] A título de exemplo, pode-se utilizar a seguinte função de aproximação:

no qual at é um raio que define a proximidade sobre o tempo que define a proximidade sobre o mapa, e dci é a distância sobre a grade entre a classe c e a classe i.

[00062] Na prática, o algoritmo é parado, quando os vetores códigos não se mexem muito mais ou quando um número máximo de iterações tiver sido efetuado.

[00063] Anotar-se-á se podem aplicar outras técnicas de redução de dimensão como, por exemplo, a análise em componente principal dos resíduos da regressão das variáveis endógenas sobre as variáveis exógenas que permite encontrar os eixos principais, maximizando as variâncias e minimizando o erro de construção.

[00064] Por outro lado, a projeção dos pontos de entrada de um motor corrente pela técnica de Kohonen (ou uma outra técnica de projeção) permite formar uma sequência de pontos imagens sobre o mapa, refletindo a distribuição dos pontos de entradas no espaço multidimensional. Esses pontos imagens formam uma trajetória corrente representativa de uma evolução dos estados do motor corrente sobre um mapa bem definido.

[00065] Além disso, os meios de tratamento 11 são configurados para compararem um trecho do fim da trajetória corrente (isto é, os últimos vôos do motor 2) com os trechos de trajetórias de motores de aeronaves registradas anteriormente na base de dados 14 com a finalidade de descobrir as trajetórias similares.

[00066] Vantajosamente, a comparação de um trecho da trajetória corrente com outros trechos de trajetórias é realizada por meio de uma distância de edição que mede a similaridade entre os diferentes trechos de trajetórias.

[00067] Cada trecho de trajetória corresponde a uma cadeia de caracteres (cada nó da grade, vetor código, é um caractere) e assim, a distância de edição é muito adaptada para medir a similaridade entre duas cadeias de caracteres que é então igual ao número de caracteres que é preciso modificar (suprimir, inserir ou substituir) para passar de uma cadeia à outra.

[00068] Suponhamos que se queira comparar dois trechos de trajetórias definidos pelas cadeias s1 e s2. Cada cadeia é uma S = S.SJj Sj Í sucessão de caracteres 1 , 2 , , nj na qual cada caractere sij representa uma posição sobre o mapa. Suponhamos que existam r operações o1, ..., or dentre as operações de supressões, inserções e substituição que transformam a primeira cadeia s1 na segunda cadeia s2. Então, o custo da transformação global é igual à soma dos custos individuais cos t(oi), e a distância entre as cadeias s1 e s2 é definida pelo valor mínimo dessa operação:

[00069] Além disso, os meios de tratamento 11 são configurados para analisar a evolução estatística do fim da trajetória, em função das trajetórias similares, a fim de antecipar as operações de manutenção 17 sobre o motor 2 corrente.

[00070] Com efeito, utilizando-se os últimos voos do motor 2 corrente, os meios de tratamento 11 buscam na base de dados 14 trechos de trajetórias similares ao fim da trajetória corrente sobre o mapa. Uma trajetória do trecho de trajetória similar ao fim da trajetória do motor corrente corresponde à evolução dos estados de um motor que teve um passado similar ao motor corrente. Assim, analisando o percurso de diferentes trajetórias similares, os meios de tratamento 11 podem extrapolar o futuro da trajetória corrente para prever de maneira estatística os acontecimentos futuros do motor corrente, a fim de orientar melhor as operações de manutenção sobre esse motor. Naturalmente, utilizando-se uma base maior de dados 14 de motores, os meios de tratamento 11 podem prognosticar com uma precisão da evolução de um motor sobre monitoramento. A título de ilustração, caso se encontrem, por exemplo, cem trajetórias similares à trajetória corrente do motor sob monitoramento e que sobre as cem trajetórias houve aí oitenta sobre as quais foi necessário substituir uma peça do motor, então se pode deduzir que há 80% de chance que o motor corrente necessitará da mesma operação de manutenção. Naturalmente, é possível também prever o prazo de disponibilidade do motor antes de substituir a peça e, por conseguinte, se podem marcar muito rapidamente os motores prioritários para realizar a manutenção.

[00071] Por outro lado, é muito vantajoso arquivar a representação dos pontos de imagens sobre pelo menos um mapa bidimensional. Com efeito, os mapas bidimensionais possuem propriedades de visualização muito úteis para representar os dados multidimensionais em duas dimensões. Assim, os meios de saída 15 são configurados para arquivar as representações gráficas das evoluções temporais do estado de um motor 2 ou uma pluralidade de motores sobre telas ou sobre folhas de impressão.

[00072] As Figs. 3A-6 ilustram alguns exemplos de representações gráficas sobre mapas auto-organizadores bidimensionais.

[00073] As Figs. 3A-3E ilustram um mapa c1-c5 construído, segundo a técnica de Kohonen, cujos pontos refletem a distribuição dos dados de variáveis endógenos em um espaço de dimensão cinco. A título de exemplo, a topologia do mapa c1-c5 é configurada sob a forma de um gráfico de malhas hexagonais. Naturalmente, pode-se também ter as malhas de forma retangular ou de qualquer outra forma. A cor do fundo do mapa (por exemplo, dégradé do branco ao negro) corresponde aos valores dos resíduos da variável endógena. Cada célula do mapa pode ser colorida, segundo o valor do vetor código correspondente para a variável endógena considerada. A escala de cinza e1-e5 ao lado do mapa c1-c5 indica a intensidade da variável endógena correspondente.

[00074] Assim, as Figs. 3A-3E representam cinco vezes o mesmo mapa para as cinco seguintes variáveis endógenas: a velocidade de rotação da árvore de alta pressão, o fluxo do carburante, a pressão a jusante da compressão, a temperatura a jusante da compressão, e a temperatura dos gases de escapamento.

[00075] Mais particularmente, a Fig. 3A representa o fundo do mapa c1 para a velocidade de rotação da árvore. Cada ponto sobre esse mapa corresponde a um valor de velocidade, segundo um dégradé do branco ao negro. Um ponto negro representa uma velocidade rápida, um ponto branco representa uma velocidade lenta, e um ponto cinza representa uma velocidade intermediária. Vê-se, por exemplo, uma zona negra (velocidades rápidas) em baixo à direita, uma zona branca (velocidades lentas) no alto, e uma zona cinza (velocidades médias) no meio do mapa c1.

[00076] A Fig. 3B representa o fundo do mapa c2 para o fluxo do carburante. O lado esquerdo (zona negra) representa um consumo elevado de carburante, enquanto que a zona branca no alto à direita representa um consumo pequeno, etc.

[00077] Da mesma forma, as Figs. 3D-3E representam os fundos do mapa c3-c5 para a pressão a jusante da compressão, a temperatura a jusante da compressão, e a temperatura dos gases de escapamento, respectivamente.

[00078] Assim, cada célula do mapa corresponde a um estado do motor, conforme as cinco variáveis endógenas representadas sobre as cinco variáveis endógenas representadas sobre os cinco fundos de mapas c1-c5. Por exemplo, o canto no alto à esquerda corresponde a estados de velocidade medianamente baixa, elevada temperatura de saída, elevado consumo de carburante, e elevadas pressão e temperatura após compressão. Isto permite representar sobre o mapa c1-c5 as zonas correspondentes a diferentes tipos de degradações.

[00079] Pode-se, em seguida, representar a trajetória corrente de um motor 2 sobre uma pluralidade de fundos de mapas representando, cada um, uma das variáveis endógenas, a fim de visualizar a evolução no decorrer do tempo do estado do motor corrente em relação a zonas de degradações e segundo cada variável endógena.

[00080] Mais particularmente, as Figs. 4A-4C ilustram o arquivamento das trajetórias correntes ou sequências de estados S1- S3 sobre um fundo de mapa c5 representam a temperatura dos gases de escapamento EGT. Segundo esse exemplo, a escala de temperatura e5 na direita mostra que o branco representa uma temperatura elevada e o negro uma temperatura baixa. A temperatura dos gases de escapamento EGT é um indicador bem conhecido dos motoristas para avaliar, por exemplo, o desgaste do motor 2. Uma temperatura elevada indica que uma grande parte da energia começa a se transformar em calor, diminuindo assim o rendimento do motor.

[00081] Nessas Figs., a trajetória S1-S3 do motor está representada por uma sucessão de pontos (que podem ser representados em várias cores) com um diâmetro decrescente no tempo, permitindo assim representar uma superposição de pontos. O tamanho dos pontos corresponde assim à data da medida, quanto mais um ponto for pequeno, mais recente ele será.

[00082] A Fig. 4A mostra a trajetória S1 de um motor, cujo estado permaneceu um longo momento no meio do mapa c5 e depois, a trajetória S1 começou a deslocar para baixo para se aproximar do canto inferior direito do mapa c5 que indica um aumento da temperatura dos gases de escapamento EGT, mostrando um fenômeno natural de desgaste.

[00083] A Fig. 4B ilustra um outro exemplo de um motor 2 que se comportava normalmente em uma zona central do mapa c5 e que começava a se degradar (a trajetória S2 deslocando-se um pouco para uma zona mais quente) e mais, e depois, de repente a trajetória S2 vai para cima para se aproximar do canto superior direito do mapa c5 que indica uma diminuição da temperatura dos gases de escapamento EGT. Essa mudança de comportamento indica que uma manipulação foi realizada sobre o motor. Essa manipulação pode ser, por exemplo, a limpeza do motor ou uma mudança de missão do motor para uma zona geográfica mais fria.

[00084] A Fig. 4C ilustra ainda um outro exemplo de trajetória S3 de um motor 2 com os saltos. Os números 1 a 607 representam uma sucessão de voos. Nos primeiros voos do motor (voos 1 a 73), houve aí um primeiro pequeno salto. Um segundo salto ocorreu entre os voos números 73 e 74, antes que a trajetória S3 se acantone durante os voos 74 a 516 em uma zona no meio elevado do mapa. Finalmente, após um terceiro salto, a posição do motor se aproxima no fim da trajetória (voos 517 a 607) do canto superior esquerdo. É claro que esse motor sofrerá de um problema de deterioração de pelo menos um de seus componentes e teve de sofrer operações de manutenção.

[00085] Por outro lado, podem-se assim arquivar o fim da trajetória corrente de um motor e primeiras trajetórias similares classificadas por ordem de similaridade sobre uma pluralidade de fundos de mapas. Isto permite prognosticar a evolução do motor corrente com uma precisão muito grande, explorando ao máximo o histórico dos motores semelhantes, tendo comportamentos análogos.

[00086] Pode-se assim arquivar o estado corrente de uma frota de motores sobre uma pluralidade de fundos de mapas bidimensionais representando, cada um, uma das variáveis endógenas. Isto permite representar simultaneamente toda uma frota de motores de aeronave e realizar uma comparação rápida entre os diferentes motores.

[00087] A título de exemplo, a Fig. 5 ilustra o arquivamento de um estado instantâneo de uma pluralidade de motores sobre um fundo de mapa c5, representando a temperatura EGT. Cada número representa um motor e se pode ver, por exemplo, que os motores 94, 190 e 191 se acham em uma zona de temperatura EGT elevada e, por conseguinte, esses motores são prioritários para operações de manutenção.

[00088] Anotar-se-á que se podem também substituir os fundos de cartões nos exemplos das Figs. precedentes por uma classificação hierárquica ou cada ponto representa um estado do espaço multidimensional. Dois pontos vizinhos sobre o cartão podem estar mais ou menos próximos, segundo o fato de a distância multidimensional entre esses pontos ser maior ou menor. Assim, podem-se construir sobre o mapa fronteiras entre os pontos vizinhos, que apresentam distâncias multidimensionais afastadas. Isto permite definir um certo número de zonas homogêneas correspondentes a fenômenos particulares que poderão ser facilmente identificáveis pelos experts do motor.

[00089] A Fig. 6 ilustra um exemplo de um arquivamento de um mapa c6 correspondente a uma classificação hierárquica em zonas homogêneas de diferentes fundos de mapas representativos das variáveis endógenas. Por exemplo, a zona Z1 corresponde a uma zona de temperatura EGT baixa e velocidade baixa. A zona Z2 corresponde a uma zona de temperatura de óleo elevada. A zona Z3 corresponde a uma zona de velocidade de rotação elevada. A zona Z4 corresponde a uma zona de funcionamento normal. Em seguida, posicionando-se a trajetória (não representada), de um motor sobre esse mapa, pode-se facilmente identificar se o motor tem um comportamento normal (zona Z4) em direção a que zona ele tem tendência a se dirigir.

[00090] O mapa pode também ser subdividido de uma outra maneira em várias zonas que comportam uma zona de velhos motores, uma zona de motores que corre o risco de ter um problema de turbina, etc. Da mesma forma, projetando-se a trajetória de um motor sobre o mapa, pode-se ver sobre a que zona o motor se dirige. Isto permite a um operador de manutenção visualizar sobre uma tela a evolução do estado do motor para melhor programar as operações de manutenção.

[00091] A invenção visa também um programa de computador, capaz de ser utilizado nos meios de tratamento e comportando instruções de código adaptadas à aplicação de um processo, de acordo com a invenção, tal como descrito acima.

Claims (14)

1. Processo de monitoramento de um motor (2) de aeronave, caracterizado pelo fato de comportar as seguintes etapas: - coletar no decorrer do tempo medidas sobre as variáveis relativas a um motor (2) corrente e seu ambiente, compreendendo a cada aquisição um primeiro conjunto de medidas sobre variáveis endógenas descrevendo o comportamento do motor e um segundo medidas sobre variáveis descrevendo o contexto de aquisição; - padronizar as medidas relativas às variáveis endógenas, considerando-se as medidas relativas às variáveis exógenas para formar para cada aquisição, um ponto de entrada que representa um estado desse motor corrente em um espaço multidimensional; - projetar, segundo uma técnica de compressão determinada, cada ponto de entrada do espaço multidimensional sobre um ponto imagem de um mapa (c1-c5), construído previamente, para formar uma sequência de pontos imagens sobre esse mapa, refletindo a distribuição dos pontos de entradas no espaço multidimensional, esses pontos imagens formando uma trajetória (S1-S3) corrente representativa de uma evolução dos estados desse motor corrente; - comparar um trecho do fim dessa trajetória corrente com trechos de trajetórias de motores de aeronaves registradas anteriormente em uma base de dados (14) para pesquisar trajetórias similares; e - analisar a evolução estatística desse fim de trajetória corrente em função dessas trajetórias similares para antecipar operações de manutenção (17) sobre esse motor corrente.

2. Processo, de acordo com a reivindicação 1, caracterizado pelo fato de esse mapa (c1-c5) ser construído, quando de uma fase prévia de aprendizagem, segundo essa técnica de compressão determinada a partir de um jogo de dados padronizados de aprendizagem.

3. Processo, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de essa técnica de compressão determinada ser uma técnica de cartografia autoadaptativa de Kohonen.

4. Processo, de acordo com qualquer uma das reivindi-cações 1 a 3, caracterizado pelo fato de comportar, além disso, um arquivamento dos pontos imagens sobre pelo menos um mapa (c1-c5) bidimensional.

5. Processo, de acordo com a reivindicação 4, caracterizado pelo fato de comportar um arquivamento dessa trajetória (S1- S3) corrente sobre uma pluralidade de fundos de mapas (c1-c5) bidimensionais, representando cada um, uma dessas variáveis endógenas.

6. Processo, de acordo com a reivindicação 4, caracterizado pelo fato de comportar um arquivamento desse fim de trajetória corrente e das primeiras trajetórias similares classificadas por ordem de similaridade sobre uma pluralidade de fundos de mapas (c1-c5) bidimensionais.

7. Processo, de acordo com a reivindicação 4, caracterizado pelo fato de comportar um arquivamento de fundo de mapa (c6) correspondente a uma classificação hierárquica em zonas homogêneas de diferentes fundos de mapas representativos das variáveis endógenas.

8. Processo, de acordo com a reivindicação 4, caracterizado pelo fato de comportar um arquivamento de um estado corrente de uma pluralidade de motores sobre uma pluralidade de fundos de lados, representando, cada um, uma dessas variáveis endógenos.

9. Processo, de acordo com qualquer uma das reivindi-cações precedentes, caracterizado pelo fato de comportar uma etapa de adaptação para transformar esse mapa no decorrer do tempo, considerando-se esses pontos de entrada.

10. Processo, de acordo com qualquer uma das reivindi-cações precedentes, caracterizado pelo fato de a etapa de padronização comportar uma etapa de normalização das variáveis endógenas, segundo um modelo de regressão sobre um espaço de variáveis de contexto gerado pelas combinações analíticas das variáveis exógenas.

11. Processo, de acordo com a reivindicação 10, caracterizado pelo fato de a etapa de padronização comportar, além disso, uma etapa de seleção de variáveis pertinentes dentre essas variáveis de contexto, segundo um critério de minimização.

12. Processo, de acordo com a reivindicação 10 ou 11, caracterizado pelo fato de a etapa de padronização comportar, além disso, uma etapa de limpeza de ruído nas variáveis endógenas normalizadas utilizando um instrumento de detecção de mudanças bruscas.

13. Processo, de acordo com qualquer uma das reivindi-cações precedentes, caracterizado pelo fato de a comparação de um trecho dessa trajetória corrente com outros trechos de trajetórias ser realizada por meio de uma distância de edição, medindo-se a similaridade entre os diferentes trechos de trajetória.

14. Sistema de monitoramento de um motor (2) de aeronave, e caracterizado pelo fato de comportar: - meios de medida para coletar no decorrer do tempo medidas sobre variáveis relativas a um motor (2) corrente e seu ambiente compreendendo, a cada aquisição, um primeiro conjunto de medidas sobre variáveis endógenas, descrevendo o comportamento do motor e um segundo conjunto de medidas sobre variáveis exógenas, descrevendo o contexto de aquisição; - meios de tratamento (11) para padronizar as medidas relativas às variáveis endógenas, considerando-se as medidas relativas às variáveis exógenas para formar a cada aquisição um ponto de entrada que representa um estado desse motor corrente em um espaço multidimensional; - meios de tratamento (11) para projetar, segundo uma técnica de compressão determinada, cada ponto de entrada do espaço multidimensional sobre um ponto imagem de um mapa, construído previamente, para formar uma sequência de pontos de imagens sobre esse mapa que reflete a distribuição dos pontos de entradas no espaço multidimensional, esses pontos de imagens formando uma trajetória corrente representativa de uma evolução dos estados desse motor corrente; - meios de tratamento (11) para comparar um trecho do fim dessa trajetória corrente com trechos de trajetórias de motores de aeronaves registradas anteriormente em uma base de dados para pesquisar trajetórias similares; e - meios de tratamento (11) para analisar a evolução estatística desse fim de trajetória corrente em função dessas trajetórias similares para antecipar as operações de manutenção sobre esse motor corrente.

Images