BR112014028184B1 - Processo de monitoramento de uma degrado de um dispositivo integrado de uma aeronave - Google Patents
Processo de monitoramento de uma degrado de um dispositivo integrado de uma aeronave Download PDFInfo
- Publication number
- BR112014028184B1 BR112014028184B1 BR112014028184-0A BR112014028184A BR112014028184B1 BR 112014028184 B1 BR112014028184 B1 BR 112014028184B1 BR 112014028184 A BR112014028184 A BR 112014028184A BR 112014028184 B1 BR112014028184 B1 BR 112014028184B1
- Authority
- BR
- Brazil
- Prior art keywords
- probability
- degradation
- alarm
- decision threshold
- abnormality
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Abstract
PROCESSO DE MONITORAMENTO DE UMA DEGRADAÇÃO DE UM DISPOSITIVO INTEGRADO DE UMA AERONAVE. Um processo de monitoramento de uma degradação de um dispositivo integrado de uma aeronave compreendendo uma etapa de comparação de uma marcação de anormalidade obtida para um voo dado da aeronave a um limiar de decisão (S) e uma etapa de emissão de um alarme em caso de ultrapassagem do limiar de decisão (S), o limiar de decisão (S) sendo determinado automaticamente para uma probabilidade de alarme dada Pa, correspondente à probabilidade que um alarme seja emitido no curso do processo de monitoramento enquanto que o dispositivo integrado é danificado, por meio das etapas seguintes: uma etapa de cálculo de uma pluralidade de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação de maneira a obter uma distribuição da densidade de probabilidade de marcação de anormalidade, a distribuição sendo própria para a natureza física do dispositivo integrado; uma etapa de ajuste da distribuição por um estimador não paramétrico da densidade de probabilidade de maneira a obter uma função de distribuição ajustada contínua; uma etapa de cálculo de uma função de repartição ajustada contínua a partir da função de distribuição ajustada contínua; e uma etapa (...).
Description
[0001] A presente invenção se refere ao domínio do monitoramento de uma degradação de um dispositivo integrado de uma aeronave tal como que, por exemplo, um sistema de lubrificação de um turborreator, um dosador para a alimentação de combustível de um turborreator, uma cadeia de aquisição redundante de um turborreator, um filtro de partículas, etc.
[0002] Para monitorar um dispositivo integrado, é conhecido formar um indicador que é característico de uma degradação do dispositivo integrado. Este indicador é conhecido do especialista na técnica sob a denominação de marcação de anormalidade. De maneira clássica, uma marcação de anormalidade é formada a partir de medidas de parâmetros físicas do dispositivo integrado tais como, por exemplo, uma posição geométrica, uma corrente de comando, um ângulo de abertura, uma temperatura, etc. A marcação de anormalidade é característica do grau de dano da degradação. De preferência, uma marcação de anormalidade é formada a cada voo da aeronave.
[0003] A título de exemplo, conhece-se, pelo pedido de patente depositado na França em 5 de dezembro de 2011 sob o número 1 161 175 da empresa SNECMA, um processo de monitoramento de um dosador de combustível de um turborreator no qual a degradação relativa ao desvio da corrente de repouso de uma servoválvula comandando o dosador de combustível é monitorada. Para formar a marcação de anormalidade que é característica do desvio da corrente de repouso da servoválvula, realiza-se uma pluralidade de medidas da corrente de comando média e toma-se a mesma como a norma.
[0004] Para determinar se o dispositivo integrado está efetivamente degradado, o processo de monitoramento comporta uma etapa de comparação de uma marcação de anormalidade obtida para um voo dado da aeronave a um limiar de decisão e uma etapa de emissão de um alarme em caso de ultrapassagem do limiar de decisão. Assim, seguindo a evolução da marcação de anormalidade, detecta-se se o grau de degradação aumenta e pode-se antecipar o risco de pane do dispositivo integrado e melhorar a gestão das operações de manutenção.
[0005] A regulagem do limiar de decisão para uma degradação dada é crucial sendo dado, por um lado, que um limiar de decisão muito baixo induz a emissão de alarmes frequentes enquanto que a degradação não é genuína (alarme falso) e, por outro lado, que um limiar de decisão muito elevado inibe a emissão de alarmes enquanto que a degradação é genuína (não detecção).
[0006] De maneira clássica, para cada degradação que se deseja detectar, define-se de maneira empírica a valor do limiar de decisão. A fim de assegurar uma segurança máxima, o valor dos limiares de decisão é geralmente sub avaliado a fim de minimizar o risco de não detecção. Resulta daí que o número de alarmes falsos se torna elevado o que apresenta um inconveniente para as companhias aéreas que ficam obrigadas a executar de maneira frequente uma operação de manutenção enquanto que o dispositivo aeronáutico integrado não está degradado. Para eliminar este inconveniente, as companhias aéreas impõem aos fabricantes de dispositivos integrados cadernos de encargos impondo limitar o risco de erro. Tendo em conta a precisão exigida, qualquer definição empírica de um limiar de decisão para um processo de monitoramento de panes é então proscrita.
[0007] Existe assim uma necessidade para determinar de maneira confiável e precisa o valor de um limiar de decisão para o monitoramento de uma degradação de um dispositivo integrado de uma aeronave.
[0008] A invenção trata de um processo de monitoramento de uma degradação de um dispositivo integrado de um aeronave, executado em por um computador, o grau da degradação do dispositivo integrado sendo definido por uma marcação de anormalidade formada a partir de medidas de parâmetros físicos do dispositivo integrado, o processo de monitoramento compreendendo uma etapa de comparação de uma marcação de anormalidade obtida para um voo dado da aeronave a um limiar de decisão e uma etapa de emissão de um alarme em caso de ultrapassagem do limiar de decisão, o limiar de decisão sendo determinado automaticamente para uma probabilidade de alarme dada Pa, correspondente à probabilidade que um alarme seja emitido no curso do processo de monitoramento enquanto que o dispositivo integrado não está danificado, por meio das etapas seguintes: uma etapa de cálculo de uma pluralidade de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação de maneira a obter uma distribuição da densidade de probabilidade da marcação de anormalidade, a distribuição sendo própria para natureza física do dispositivo integrado; uma etapa de ajuste da distribuição por um estimador não paramétrico da densidade de probabilidade de maneira a obter uma função de distribuição ajustada contínua; uma etapa de cálculo de uma função de repartição ajustada contínua a partir da função de distribuição ajustada contínua; et uma etapa de leitura do antecedente da função de repartição ajustada contínua para a valor 1-Pa, l antecedente correspondente ao limiar de decisão.
[0009] Graças à invenção, determina-se o limiar de decisão de maneira automática com uma grande precisão em função da probabilidade de alarme Pa correspondente às exigências das companhias aéreas. Um tal processo é confiável por comparação com os processos de acordo com a arte anterior o que permite detectar de maneira precisa qualquer degradação de um dispositivo integrado e antecipar qualquer pane deste último durante o monitoramento.
[00010] De maneira preferida, o estimador não paramétrico da densidade de probabilidade é um estimador por janela de Parzen. Um tal estimador é muito vantajoso porque ele atribui a mesma importância à parte central da distribuição que às partes extremas que são as mais critiques para o monitoramento de degradação no domínio aeronáutico para o qual as exigências em termos de confiabilidades são significantes.
[00011] De preferência, um estimador por janela de Parzen é definido por sua largura de janela h. De maneira preferida, a distribuição sendo formada a partir de um número N de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação, a distribuição tendo um desvio padrão estimado, a janela de Parzen possui uma largura h definida segundo a seguinte fórmula:
[00012] Uma tal largura h de janela de Parzen permite garantir umaprecisão do ajuste para o monitoramento de dispositivos integrados o que garante uma precisão do limiar de decisão determinado.
[00013] De acordo com um aspecto preferido da invenção, a probabilidade de alarme Pa é obtida pela seguinte fórnula: fórmula na qual : Pe corresponde à probabilidade que o dispositivo integrado não esteja danificado enquanto que um alarme é emitido; Pd corresponde à probabilidade de uma degradação para um voo dado; e (1 - d)aprioricorresponde à probabilidade de detecção de uma degradação a priori.
[00014] De maneira vantajosa, determina-se a probabilidade de alarme Pa em função de uma probabilidade de erro Pe que corresponde às exigências práticas das companhias aéreas que desejam diminuir o número de etapas de manutenção inúteis dos dispositivos integrados.
[00015] De preferência ainda, o processo comporta: uma etapa de execução do processo de monitoramento de uma degradação do dispositivo integrado, com o limiar de decisão previamente determinado, para uma pluralidade de marcações de anormalidade formadas para uma pluralidade de voos da aeronave com degradação para daí deduzir uma probabilidade de detecção de uma degradação a posteriori (1 - d)aposteriori uma etapa de determinação de uma nova probabilidade de alarme Pa em função da probabilidade de detecção de uma degradação a posteriori (1 - d)aposteri e uma etapa de determinação de um novo limiar de decisão refinado a partir da nova probabilidade de alarme Pa.
[00016] Estas etapas permitem vantajosamente refinar o valor do limiar de decisão de maneira rápida e confiável quando a probabilidade de alarme Pa é determinada em função de uma probabilidade de erro Pe.
[00017] A invenção será melhor compreendida pela leitura da descrição que se segue, dada unicamente a título de exemplo, e se referindo aos desenhos anexos nos quais: a figura 1 é um diagrama esquemático des etapas dedeterminação automática do limiar de decisão selon l invenção; a figura 2 é um diagrama esquemático das etapas dedeterminação automática do limiar de decisão de acordo com a invenção com uma etapa de refinamento do limiar de decisão; a figura 3 represente a distribuição de marcações de anormalidade obtidos para um computador integrado de um aeronave para uma pluralidade de voos sem degradação, a curva representando um ajuste da distribuição obtida; a figura 4 represente a função de repartição proveniente da distribuição da figura 3, a curva representando um ajuste da função de repartição; a figura 5 é um diagrama esquemático da etapa de refinamento da valor do limiar de decisão; - a figura 6 é uma comparação de diferentes tipos de ajustes (gaussiano, gama, Parzen) da função de repartição; e a figura 7 é uma comparação de diferentes limiares de decisão obtidos em função do tipo de ajuste.
[00018] É preciso notar que as figuras expõem a invenção de maneira detalhada para executar a invenção, as ditas figuras podendo naturalmente servir para melhor definir a invenção se for o caso.
[00019] A determinação automática de um limiar de decisão vai ser apresentada para um processo de monitoramento de uma degradação de um dispositivo integrado de uma aeronave tal como conhecido da arte anterior, por exemplo, pelo pedido de patente sob o número 1 161 175 da empresa SNECMA.
[00020] De maneira conhecida, o grau de degradação do dispositivo integrado é definido por uma marcação de anormalidade obtido por cálculo por meio de medidas de parâmetros físicas do dispositivo integrado tal como apresentado precedentemente. De maneira preferida, a marcação de anormalidade é formada por um computador integrado da aeronave e ligada ao dispositivo integrado por uma ligação de comunicação. De maneira conhecida, como apresentado precedentemente, o processo de monitoramento compreende uma etapa de comparação de uma marcação de anormalidade obtido para um voo dado da aeronave a um limiar de decisão e uma etapa de emissão de um alarme em caso de ultrapassagem do limiar de decisão.
[00021] Durante a emissão de um alarme, uma etapa de manutenção do dispositivo integrado deve ser executada por uma companhia aérea a fim de evitar uma pane do dito dispositivo integrado.
[00022] A regulagem automática de um limiar de decisão é definida para uma probabilidade de alarme dada Pa. Por probabilidade de alarme, entende-se a probabilidade que um alarme seja emitido no curso do processo de monitoramento enquanto que o dispositivo integrado não está danificado, ou seja, sem degradação genuína. Dito de outro modo, uma probabilidade de alarme Pa de 1% corresponde à emissão de um alarme para 100 voos sem degradação.
[00023] Na prática, a probabilidade de alarme Pa não é diretamente conhecida. Com efeito, os cadernos de encargos das companhias aéreas impondo como critério uma probabilidade de erro Pe que corresponde à probabilidade de que o dispositivo integrado não esteja danificado enquanto que um alarme é emitido. Dito de outro modo, uma probabilidade de erro Pe de 1% corresponde a um dispositivo integrado não danificado para 100 alarmes emitidos.
[00024] Na prática, quando um alarme é emitido pelo processo de monitoramento, uma operação de manutenção é executada pela companhia aérea. Uma limitação da probabilidade de erro Pe permite assim às companhias aéreas limitar o número de operações de manutenção de um dispositivo integrado que não está danificado, tais operações gerando custos de exploração inúteis.
[00025] De maneira preferida, a probabilidade de alarme Pa é determinada em função da probabilidade de erro Pe graças à formula de probabilidade condicional o (F1) abaixo.
[00026] A fórmula (F1) comporta os seguintes parâmetros: - β eoiTgupqpcIg § rtqdcdknkfcfg fg p«q fgVge>«q fg woc fgitcfc>«q rctc wo voo dado, 1-β eqttgurqpfgpfq gpV«q § rtqdcdknkfcfg fg fgVge>«q fg woc degradação; e - Pd corresponde à probabilidade de uma degradação para um voo dado.
[00027] A fórmula (F1) é deduzida das equações de probabilidade condicional nas quais a probabilidade Pa corresponde a um alarme sabendo o dispositivo não danificado (Pa=P(Alarme|Não danificado) e a probabilidade Pe corresponde a um dispositivo não danificado sabendo que um alarme é emitido (Pe = P(Não danificado\Alarme)).
[00029] Além disso, como P(Alarme) = P(AlarmeC\ Não danificado) + P(Alarme n Degradado) P(Alarme) = P(AlarmelNão danificado). P(Não danificado) + P(Alarme\Degradado). P(Degradado) com P (Degradado) = Pd P(Nào danificado)= 1 — Pd P(Alarme]Degradadò) = 1— β P(Alarme\Não danificado) = Pa P(Não danificado]Alarme) = Pe P(Alarme) = P(Alarme\Não danificado). P(Não danificado) + P(Alarme] D egradado). P(Degradado) P(Alarme) = Pa■ (1 - Pd)+ (1 - β) ■ Pd P(Alarme) = Pa■ (1 - Pd) + (l-β)Pd
[00030] Graças às duas igualdades relativas a P(Alarme), deduz-se daí então (F1).
[00031] Na fórmula (F1), a probabilidade de uma degradação para um voo dado Pd é conhecida por experimentação ou estimação e pode, por exemplo, ser da ordem de 10-7. A probabilidade de detecção de uma degradação (l- d)apriori é fixada «a priori» a 1 e refinada por iteração como será detalhado na sequência a fim de melhorar a precisão do limiar de decisão.
[00032] A título de exemplo, obtém-se classicamente uma probabilidade de alarme Pa da ordem de 10E-9 para uma probabilidade de erro Pe exigida da ordem de 1%, uma probabilidade de detecção de uma degradação (1 -d )apriori da ordem de 1 e uma probabilidade de uma degradação para um voo Pd da ordem de 10~7.
[00033] O dispositivo integrado sobre a aeronave comporta de maneira clássica uma pluralidade de sensores a fim de medir parâmetros físicos do dispositivo integrado (corrente de comando, posições geométricas, temperaturas, etc.). De maneira clássica, alguns dos parâmetros físicos medidos são utilizados para formar uma marcação de anormalidade que é função do grau de degradação do dispositivo integrado (erro de posicionamento, desvio da corrente de comando, superaquecimento, etc.). Uma marcação de anormalidade é obtida por transformação de uma ou várias medidas de parâmetros físicos do dispositivo integrado. Par exemplo, as medidas obtidas são normatizadas por valor absoluto ou pela norma de Mahalanobis.
[00034] Como ilustrado na figura 1, o processo de acordo com a invenção comporta uma etapa de cálculo de uma pluralidade de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação. Para voos da aeronave para a qual o dispositivo integrado não está danificado, calcula-se uma pluralidade de marcações de anormalidade de maneira clássica a partir de medidas de parâmetros físicas do dispositivo integrado realizadas no curso de cada voo da aeronave. Os valores das marcações de anormalidade variam em função dos voos da aeronave e da natureza física do dispositivo integrado.
[00035] A distribuição da densidade de probabilidade da marcação de anormalidade é representada na figura 3 por um histograma. Como ilustrado nesta figura, uma marcação de anormalidade igual a 2 é a mais provável (densidade de probabilidade de 0,8). Mais o número de marcações de anormalidade é elevado, mais a distribuição é precisa. Infelizmente, um número elevado de marcações de anormalidade requer um grande número de voos de aeronave o que não é desejado. Neste exemplo, as marcações de anormalidade foram obtidas sobre 200 a 500 voos.
[00036] A probabilidade de alarme Pa, que para lembrar corresponde à probabilidade que um alarme seja emitido no curso do processo de monitoramento enquanto que o dispositivo integrado não está danificado, é classicamente da ordem de 10E-9. Dito de outro modo, o limiar de decisão S conforme à probabilidade de alarme Pa é um valor de marcação de anormalidade acima do qual ficam 10E-9 das marcações de anormalidade obtidas para voos sem degradação.
[00037] Mesmo se se dispõe de um número muito grande de marcações de anormalidade, a distribuição da figura 3 não é precisa para os quantis de baixo valor, por exemplo, para um quanti de 10E-9. Por análise gráfica, pode- se unicamente deduzir que o valor do limiar de decisão S é superior a 5,5 e deve estar situado na janela K representada na figura 3. Com efeito, a distribuição é obtida por meio de valores discretos de marcações de anormalidade o que limita a precisão da distribuição.
[00038] A fim de melhorar a interpretação da distribuição, com referência à figura 1, o processo de acordo com a invenção comporta uma etapa de ajuste da distribuição por um estimador da densidade de probabilidade de maneira a obter uma função de distribuição ajustada contínua Daj representada na figura 3. De acordo com a invenção, uma etapa de ajuste da função de distribuição por janela de Parzen permite aproximar de maneira precisa a função de repartição obtida de maneira discreta.
[00039] Esta aproximação não paramétrica permite obter um ajuste próximo da distribuição porque um ajuste por janela de Parzen atribui de maneira vantajosa um mesmo peso às filas da distribuição que à parte central o que permite interpretar de maneira precisa os quantis extremos.
[00040] Para lembrar, o ajuste por janela Parzen é um ajuste não paramétrico para estimar a densidade de probabilidade de uma variável aleatória. Ele é comumente chamado estimação por núcleo da densidade, porque funções ditas «núcleos» são utilizadas para estimar a densidade de probabilidade de uma variável aleatória. A expressão analítica da densidade de probabilidade de Parzen é:
[00041] Com K e h, respectivamente, a função núcleo e a largura ou profundidade da janela de Parzen.
[00042] O conceito do ajuste por janela de Parzen é o de estimar a densidade de probabilidade de uma variável aleatória para cada valor de x graças a uma função núcleo K() que é a maior parte do tempo uma função de densidade de probabilidade. Porém a observação x é próxima das amostras dde de aprendizagens ximais a contribuição de xna função núcleo j centrada sobre xié elevada. Inversamente, quanto menos a observação x é próxima das amostras de aprendizagens <. . ■ j) mais a contribuição de x na função núcleo centrada sobre xi é desprezível. Em seguida, o estimador da função de densidade de probabilidade é formado por uma média dos valores das funções de núcleo. Este estimador é regido por um parâmetro de alisamento «h» que é denominado largura ou profundidade da janela. Astimação de densidade de probabilidade, que depende do parâmetro de alisamento «h», apresenta boas propriedades estatísticas. Sob certas condições não restritivas sobre «h», o estimador de janela de Parzen é consistente.
[00043] Existem várias funções núcleos (gaussiana, caixa, triângulo...)mas o desempenho da janela de Parzen repousa principalmente sobre a escolha da largura ou profundidade de janela «h». Um compromisso entre o viés e a variância do estimador deve ser efetuado para escolher a largura «h».
[00044] A largura da janela pode ser escolhida por validação cruzada, maximizando a probabilidade da função do núcleo. Neste exemplo, um núcleo gaussiano (F2) foi utilizado. Quanta à largura ou profundidade da janela, ela ug dcugkc go woc guVkoc>«q fq fguxkq rcft«q vkrq j g fq Vcocpjq P fq conjunto dos dados de aprendizagem segundo a fórmula (F3).
[00045] Um ajuste de Parzen é muito próximo da distribuição elementar observada para alguns voos como vai ser apresentado na sequência o que faz um ajuste ótimo por comparação aos outros ajustes conhecidos.
[00046] Contrariamente à distribuição discreta obtida precedentemente, a função de distribuição ajustada Daj é contínua o que permite conhecer de maneira confiável a densidade de probabilidade da marcação de anormalidade para qualquer marcação de anormalidade. Isto é muito vantajoso para quantis de baixo valor para os quais os dados coletados são muito pouco numerosos.
[00047] Para determinar o valor do limiar de decisão S de maneira simples e rápida, a função de distribuição ajustada Daj é integrada de maneira clássica para obter uma função de repartição ajustada Raj que é igualmente contínua.
[00048] A função de repartição ajustada Raj da função de distribuição ajustada Daj da figura 3 é representada na figura 4. Para memoria, uma função de repartição F de uma variável aleatória real X é a função Fx que a qualquer x real associa ~..co = . Co < ■. j. Com referência à figura 4, a função de repartição possui um valor de 99% para uma marcação de anormalidade de 4,5. O que significa que 99% das marcações de anormalidade para um dispositivo não danificado são inferiores a 4,5.
[00049] Também, para respeitar o critério de probabilidade de alarme Pa da ordem de 10E-9, é preciso ler com precisão o antecedente da função de repartição ajustada Raj para a qual esta última é igual a 1-Pa, o antecedente correspondendo ao limiar de decisão procurado S. Com efeito, isso significa que 1-10E- 9 das marcações de anormalidade para um dispositivo não danificado são inferiores ao limiar de decisão S. Dito de outro modo, 10E-9 das marcações de anormalidade para um dispositivo não danificado que podem gerar um alarme são superiores ao limiar de decisão S. O antecedente corresponde ao limiar de decisão S procurado para a probabilidade de alarme Pa determinada.
[00050] Com referência à figura 1, o processo de acordo com a invenção comporta uma etapa de leitura do antecedente da função de repartição ajustada Raj para a valor 1-Pa. De maneira vantajosa, a função de repartição ajustada Raj sendo contínua e de um-para-um, pode-se deduzir de maneira muito precisa para qual antecedente a função de repartição ajustada Raj toma o valor 1-Pa, ou seja , o limiar de decisão S que é aqui igual a 10,5 como ilustrado na figura 3.
[00051] A título de informação, foi representada na figura 6 uma comparação de vários tipos de ajustes da função de repartição (ajuste gaussiano, ajuste gama e ajuste de Parzen). Como representado na figura 6, o ajuste pelo método de Parzen é muito próximo dos valores de marcação de anormalidade obtidas para alguns voos. De maneira clássica, para validar a qualidade de um ajuste, realiza-se um teste de pertinência do ajuste conhecido do especialista na técnica sob a designação de teste de «Kolmogorov- Smirnov». No caso presente, somente o ajuste de Parzen passa pelo teste de Kolmogorov-Smirnov, os outros ajustes sendo rejeitados.
[00052] Esta precisão do ajuste por janela de Parzen se traduz por uma precisão de determinação do limiar de decisão. Com efeito, como ilustrado na figura 7, obtém-se um limiar de decisão de 6,5 com um ajuste gaussiano, um limiar de decisão de 8,2 com um ajuste gama e um limiar de decisão de 10,5 com um ajuste por janela de Parzen.
[00053] Foi apresentada precedentemente uma determinação do limiar de decisão no qual a probabilidade de alarme Pa é conhecida ou estimada a partir da probabilidade de erro Pe. Quando a probabilidade de alarme Pa é estimada, pode-se realizar de maneira opcional uma etapa de refinamento do limiar de decisão S por refinamento da probabilidade de detecção de uma degradação (l - β ) eqoq üwuVtcfq pqu fkcitcocu guswgoávkequ fcu figuras 2 e 5.
[00054] Como ilustrado na figura 2, executa-se o processo de monitoramento com o limiar de decisão S tal como precedentemente determinado para uma pluralidade de marcações de anormalidade obtidos durante voos com degradação, de preferência, obtidos por simulação. No curso do processo de monitoramento, as diferentes marcações de anormalidade são comparadas ao limiar de decisão S o que permite deduzir «a posteriori» a probabilidade de detecção de uma degradação (1 - β +. Eqo efeito, basta observar o número de alarmes emitidos em relação ao número de voos com degradação monitorados.
[00055] Como ilustrado na à figura 2, por iteração, substitui-se nas etapas de determinação do limiar de decisão a valor. pelo valor obtido no curso do refinamento a fim de obter um novo valor do limiar de decisão S mais preciso. A etapa de refinamento pode ser iterada a fim de convergir para o valor do limiar de decisão S a mais preciso.
[00056] Em uma execução da invenção, o processo de monitoramento de uma degradação de um dispositivo integrado de uma aeronave, o método de determinação automática de um limiar de decisão e o processo de geração de degradações são executados por um computador, de preferência, por uma pluralidade de processadores do computador.
[00057] A título de exemplo, o processo de monitoramento é executado para monitorar um dosador de combustível de um turborreator de aeronave.
[00058] O processador de determinação do limiar de decisão recebe uma pluralidade de marcações de anormalidade sem degradação do processador de monitoramento e determina, para uma probabilidade de erro dada Pe e uma probabilidade de detecção «a priori» de uma degradação pelo processo de monitoramento, o limiar de decisão S. Uma vez o limiar de decisão S determinado, este último é transmitido ao processador de monitoramento que pode então comparar as marcações de anormalidade calculadas com o dito limiar de decisão S para monitorar a evolução da degradação do dosador de combustível à medida dos voos da aeronave.
[00059] Para refinar o valor do limiar de decisão S, o processador de geração de degradações simula dados de voo degradados que são submetidos ao processador de monitoramento que emite um certo número de alarmes em função dos dados recebidos o que permite deduzir daí «a posteriori» a probabilidade de detecção de uma degradação pelo processo de monitoramento. Este valor é então comunicado ao processador de determinação do limiar de decisão S que fornece um novo valor de limiar de decisão S para a nova probabilidade de detecção obtida.
[00060] Itera-se o procedimento até a obter uma convergência do valor do limiar de decisão S. Na prática, uma convergência satisfatória é obtida a partir de duas iterações.
[00061] A invenção foi apresentada para um dosador de combustível mas ela se aplica a qualquer dispositivo integrado de uma aeronave
Claims (5)
1. Processo de monitoramento de uma degradação de um dispositivo integrado de uma aeronave, executado por um computador, o grau da degradação do dispositivo integrado sendo definido por uma marcação de anormalidade formada a partir de medidas de parâmetros físicos do dispositivo integrado, o processo de monitoramento caracterizadopelo fato de que compreende uma etapa de comparação de uma marcação de anormalidade obtida para um voo dado da aeronave a um limiar de decisão (S) e uma etapa de emissão de um alarme em caso de ultrapassagem do limiar de decisão (S), o limiar de decisão (S) sendo determinado automaticamente para uma probabilidade de alarme dada Pa, correspondente à probabilidade que um alarme seja emitido no curso do processo de monitoramento enquanto que o dispositivo integrado não está danificado, por meio das etapas seguintes: uma etapa de cálculo de uma pluralidade de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação de maneira a obter uma distribuição da densidade de probabilidade da marcação de anormalidade, a distribuição sendo própria para a natureza física do dispositivo integrado; uma etapa de ajuste da distribuição por um estimador não paramétrico da densidade de probabilidade de maneira a obter uma função de distribuição ajustada contínua; uma etapa de cálculo de uma função de repartição ajustada contínua a partir da função de distribuição ajustada contínua; e uma etapa de leitura do antecedente da função de repartição ajustada contínua para a valor 1-Pa, l antecedente correspondente ao limiar de decisão (S).
2. Processo de acordo com a reivindicação 1, caracterizado pelo fato de que o estimador não paramétrico da densidade de probabilidade é um estimador por janela de Parzen.
3. Processo de acordo com a reivindicação 2, caracterizado pelo fato de que a distribuição é formada a partir de um número N de marcações de anormalidade para uma pluralidade de voos da aeronave sem degradação, a distribuição tendo um desvio padrão estimado desvio padrão estimado, a janela de Parzen possui uma largura h como definida na fórmula seguinte:
4. Processo de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que a probabilidade de alarme Pa é obtida pela formula seguinte: em que: Pe corresponde à probabilidade que o dispositivo integrado não esteja danificado enquanto que um alarme é emitido; Pd corresponde à probabilidade de uma degradação para um voo dado; e (1 - β)apriori corresponde à probabilidade de detecção de uma degradação A PRIORI.
5. Processo de acordo com a reivindicação 4, caracterizado pelo fato de que compreende uma etapa de execução do processo de monitoramento de uma degradação do dispositivo integrado, com o limiar de decisão (S) previamente determinado, para uma pluralidade de marcações de anormalidade formadas para uma pluralidade de voos da aeronave com degradação para daí deduzir uma probabilidade de detecção de uma degradação a posteriori (1 -β )aposteriori uma etapa de determinação de um nova probabilidade de alarme Pa em função da probabilidade de detecção de uma degradação a posteriori (1 -β )aposteriori e uma etapa de determinação de um novo limiar de decisão (S) refinado a partir da nova probabilidade de alarme Pa.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1254506 | 2012-05-16 | ||
FR1254506A FR2990725B1 (fr) | 2012-05-16 | 2012-05-16 | Procede de surveillance d'une degradation d'un dispositif embarque d'un aeronef avec determination automatique d'un seuil de decision |
PCT/FR2013/051059 WO2013171427A1 (fr) | 2012-05-16 | 2013-05-15 | Procédé de surveillance d'une dégradation d'un dispositif embarque d'un aéronef avec détermination automatique d'un seuil de décision |
Publications (3)
Publication Number | Publication Date |
---|---|
BR112014028184A2 BR112014028184A2 (pt) | 2017-06-27 |
BR112014028184B1 true BR112014028184B1 (pt) | 2021-02-09 |
BR112014028184B8 BR112014028184B8 (pt) | 2022-02-22 |
Family
ID=48577130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112014028184A BR112014028184B8 (pt) | 2012-05-16 | 2013-05-15 | Processo de monitoramento de uma degradação de um dispositivo integrado de uma aeronave |
Country Status (8)
Country | Link |
---|---|
US (1) | US9346558B2 (pt) |
EP (1) | EP2850499B1 (pt) |
CN (1) | CN104303122B (pt) |
BR (1) | BR112014028184B8 (pt) |
CA (1) | CA2873689C (pt) |
FR (1) | FR2990725B1 (pt) |
RU (1) | RU2629479C2 (pt) |
WO (1) | WO2013171427A1 (pt) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3022997B1 (fr) * | 2014-06-25 | 2016-06-10 | Snecma | Procede de surveillance d'une degradation d'un dispositif embarque d'un aeronef incluant la determination d'un seuil de comptage |
FR3027417B1 (fr) * | 2014-10-20 | 2016-11-25 | Airbus Operations Sas | Procede et systeme de generation de rapports d'alertes dans un aeronef |
FR3028067B1 (fr) * | 2014-11-05 | 2016-12-30 | Snecma | Outil de validation d'un systeme de surveillance d'un moteur d'aeronef |
JP6649182B2 (ja) * | 2016-05-30 | 2020-02-19 | 日本電信電話株式会社 | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム |
US10373474B2 (en) * | 2017-03-09 | 2019-08-06 | Keithley Instruments, Llc | Auto setting of alarm limits |
RU2665142C1 (ru) * | 2017-08-22 | 2018-08-28 | Федеральное государственное унитарное предприятие "Центральный институт авиационного моторостроения имени П.И. Баранова" | Способ полетной диагностики узлов турбореактивного двухконтурного двигателя со смешением потоков |
RU2680945C1 (ru) * | 2018-04-17 | 2019-02-28 | Закрытое акционерное общество "Туполев-Проект" | Интеллектуальная система поиска неисправности на самолёте |
RU2729110C1 (ru) * | 2019-07-01 | 2020-08-04 | Акционерное общество "Туполев-Проект" | Интеллектуальная система технического обслуживания для самолета |
CN112100037B (zh) * | 2020-09-25 | 2023-07-25 | 北京奇艺世纪科技有限公司 | 告警级别识别方法、装置、电子设备及存储介质 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3186866B2 (ja) * | 1992-11-20 | 2001-07-11 | 株式会社東芝 | 構造部材の劣化・損傷予測方法およびその予測装置 |
JPH1055497A (ja) * | 1996-08-09 | 1998-02-24 | Yazaki Corp | 故障予知方法、及びこれを用いた制御ユニット並びに負荷制御システム |
GB9704843D0 (en) * | 1997-03-08 | 1997-04-23 | Murphy Graham F | Apparatus |
GB9910938D0 (en) * | 1999-05-11 | 1999-07-14 | Murphy Graham F | Diagnostic apparatus |
US6532421B2 (en) * | 2000-04-07 | 2003-03-11 | Toho Gas Co., Ltd | Method for estimating a life of apparatus under narrow-band random stress variation |
JP3850311B2 (ja) * | 2002-02-21 | 2006-11-29 | オムロン株式会社 | 残存寿命予測報知方法および電子機器 |
US6892163B1 (en) * | 2002-03-08 | 2005-05-10 | Intellectual Assets Llc | Surveillance system and method having an adaptive sequential probability fault detection test |
US7451021B2 (en) * | 2003-05-06 | 2008-11-11 | Edward Wilson | Model-based fault detection and isolation for intermittently active faults with application to motion-based thruster fault detection and isolation for spacecraft |
US7440811B2 (en) * | 2004-09-28 | 2008-10-21 | Siemens Aktiengesellschaft | Dynamic-state waiting time analysis method for complex discrete manufacturing |
US7243042B2 (en) * | 2004-11-30 | 2007-07-10 | Siemens Power Generation, Inc. | Engine component life monitoring system and method for determining remaining useful component life |
US7280941B2 (en) * | 2004-12-29 | 2007-10-09 | General Electric Company | Method and apparatus for in-situ detection and isolation of aircraft engine faults |
RU2308069C2 (ru) * | 2005-06-30 | 2007-10-10 | Валентин Афанасьевич Сухолитко | Способ интегрированной логистической поддержки эксплуатационного контроля летательных аппаратов |
US7933754B2 (en) * | 2006-12-07 | 2011-04-26 | General Electric Company | System and method for damage propagation estimation |
US7930128B2 (en) * | 2007-04-16 | 2011-04-19 | Acellent Technologies, Inc. | Robust damage detection |
US8437904B2 (en) * | 2007-06-12 | 2013-05-07 | The Boeing Company | Systems and methods for health monitoring of complex systems |
US20090030752A1 (en) * | 2007-07-27 | 2009-01-29 | General Electric Company | Fleet anomaly detection method |
US20100030519A1 (en) * | 2008-07-31 | 2010-02-04 | Collier Jarrell D | System for Real-Time Object Damage Detection and Evaluation |
GB0818544D0 (en) * | 2008-10-09 | 2008-11-19 | Oxford Biosignals Ltd | Improvements in or relating to multi-parameter monitoring |
US8442702B2 (en) * | 2008-10-22 | 2013-05-14 | Airbus Operations Gmbh | Fault diagnosis device and method for optimizing maintenance measures in technical systems |
JP5025676B2 (ja) * | 2009-03-25 | 2012-09-12 | 株式会社東芝 | 監視装置および監視方法 |
CN101963937B (zh) * | 2010-09-29 | 2016-08-10 | 南京航空航天大学 | 飞控计算机系统剩余寿命预测方法 |
RU2431175C1 (ru) * | 2010-10-18 | 2011-10-10 | Федеральное государственное унитарное предприятие "Летно-исследовательский институт имени М.М. Громова" | Система интегрированного контроля работы бортового оборудования летательного аппарата |
CN102288412B (zh) * | 2011-05-04 | 2013-05-01 | 哈尔滨工业大学 | 基于损伤基线的航空发动机硬件损伤分析与寿命预测方法 |
GB2491564A (en) * | 2011-05-24 | 2012-12-12 | Isis Innovation | Method of system monitoring |
FR2989500B1 (fr) * | 2012-04-12 | 2014-05-23 | Airbus Operations Sas | Procede, dispositifs et programme d'ordinateur d'aide a l'analyse de la tolerance aux pannes d'un systeme d'un aeronef, utilisant des graphes d'evenements redoutes |
FR2989499B1 (fr) * | 2012-04-12 | 2014-05-16 | Airbus Operations Sas | Procede, dispositifs et programme d'ordinateur d'aide au diagnostic preventif d'un systeme d'un aeronef, utilisant des graphes d'evenements redoutes |
FR2991485B1 (fr) * | 2012-06-05 | 2015-08-14 | Airbus Operations Sas | Procede et dispositif d'estimation automatique d'une degradation en consommation et en trainee d'un aeronef. |
GB201215649D0 (en) * | 2012-09-03 | 2012-10-17 | Isis Innovation | System monitoring |
US9014918B2 (en) * | 2012-10-12 | 2015-04-21 | Cummins Inc. | Health monitoring systems and techniques for vehicle systems |
US9251502B2 (en) * | 2012-11-01 | 2016-02-02 | Ge Aviation Systems Llc | Maintenance system for aircraft fleet and method for planning maintenance |
US20140257716A1 (en) * | 2013-03-11 | 2014-09-11 | Board Of Trustees Of Michigan State University | Methods for estimating remaining life of a monitored structure |
-
2012
- 2012-05-16 FR FR1254506A patent/FR2990725B1/fr active Active
-
2013
- 2013-05-15 CA CA2873689A patent/CA2873689C/fr active Active
- 2013-05-15 RU RU2014148343A patent/RU2629479C2/ru active
- 2013-05-15 EP EP13727295.1A patent/EP2850499B1/fr active Active
- 2013-05-15 US US14/401,265 patent/US9346558B2/en active Active
- 2013-05-15 BR BR112014028184A patent/BR112014028184B8/pt active IP Right Grant
- 2013-05-15 CN CN201380025537.7A patent/CN104303122B/zh active Active
- 2013-05-15 WO PCT/FR2013/051059 patent/WO2013171427A1/fr active Application Filing
Also Published As
Publication number | Publication date |
---|---|
BR112014028184A2 (pt) | 2017-06-27 |
EP2850499B1 (fr) | 2016-11-23 |
FR2990725B1 (fr) | 2014-05-02 |
CA2873689A1 (fr) | 2013-11-21 |
US20150134198A1 (en) | 2015-05-14 |
US9346558B2 (en) | 2016-05-24 |
BR112014028184B8 (pt) | 2022-02-22 |
FR2990725A1 (fr) | 2013-11-22 |
CN104303122A (zh) | 2015-01-21 |
CA2873689C (fr) | 2020-08-18 |
RU2629479C2 (ru) | 2017-08-29 |
EP2850499A1 (fr) | 2015-03-25 |
CN104303122B (zh) | 2016-09-21 |
RU2014148343A (ru) | 2016-07-10 |
WO2013171427A1 (fr) | 2013-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112014028184B1 (pt) | Processo de monitoramento de uma degrado de um dispositivo integrado de uma aeronave | |
WO2020052147A1 (zh) | 监测设备故障检测方法及装置 | |
US10060831B2 (en) | Method for assessing whether or not a measured value of a physical parameter of an aircraft engine is normal | |
US20130197854A1 (en) | System and method for diagnosing machine tool component faults | |
BR102013002536A2 (pt) | Aparelho para determinar desempenho de milhagem de combustível de aeronave, sistema, método implementado em computador e produto de programa de computador | |
BRPI1101439B1 (pt) | Método para detectar a degradação do desempenho de um sensor em um aparelho de medição angular de fluxo | |
BR112014018976B1 (pt) | Métodos e sistemas para a solicitação e a recuperação de dados de uma aeronave, durante o voo da mesma | |
US11299294B2 (en) | Automated fault isolation of flight control surfaces and damage detection of aircraft through non-contact measurement | |
BR112014005947B1 (pt) | Sistema de monitoramento de uma cadeia de medida de um turborreator, turborreator de aeronave e processo de verossimilhança de uma cadeia de medida | |
US20200143292A1 (en) | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset | |
BR102015026105B1 (pt) | método para monitorar uma condição de surgência, e, sistema de monitoramento de surgência de turbomáquina | |
RU2654807C2 (ru) | Способ контроля клапана авиационного двигателя | |
US9607451B2 (en) | Method and a system for merging health indicators of a device | |
BR102013007236A2 (pt) | Método para detectar uma situação de alerta | |
BR112016029297B1 (pt) | Método para monitorização de desempenho de uma bomba submersível elétrica, sistema para monitorização de desempenho de uma bomba submersível elétrica, e meio legível por computador não transitório | |
BR112021011732A2 (pt) | Método melhorado para avaliar condição de tubo | |
BR112016030086B1 (pt) | Processo de monitoramento de uma degradação de um dispositivo embarcado de uma aeronave que inclui a determinação de um limite de contagem | |
BR102020000240A2 (pt) | sistema de detector de gelo, e, método para realizar monitoramento de desempenho e saúde em tempo real de um sistema de detector de gelo | |
BR102017012224B1 (pt) | Método para identificar parâmetro de fonte de falha, e, sistema | |
BR112021002569A2 (pt) | sistema e método para previsão de falhas de máquinas industriais | |
BR112020000390A2 (pt) | aparelho de monitoramento e método de monitoramento de um sistema | |
BR112017008507B1 (pt) | Instrumento e processo de validação de um sistema de monitoramento de um motor de aeronave e sistema de monitoramento de pelo menos um equipamento de um motor de aeronave | |
Paiva et al. | Determining wind turbine power curves based on operating conditions | |
BR102019026481A2 (pt) | Sistema de gerenciamento de estado de aeronave, e, método para identificar um sinal anômalo | |
CN109416023A (zh) | 风力涡轮机监视装置、风力涡轮机监视方法、风力涡轮机监视程序以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 15/05/2013, OBSERVADAS AS CONDICOES LEGAIS. |
|
B16C | Correction of notification of the grant [chapter 16.3 patent gazette] |
Free format text: REFERENTE AO DESPACHO 16.1 PUBLICADO NA RPI 2614 DE 09.02.2021, QUANTO AO TITULO E AOS NOMES DOS INVENTORES |