BRPI0905516A2

BRPI0905516A2 - Prognósticos e monitoramento de saúde para sistemas e componentes eletromecânicos

Info

Publication number: BRPI0905516A2
Application number: BRPI0905516-9A2A
Authority: BR
Inventors: Bruno Paes Leao
Original assignee: Embraer Sa
Priority date: 2008-12-23
Filing date: 2009-12-23
Publication date: 2014-01-28
Also published as: EP2204778A2; EP2204778A3; US20100161274A1; US8306778B2; EP2204778B1; CN101943911A

Abstract

PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS. Descreve-se um processo e um sistema de monitoramento e previsão da saúde de sistemas e componentes eletromecânicos, incluindo a coleta de dados para padrão de atuação fixo de tal sistema ou componente. Estes dados são utilizados para cosntruir modelos estatísticos que correspodem a um estado normal do sistema ou componente. Novas medições são comparadas com este modelo, a fim de monitorar a saúde do sistema ou componente. A comparação pode ser feita usando um cálculo da distância. A combinação de novas medições com dados históricos fornece a previsão para estados de saúde futuros do sistema ou componente.

Description

"PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS"

REFERÊNCIAS CRUZADAS COM PEDIDOS RELACIONADOS

Este pedido está relacionado ao Pedido de Patente

n° U.S. __ depositado em _____, intitulado

"Monitoramento de Desempenho e Prognósticos Para Válvulas de Controle Pneumáticas de Aeronaves" (etiqueta do procurador 4439- 80) . .

DECLARAÇÃO SOBRE PESQUISA OU DESENVOLVIMENTO SOB PATROCÍNIO FEDERAL

Campo da Invenção

Esta tecnologia refere-se a testes automáticos e previsão de falhas, e mais particularmente à estimativa de estados de saúde atuais e futuros de componentes e/ou sistemas eletromecânicos. Ainda mais particularmente, a tecnologia se refere a métodos, sistemas e técnicas aperfeiçoados para monitoramento da saúde de um sistema eletromecânico de circuito fechado a bordo de uma aeronave ou em outras aplicações industriais.

Fundamentos e Sumário da Invenção

Muitas das mais modernas aplicações veiculares e industriais usam componentes e/ou sistemas de controle eletromecânicos de circuito fechado. Atuadores eletromecânicos ("AEM") podem ser usados para o posicionamento de uma plataforma de uma planta industrial, em contextos da robótica, ou para qualquer variedade de aplicações. A bordo de veículos, tais como aviões, é comum que atuadores eletromecânicos sejam usados para posicionar superfícies de controle (por exemplo, para controle de vôo da aeronave) e para muitos outros propósitos. Tal como qualquer outra parte móvel, os sistemas

e componentes eletromecânicos se degradam durante sua vida útil e eventualmente ficam inutilizados. A degradação de partes mecânicas e eletromecânicas pode resultar em aumento da fricção, menor eficiência e, eventualmente, mau funcionamento. 0 controle estatístico de processo (CEP), o

controle estatístico multivariado de processo (CEMP) e outros métodos estatísticos têm sido utilizados para monitorar »' η 2

componentes eletromecânicos em instalações químicas e de processo de fabricação. Por exemplo, já se sabe usar o controle estatístico multivariado de processo para controlar, por meio de diagnósticos, um processo de fabricação. Técnicas estatísticas não-lineares podem ser usadas para fornecer um alerta antecipado de situações anormais.

0 monitoramento da saúde dos atuadores em sistemas mecânicos e eletromecânicos é, em geral, conhecido, a fim de prever, falhas e a degradação do sistema. Por exemplo, já é conhecido o uso de um método baseado em modelo para o monitoramento dos componentes mecânicos de um processo de fabricação. A degradação dos componentes ou sub-sistemas mecânicos pode levar a aumento da fricção, perda de eficiência ou outros fenômenos. Essa degradação pode acumular-se ao ponto de fazer um sistema ou componente emperrar ou ter outra falha catastrófica.

Por exemplo, quando componentes ou sub-sistemas mecânicos são controlados em um sistema de controle de circuito fechado, muitas vezes o controlador é capaz de compensar algum nível de degradação. Em tais casos em que o controlador pode compensar, geralmente nenhuma indicação de degradação pode ser obtida a partir das saídas do sistema - em parte porque o controlador já compensou a situação, tal como foi programado para fazer. O controlador aumenta ou, de outro modo, modifica a corrente ou tensão de comando, a fim de lidar com a maior fricção ou outro fator de mudança à medida que o sistema de controle se adapta automaticamente à mudança nas características comportamentais do sistema ou componente eletromecânico.

0 monitoramento desta corrente de comando ou outras variáveis relacionadas à entrada de energia elétrica ou potência de controle pode indicar anormalidades dos sistemas e componentes eletromecânicos. Formas de incorporação

exemplificativas não-limitativas usam, aqui, a corrente de comando ou outras medições relacionadas com a potência elétrica ou outros parâmetros de controle para monitorar a saúde do sistema ou componente. Em casos onde a degradação é mais grave, o controlador pode não ser capaz de compensar e garantir o desempenho do sistema ou componente. Neste caso, as variáveis de saída do sistema, tais «ι n .3

como posições ou velocidades, podem fornecer indicações da degradação. A forma de incorporação não-limitativa, exemplificativa e ilustrativa, também pode usar medições de posição ou de velocidade para monitorar a saúde do sistema ou componente.

As condições operacionais e'perturbações que não estão relacionadas com a degradação do sistema ou componente podem resultar em incrementos da corrente de comando (potência elétrica) ou, de outro modo, podem alterar os parâmetros de saida do controlador. Para um monitoramento confiável, tais condições operacionais e distúrbios também podem ser monitorados e levados em consideração. A forma de incorporação não-limitativa, exemplificativa e ilustrativa, pode utilizar as medições das condições operacionais e distúrbios como parte de uma análise para monitorar a saúde do sistema ou componente.

Uma forma de incorporação não-limitativa, exemplificativa e ilustrativa, usa aqui técnicas analíticas para processar os dados obtidos dos sensores, que medem as quantidades relacionadas à atuação do sistema ou componente eletromecânico. Tais quantidades podem incluir, por exemplo, posição, velocidade, corrente de comando, potência de comando, ou outros parâmetros mensuráveis. Qs sensores podem ser utilizados para medir as quantidades relacionadas às condições operacionais da atuação do sistema ou componente eletromecânico, incluindo mas não estando limitadas, por exemplo, ao peso de uma plataforma, à pressão dinâmica atuando sobre uma superfície de controle de uma aeronave, ou outros parâmetros.

Em uma forma de incorporação não-limitativa, exemplificativa e ilustrativa, um método para monitorar o estado de saúde de um componente ou sistema eletromecânico controlado em um modo de circuito fechado pode incluir a coleta de um grupo de medições de pelo menos um parâmetro variável mensurável, a partir de instâncias saudáveis do dito sistema ou componente enquanto ele está sendo comandado por um padrão de operação conhecido, sob várias condições operacionais normais. Tais medições coletadas podem ser usadas para construir um modelo estatístico. Novas medições coletadas a partir dos mesmos parâmetros variáveis Ji r 4

mensuráveis, para pelo menos uma instância do sistema ou componente, podem ser comparadas com o modelo estatístico para prover um índice de degradação quantitativa. Uma indicação pode ser gerada após a detecção de uma situação anormal sempre que a degradação exceder um limiar de alarme, por exemplo.

Em formas de incorporação não-limitativas, exemplificativas e ilustrativas, as medições podem incluir, por exemplo, potência elétrica de entrada, corrente de comando elétrico para motores, indicadores de posição, indicação de velocidade, condições operacionais, perturbações ou outras informações mensuráveis.

O padrão de operação pré-determinado pode ser um padrão fixo, que é conseqüência da operação normal. Ele também poderia ser um padrão baseado em operações de teste. O índice de degradação pode ser calculado

utilizando vários cálculos, incluindo mas não limitados à distância de Mahalanobis, T2 de Hotelling, U2 de Runger, ACP multi- modo e/ou outras análises.

Em uma forma de incorporação exemplificativa particular ilustrativa não-limitativa, o sistema de controle que está sendo avaliado poderia ser usado para controlar um flap de aeronave, um slat ou outra superfície de controle de uma aeronave.

Breve Descrição dos Desenhos

Estas características e outras vantagens serão melhor e mais completamente entendidas com referência à seguinte descrição detalhada de formas de incorporação exemplificativas, ilustrativas e não-limitativas, em conjunto com os desenhos, nos quais:

A figura 1 é um diagrama de blocos esquemático de um sistema ou componente do sistema de controle de circuito fechado eletromecânico exemplificativo, ilustrativo e não- limitativo;

A figura 2A é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo, para construção de um modelo estatístico a partir de dados do sistema ou componente saudável; f· I 5

A figura 2B é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo, para comparar os dados medidos de um sistema ou componente monitorado com um modelo construído em conformidade com aquele da figura 2A;.

A figura 3 ilustra esquematicamente um sistema de

controle exemplificativo, ilustrativo e não-limitativo, para controlar um flap ou outra superfície de controle a bordo de uma aeronave;

A figura 4 ilustra graficamente um padrão de controle operacional exemplificativo, ilustrativo e não-limitativo para estender um flap·,

As figuras 5A, 5B, 5C ilustram graficamente medições de amostragem exemplificativas de uma janela de dados de sensores durante a extensão do flap da figura 4; A figura 6 mostra a evolução de uma amostragem

exemplificativa, ilustrativa e não-limitativa de um índice de degradação com um limiar correspondente;

A figura 7 é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo para avaliação da degradação;

A figura 8 mostra um indicador de degradação exemplificativo, ilustrativo e não-limitativo;

A figura 9 é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo para coleta e envio de dados para uma estação terrestre;

A figura 10 é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo para a análise das informações coletadas em um banco de dados; e

A figura 11 é um fluxograma de um processo exemplificativo, ilustrativo e não-limitativo para relatar os resultados da análise de degradação.

Descrição Detalhada

A figura 1 mostra um sistema de controle eletromecânico de circuito fechado 100 exemplificativo, ilustrativo e não-limitativo, onde um sistema ou componente eletromecânico é controlado em um modo de circuito fechado. Na figura 1, o sistema eletromecânico 100 inclui um sistema ou -.(> I β

componente eletromecânico 102, como por exemplo um motor/impulsionador elétrico 104 e um ou mais componentes mecânicos 106 associados. Este sistema ou componente 102 gera uma saida 110 que, pelo menos em parte, controla algum tipo de processo, tal como por exemplo uma superfície de controle de aeronave, um processo industrial ou similar. Um controlador 108 (por exemplo, um controlador digital, tal como um microprocessador ou um circuito analógico) gera uma corrente ou tensão de comando, ou outro sinal de controle, para controlar o sistema ou componente eletromecânico 102. A saída do sistema ou componente eletromecânico 102 aplicada à saída 110 é monitorada por um ou mais sensores de controle 112, que fornecem um retorno para o controlador 108. Como bem conhecido por aqueles com habilidade na arte, o sistema de controle de circuito fechado resultante opera de acordo com uma regra, lei ou algoritmo de controle para compensar dinamicamente o funcionamento do sistema ou componente eletromecânico 102 contra perturbações ou outras condições de operação 118.

Flaps e sistemas de slats de aeronaves freqüentemente são sistemas eletromecânicos de circuito fechado. Veja-se por exemplo a figura 3, que mostra um sistema de controle de circuito fechado 200 mais detalhado, exemplificativo, ilustrativo e não-limitativo, do flap de uma aeronave. Nesse exemplo, o sistema ou componente eletromecânico 102 controla a posição de um flap ou outra superfície de controle de fluxo de ar por meio de conexões mecânicas e atuadores. Um sensor 112 monitora a posição e/ou a pressão do flap e reporta estes parâmetros monitorados de volta para o controlador 108, que controla o sistema ou componente eletromecânico 102, em resposta à posição de um manete de controle 116 (por exemplo, operado por um piloto). A forma de incorporação preferida não-limitativa mostrada na figura 3 consiste na aplicação do referido método e sistema para monitoramento da saúde dos sistemas de flap ou slat de aeronaves, e a figura 3 ilustra parte da arquitetura de um sistema simplificado de flap de aeronave. A arquitetura de um sistema de slat é análoga à do sistema de flap mostrada na figura 3, exceto que agora um slat é controlado, ao invés de um flap. I' i 7

O sistema exemplificativo ilustrativo não- limitativo da figura 3 funciona da seguinte forma: o piloto/co- piloto move o manete 116 do flap para uma das suas posições discretas. Este manete 116 provê a indicação para o controlador eletrônico 108, que por sua vez comanda o sistema de motores elétricos 102 e verifica os sinais de retorno de posição e de velocidade vindos dos sensores 112 do sistema. 0 torque é transmitido dos motores 102 para os atuadores através de uma caixa de engrenagens e conexões mecânicas (geralmente tubos de torque de eixos flexíveis) . Os atuadores podem ser puramente mecânicos, e transmitirem o movimento de rotação das conexões mecânicas para que haja um movimento linear de extensão ou retração da superfície 202.

Nos exemplos mostrados nas figuras 1 e 3, o(s) sensor (es) de controle 112 fornece (m) uma saída sensoreada para o controlador 108 através de um bloco de função 114, tal como um somador ou outra função que, em um modo de operação, combina a saída do(s) sensor (es) com um valor de controle desejado provido por um bloco de "padrão de operação fixo" 116. Muitos sistemas ou componentes eletromecânicos de circuito fechado, são operados em um padrão fixo ou pré-determinado (por exemplo, pré-programado). Este padrão operacional fixo e/ou pré-determinado conhecido pode resultar de (a) uma operação normal do sistema ou componente, e/ou (b) testes normais ou testes especiais dedicados à coleta de dados para a avaliação da saúde do sistema ou componente.

0 sistema da figura 3 é um exemplo onde a operação normal ocorre de acordo com um padrão fixo. A figura 4 apresenta um exemplo de um padrão fixo para um sistema de extensão de flap 200, em resposta à operação do manete 116. Um padrão de operação fixo, tal como apresentado na figura 4, é usado na forma de incorporação exemplificativa, ilustrativa e não-limitativa, como uma referência para o controlador, que implementa uma lei de controle de circuito fechado para fazer o sistema seguir esta referência. Como pode ser visto, o padrão operacional fixo da posição X para a posição Y, neste exemplo particular, fornece uma faixa de mudanças contínuas da posição do flap com o tempo, dentro de uma série de posições desde a posição X para a posição Υ. O padrão fixo faz o flap 202 movimentar-se adequadamente e continuamente dentro de uma faixa de deslocamento útil, neste exemplo particular. Ele pode impedir que o flap 202 mova-se muito rapidamente, a fim de minimizar danos e/ou por outras razões.

Modelagem

Uma forma de incorporação exemplificativa ilustrativa não-limitativa constrói um modelo baseado em computador do sistema de controle 100 ou 200, usando tal padrão operacional fixo. A figura 2A mostra um exemplo de algoritmo para a construção de um modelo adequado, e a figura 2B mostra um exemplo de algoritmo para a utilização do modelo.

A figura 2A mostra uma forma de incorporação exemplificativa ilustrativa não-limitativa de um processo para construção de um modelo, usando dados de sensores de sistemas ou componentes eletromecânicos normais, e dados de medições relacionadas a condições operacionais e distúrbios. Esses dados são coletados de preferência quando o sistema ou componente eletromecânico é submetido ou constrangido a operar de acordo com um padrão de operação fixo ou pré-determinado conhecido (bloco 302), e quando se sabe que o sistema está operando normalmente. Como será detalhado abaixo, os dados coletados podem ser usados para construir uma matriz X que pode ser utilizada para o processamento subseqüente. Os dados coletados de sistemas ou componentes saudáveis podem ser usados para construir modelos estatísticos do comportamento do sistema ou componente normal (bloco 304) . Tais modelos estatísticos podem ter muitas características; aqueles discutidos abaixo em mais detalhes provêem vários valores (m, S e limiares) que podem ser usados para comparação com os dados coletados durante outras operações do sistema (por exemplo, anormais) para determinar falhas, ou falhas potenciais.

A figura 2B mostra como o modelo pode ser usado para detectar degradação ou outras falhas, ou falhas potenciais. Novos dados são coletados (por exemplo, em uma determinada freqüência) para um sistema ou componente sendo monitorado (bloco 306) . Estes dados coletados são comparados com o modelo estatístico para determinar se o sistema ou componente monitorado « » 9

está saudável ou está degradado (bloco 308). Se for determinado que o sistema não está operando corretamente (bloco 310), uma ação pode ser tomada, tal como gerar um alerta (bloco 314).

A figura 7 mostra uma forma de incorporação alternativa, exemplificativa ilustrativa e não-limitativa, que também fornece meios para combinar novas medições com dados de um histórico para produzir a previsão de futuros estados de saúde do sistema ou componente. Como pode ser visto, os blocos 402, 404 da figura 7 são semelhantes aos blocos 306, 308, respectivamente, da figura 2B. No entanto, no caso da figura 7, o bloco adicional 406 pode recuperar dados de um histórico a partir dos resultados do cálculo do índice de degradação para uma instância específica, e uma tendência pode ser calculada utilizando os novos dados e os do histórico (bloco 408) . O sistema pode extrapolar tendências e estimar instâncias sobre quando o índice de degradação irá alcançar limiares indesejáveis (bloco 410), e um sistema de alerta pode gerar uma saída que pode ser apresentada graficamente, como mostrado na apresentação exemplificativa ilustrativa da figura 8. As regiões de alerta exemplificativas, ilustrativas e não- limitativas representadas são baseadas na "vida útil restante" (VUR), conforme mostrado. À medida que diminui a VUR, a região (barra) exibida vai de "Nenhuma mensagem" para "Cuidado" e "Alerta".

Detalhes da análise de modelagem

As figuras 5A, 5B e 5C mostram gráficos

exemplificativos ilustrativos e não-limitativos que ilustram as medições de amostragem (corrente, posição e velocidade em relação ao tempo) de uma janela de dados dos sensores durante a extensão, do flap no sistema da figura 3. Como o sistema apresenta controle de circuito fechado para velocidade e posição, as medições da velocidade do motor e da posição da superfície geralmente não são bons indicadores para a degradação do sistema, levando a um aumento de fricção ou baixa eficiência. A lei ou algoritmo de controle implementado pelo controlador 108 compensa alguma quantidade de degradação e perturbações, mantendo o sistema funcionando de acordo com o desempenho requerido. Portanto, essas medições podem ser sensíveis principalmente a degradações que são I f 10

grandes o suficiente para impedir que o controlador 108 exerça sua função pretendida. No entanto, como o controlador 108 deve compensar o incremento de fricção com um incremento na potência de saida do motor ou outra característica, a corrente do motor ou a potência de entrada são bons indicadores para a degradação.

Outros fatores além da degradação do sistema também podem levar a um incremento da corrente de comando/potência de entrada. 0 principal fator nesse cenário da forma de incorporação preferida no sistema da figura 3 é a carga aerodinâmica. Se a superfície for estendida para diferentes condições de velocidade do ar, altitude ou temperatura do ar, diferentes pressões dinâmicas estarão agindo sobre as superfícies, que correspondem a diferentes potências do motor, que deve ser comandado pelo controlador. Portanto, a forma de incorporação exemplificativa ilustrativa não-limitativa aqui descrita utiliza as medições dos sensores das correntes de comando do motor do flap e da pressão dinâmica (ou outras medições equivalentes).

Várias medições desses sensores podem ser coletadas para diferentes instâncias de um sistema saudável, funcionando sob diferentes condições operacionais. Este conjunto de medições de instâncias saudáveis do sistema é então utilizado pelo processo da figura 2A ou da figura 7, para construir um modelo estatístico do comportamento normal do sistema. Este modelo estatístico compreende uma caracterização matemática das estatísticas das medições e a definição de limiares, que se aplicam a essas estatísticas e definem o limite de comportamento saudável. Existem vários métodos para a construção de tal modelo.

Um método é o uso da distância de Mahalanobis. De um modo geral, a distância de Mahalanobis é baseada nas correlações entre variáveis, pelas quais diferentes padrões podem ser identificados e analisados. É uma forma útil de determinar a semelhança de uma amostra desconhecida com uma conhecida. Veja-se Mahalanobis, P.C. (1936), "Sobre a distância generalizada nas estatísticas" ("On the generalized distance in statistics") , Procedimentos do Instituto Nacional de Ciência da índia, 2(1): 49- 55. Neste caso, a "matriz X" referida no bloco 302 da figura 2A representa o conjunto de medições dos sensores das instâncias < ( 11

saudáveis do sistema, coletadas em vários instantes de tempo e diferentes condições operacionais normais. A matriz X pode ser uma matriz η χ k, com uma forma geral:

χ

11

12

X

Xk

X

21

X

22

X

2 k X.

X, X.

vn\ ,/v«2 ^nk

onde k é o número de diferentes tipos de medições (por exemplo, de diferentes sensores) e η é o número de medições coletadas para cada tipo de medição. Para a forma de incorporação especifica descrita, a matriz X pode assumir a forma:

Xx =

X

11

k21

X

12

X

22

Xn\ Xn2

onde uma coluna contém as medições da corrente de comando e a outra contém as medições da pressão dinâmica ou equivalente. As medições podem ser os valores médios para a corrente de comando e pressão dinâmica para uma certa janela de dados, para cada vôo.

Para usar a distância de Mahalanobis, a média real (μ) e a matriz de covariância (Σ) da distribuição das variáveis consideradas para a construção de X pode ser determinada a priori. Os limiares que definem o comportamento normal são definidos com base em uma função de densidade de probabilidade (fdp) X2. 0 conjunto de valores de μ, Ee limiares definem o modelo estatístico, neste caso. Uma vez que este modelo é construído, ele pode ser usado para definir se novas medições apresentam comportamento normal de acordo com o processo apresentado na figura 2B. Xneu é o vetor de novas medições, que assume a forma geral:

Xn

— [Xji X]2 . . . Xlk] « 12

onde cada valor é uma nova medida para um tipo diferente de medição. Para uma forma de incorporação especifica descrita, o vetor Xnew assumiria a forma:

Xnewl = [xIl x12~l

onde um valor é a nova medida da corrente de comando e outro é a nova medida da pressão dinâmica ou equivalente. A distância de Mahalanobis para cada nova medição tomaria então a seguinte forma geral:

Dm-(Xnew-μ)Σ~ι (Xnew-Juf

Esta distância de Mahalanobis representa o "índice de degradação" para o sistema em consideração. A figura 6 ilustra graficamente uma evolução da

amostragem exemplificativa ilustrativa não-limitativa de um "índice de degradação" (isto é, a distância de Mahalanobis nesta forma de incorporação particular exemplificativa, ilustrativa e não-limitativa), com um limiar correspondente. Como pode ser visto, o índice de degradação permanece baixo neste exemplo para os primeiros 100+ ciclos de operação, mas começa a subir com ciclos posteriores, indicando que a operação do sistema está sendo degradada.

Como é sabido, para usar a distância de Mahalanobis para classificar um ponto de teste como pertencendo a uma das N classes, primeiro faz-se uma estimativa da matriz de covariância de cada classe, normalmente com base em amostras que pertencem a cada classe. Então, dada uma amostra de teste, computa-se a distância de Mahalanobis para cada classe, e classifica-se o ponto de teste como pertencendo àquela classe para a qual a distância de Mahalanobis é mínima. Usando a interpretação probabilística dada acima, isto é equivalente a selecionar a classe com a probabilidade máxima. A distância de Mahalanobis e a alavancagem são freqüentemente usadas para detectar pontos fora da curva, especialmente no desenvolvimento de modelos de regressão linear. Um ponto que tem uma maior distância de Mahalanobis a partir do resto da população da amostra de pontos é dito ter maior alavancagem, uma vez que tem uma maior influência na inclinação ou coeficientes da equação de regressão. A distância de Mahalanobis também pode ser usada para determinar pontos fora da curva 13

multivariados. Técnicas de regressão podem ser usadas para determinar se um caso especifico dentro de uma população de amostra é um ponto fora da curva, através da combinação de dois ou mais resultados variáveis. Um caso não precisa ser um ponto fora da curva univariado em uma variável para ser um ponto fora da curva multivariado. 0 significado de uma distância de Mahalanobis ao detectar pontos fora da curva multivariados é avaliado como um Qui-quadrado com k graus de liberdade. Estas e outras técnicas podem ser usadas para detectar pontos fora da curva que por sua vez podem indicar degradações potenciais fora dos limites normais.

Outra forma de construir o modelo estatístico e calcular o índice de degradação seria pelo uso de T2 de Hotelling. Veja-se por exemplo H. Hotelling, "Análise de um complexo de variáveis estatísticas em componentes principais" ("Analysis of a complex of statistical variables into principal components") , Jornal de Psicologia Educacional (Journal of Educational Psychology), 24, 498-520 (1933). Neste caso, não há necessidade de saber os valores de μ e Σ, a priori. Em vez disso, os valores para a média e a matriz de covariância são estimados a partir das medições. Neste caso, ao invés de μ e Σ, os valores serão representados respectivamente por m e S. O valor do vetor m pode ser calculado utilizando-se a seguinte equação:

1 n 1 _", 1 n, ™= ~Σχη ~Σχη ···

_n i=l η i=1 η i=l

onde os termos Xijr i = 1, 2, ..., n e j = 1, 2, . . ., k, são obtidos a partir da matriz X. O valor da matriz S pode ser calculado utilizando-se a seguinte equação:

η 1 ;=1

onde X1, i = 1, 2, ..., η são as linhas da matriz X. Neste caso, para cada nova medição, o índice de degradação toma a forma:

Os limiares podem ser calculados utilizando-se a

seguinte equação: nyn - k)

onde Fa (k, η - k) representa a fdp F com nível de confiança α e graus de liberdade k e (n-k).

Quando algumas das variáveis medidas não estão associadas à degradação do sistema, tal como a pressão dinâmica na forma de incorporação preferida apresentada, U2 de Runger pode ser utilizado para o cálculo de um índice de degradação que é mais sensível à degradação. Veja-se por exemplo G.C. Runger, "Projeções e o gráfico de controle multivariado de U2" ("Projections and the U2 multivariate control chart"), Jornal de Tecnologia da Qualidade (Journal of Quality Technology), 28, 313-319 (1996). Esse índice de degradação pode ser calculado utilizando-se a seguinte equação:

Dr=Dh- [Xnew - [Xnew - mj

χ

onde new . inclui apenas um subconjunto de variáveis de Xnew que não estão relacionadas com a degradação. W e

S são calculados usando o mesmo subconjunto de variáveis para a matriz X

Ainda outra maneira de construir o modelo estatístico e calcular o índice de degradação pode usar a análise de componentes principais (ACP) multi-modo. Neste caso, ao invés de considerar o valor médio dos valores medidos ao longo de uma janela de dados, ou outra forma de transformar as medições da janela de dados em um único valor para cada variável, todos os pontos de dados para uma certa janela de dados podem ser considerados. Isto é feito usando uma forma alternativa para a matriz X:

Xi = [X1H0), Xiit1) ... X1U/), X2U0) , X2U2) ... X2Ítf) ... Xk Uo) ··· Xkitf)]

onde X1, i = 1, 2, ..., n, são as linhas da nova

matriz X, t0, t] ... tf são os instantes de medição da janela de tempo quando as medições são realizadas, e x,·, i = 1, 2, ..., k, são as variáveis consideradas.

Neste caso, uma vez que a matriz X conterá um grande número de colunas altamente correlacionadas, é necessário realizar uma transformação de APC e reter apenas alguns componentes principais para executar os cálculos. 0 método para assim construir a matriz X e realizar ACP é chamado de ACP multi- modo. Após a definição dos componentes principais que serão retidos, T2 de Hotelling pode ser utilizado para calcular o índice de degradação.

Além de indicar a saúde do sistema ou componente, a forma de incorporação exemplificativa, ilustrativa e não- limitativa também pode fornecer o prognóstico da futura saúde do sistema ou componente. 0 processo exemplificativo, ilustrativo e não-limitativo da figura 7 pode ser usado para executar tal funcionalidade de prognósticos. Isto é conseguido pela combinação do novo índice de degradação calculado (usando qualquer um dos métodos descritos, bloco 402), e comparando essas novas medições com outros valores anteriormente calculados (bloco 404). Este conjunto de novos valores e valores históricos é utilizado para identificar uma tendência de degradação do sistema (bloco 408). Esta tendência é então extrapolada para que o tempo futuro, quando o índice de degradação chegar a um limiar, possa ser estimado (bloco 410). A diferença entre o instante da última medição considerada para os cálculos, e o instante estimado para quando o índice de degradação irá atingir um limiar, é a VUR. O instante estimado de quando a degradação irá atingir um limiar ou a VUR são então fornecidos como saídas junto com limites de confiança (bloco 412) . Estes limites de confiança podem ser providos em termos de limites inferiores e superiores, ou como uma fdp.

Os vários métodos descritos são baseados em dados ' medidos por sensores a bordo de uma aeronave na forma de incorporação preferida descrita. O arranjo de processamento mostrado na figura 9 descreve um processo exemplificativo ilustrativo não-limitativo para obtenção de dados dos sensores a bordo de uma aeronave e sua inserção em um banco de dados. Primeiro, o avião chega ao aeroporto e as informações do sensor são transferidas para a estação de processamento. Esses processos de transferência podem ser manuais ou automáticos. Estes' dados são inseridos em um banco de dados localizado em uma estação de terra. Esse processo se repete a cada aterrissagem de uma aeronave. 16

O arranjo de processamento exemplificativo ilustrativo mostrado na figura 10 descreve o processo de manipulação dos dados dos sensores a partir do banco de dados, que é o mesmo da figura 9. Este processo pode ser independente daquele apresentado na figura 9, e pode funcionar continuamente. A primeira etapa é verificar se algum novo dado de sensor foi inserido no banco de dados. Se não, o processo entra em realimentação (Ioop) até que todos os dados inseridos sejam encontrados. Quando um carregamento (upload) de dados para o banco de dados é detectado, os novos dados carregados são processados de acordo com o processo descrito na figura 11. Uma vez que este processo está sendo apresentado para o monitoramento da saúde, considera-se que os modelos estatísticos têm sido previamente calculados de acordo com os métodos descritos e armazenados no banco de dados. Portanto, o processamento de dados gera o estado de saúde do dito sistema. Estes resultados são armazenados no banco de dados e o processo volta para a verificação de dados.

O arranjo de processamento mostrado na figura 11 descreve o processo de apresentação para o usuário final. Este processo pode ser independente dos outros e pode ser executado apenas quando a interface de usuário for acessada. A primeira etapa faz descarregamento (download) dos dados relevantes a partir do banco de dados, que é o mesmo banco de dados das figuras 9 e 10. Em seguida, o processo aplica as preferências do usuário para configuração de alertas. Estas preferências consistem de parâmetros fornecidos pelo usuário, que podem ser editados e armazenados no banco de dados. Os resultados podem ser apresentados em um relatório gerado em um mostrador ou outra indicação visual, auditiva ou tátil. Este relatório pode ser baseado na Internet.

Cada um dos documentos citados acima está aqui incorporado como referência.

Apesar da tecnologia aqui ter sido descrita em associação com formas de incorporação exemplificativas, ilustrativas e não-limitativas, a invenção não deve ficar limitada à descrição. Apesar de métodos particulares de cálculo do índice de degradação terem sido aqui apresentados, outras análises preditivas ou estatísticas podem ser utilizadas.- Apesar das formas de incorporação exemplificativas ilustrativas fornecerem técnicas para a previsão de degradação em sistemas baseados em aeronaves, as técnicas aqui podem ser usadas em conexão com qualquer sistema de controle utilizado para qualquer aplicação industrial ou outra aplicação. É pretendido que a invenção seja definida pelas suas reivindicações e cubra todos os arranjos correspondentes e equivalentes, quer sejam ou não aqui especificamente divulgados.

Claims

1. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS", compreendendo um processo para monitorar o estado de saúde de um sistema ou componente eletromecânico, o dito sistema ou componente sendo controlado em um sistema de controle de circuito fechado, o referido processo sendo caracterizado pelo fato de compreender: i. a coleta de medições de pelo menos um parâmetro variável mensurável de instâncias de saúde do dito sistema ou componente, enquanto ele está sendo comandado por um pré-determinado padrão de operação sob condições operacionais conhecidas; ii. a construção de um modelo estatístico, pelo menos em parte, em resposta às ditas medições coletadas; iii. a coleta de novas medições para pelo menos uma instância do sistema ou componente, enquanto ele está sendo comandado pelo mesmo ou similar padrão de operação pré- determinado; iv. a comparação das ditas novas medidas com o referido modelo estatístico, e em resposta a isto, produzir um índice de degradação quantitativa para pelo menos uma instância do referido sistema ou componente; e v. a geração de uma indicação sempre que o dito índice de degradação exceder um limiar.

2. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui a coleta de pelo menos uma medição associada com a potência elétrica de entrada.

3. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui medir a potência elétrica de entrada de pelo menos um motor.

4. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui medir pelo menos uma indicação de posição.

5. "PROGNOSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui medir pelo menos uma indicação da velocidade.

6. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui medir pelo menos um parâmetro relacionado com a condição operacional.

7. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que a dita coleta de medições inclui medir pelo menos um parâmetro relacionado com distúrbios.

8. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que o dito pré-determinado padrão de operação é um padrão fixo, em conseqüência da operação normal do referido sistema ou componente.

9. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que o dito pré-determinado padrão de operação é um padrão fixo, em conseqüência de pelo menos um teste realizado no referido sistema ou componente.

10. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de flap de uma aeronave.

11. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de slat de uma aeronave.

12. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de que o sistema ou componente compreende um atuador eletromecânico.

13. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando a distância de Mahalanobis.

14. "PROGNOSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando T2 de Hotelling.

15. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando U2 de Runger.

16. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando APC multi-modo.

17. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 1, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando mais de uma técnica, e a combinação de resultados de mais de uma técnica para fornecer um índice de degradação.

18. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS", compreendendo um sistema para monitorar o estado de saúde de um sistema ou componente eletromecânico, o dito sistema ou componente sendo controlado em um sistema de controle de circuito fechado, o referido sistema sendo caracterizado pelo fato de compreender: meios para a coleta de medições de pelo menos um parâmetro variável mensurável de instâncias de saúde do referido sistema ou componente, enquanto ele está sendo comandado por um pré-determinado padrão de operação sob condições operacionais conhecidas; meios para a construção de um modelo estatístico, pelo menos em parte, em resposta às ditas medições coletadas; meios para coletar novas medições para pelo menos uma instância do sistema ou componente, enquanto ele está sendo comandado pelo mesmo ou similar pré-determinado padrão de operação; meios para comparar as ditas novas medições com o referido modelo estatístico, e em resposta a isto, produzir um índice de degradação quantitativa para pelo menos uma dita instância do referido sistema ou componente; e meios para gerar uma indicação sempre que o dito índice de degradação exceder um limiar.

19. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que os ditos meios de coleta compreendem meios para a coleta de pelo menos uma medição associada a potência elétrica de entrada.

20. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que os ditos meios de coleta compreendem meios para medir a potência elétrica de entrada de pelo menos um motor.

21. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que os ditos meios de coleta compreendem meios para medir pelo menos uma indicação de posição.

22. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que a dita coleta de medições inclui medir pelo menos uma indicação da velocidade.

23. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que os ditos meios de coleta compreendem meios para medir pelo menos um parâmetro relacionado com a condição operacional.

24. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que os ditos meios de coleta compreendem meios para medir pelo menos um parâmetro relacionado com distúrbios.

25. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que o dito pré-determinado padrão de operação é um padrão fixo, em conseqüência da operação normal do referido sistema ou componente.

26. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que o dito pré-determinado padrão de operação é um padrão fixo, em conseqüência de pelo menos um teste realizado no referido sistema ou componente.

27. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de flap de uma aeronave.

28. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de slat de uma aeronave.

29. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de que o dito sistema ou componente compreende um atuador eletromecânico.

30. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando a distância de Mahalanobis.

31. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando T2 de Hotelling.

32. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando U2 de Runger.

33. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando ACP multi-modo.

34. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 18, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando mais de uma técnica, e a combinação de resultados de mais de uma técnica para fornecer um índice de degradação.

35. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS", compreendendo um processo para previsão de estados de saúde futuros de um sistema ou componente eletromecânico, o dito sistema ou componente sendo controlado em um modo de circuito fechado, o referido processo sendo caracterizado pelo fato de compreender: i. a coleta de medições de pelo menos um parâmetro variável mensurável de instâncias de saúde do dito sistema ou componente, enquanto o dito sistema ou componente está sendo comandado em resposta a um pré-determinado padrão de operação sob pelo menos algumas condições operacionais conhecidas; ii. o uso das ditas medições coletadas para construir um modelo estatístico do referido sistema ou processo; iii. a coleta de novas medições para o mesmo sistema ou componente, de pelo menos um parâmetro variável mensurável, para pelo menos uma instância do sistema ou componente que deve ser monitorado, enquanto ele está sendo comandado em resposta ao dito pré-determinado padrão de operação; iv. a comparação das ditas novas medições coletadas com o referido modelo estatístico, e a produção de um índice de degradação quantitativa para cada instância do dito sistema ou componente; ν. o uso de dados históricos específicos do índice de degradação para cada instância do referido sistema ou componente, juntamente com novos valores de índice de degradação calculados para identificar pelo menos uma tendência do estado de degradação da instância do referido sistema ou componente; vi. a extrapolação de pelo menos uma dita tendência para identificar pelo menos um instante do futuro esperado, quando o dito índice de degradação quantitativo para cada referida instância for atingir um limiar definido; vii. a definição de limites de confiança para o dito instante em que o referido indicador de degradação quantitativo para cada instância for atingir um limiar pré- definido; viii. a geração de saídas indicando o dito instante esperado no futuro, quando o referido indicador de degradação quantitativo para cada dita instância for atingir um limiar definido e os ditos limites de confiança.

36. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que os referidos limites de confiança compreendem uma função de densidade de probabilidade.

37. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo, com a reivindicação 35, caracterizados pelo fato de que os ditos limites de confiança fornecem limites superiores e inferiores.

38. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que as ditas medições incluem pelo menos uma medição associada com a potência elétrica de entrada.

39. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 38, caracterizados pelo fato de que a dita medição associada com a potência elétrica de entrada é a corrente de comando elétrico para os motores.

40. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que as referidas medições incluem pelo menos uma indicação de posição.

41. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que as ditas medições incluem pelo menos uma indicação da velocidade.

42. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que as medições incluem pelo menos um parâmetro relacionado com as condições operacionais.

43. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que as ditas medições incluem pelo menos um parâmetro relacionado com distúrbios.

44. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que o dito padrão de operação fixo é uma conseqüência da operação normal do dito referido sistema ou componente.

45. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que o referido padrão de operação fixo é uma conseqüência de pelo menos um teste realizado no referido sistema ou componente.

46. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de flap de uma aeronave.

47. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de slat de uma aeronave.

48. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de que o sistema ou componente compreende um atuador eletromecânico.

49. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de compreenderem o cálculo do referido índice de degradação utilizando a distância de Mahalanobis.

50. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando T2 de Hotelling.

51. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando U2 de Runger.

52. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de compreenderem adicionalmente a construção de um modelo estatístico utilizando ACP multi-modo.

53. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 35, caracterizados pelo fato de compreenderem adicionalmente o cálculo do dito índice de degradação utilizando mais de uma técnica, e a combinação de resultados de mais de uma técnica para fornecer um índice de degradação final.

54. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS", compreendendo um sistema de previsão de estados de saúde futuros de um sistema ou componente eletromecânico, o dito sistema ou componente sendo controlado em um modo de circuito fechado, o dito sistema sendo caracterizado pelo fato de compreender: meios para a coleta de medições de pelo menos um parâmetro variável mensurável de instâncias de saúde do referido sistema ou componente, quando disse que o sistema está sendo comandado em resposta a um pré-determinado padrão de operação sob pelo menos algumas condições de operação normais; meios para utilizar as ditas medições coletadas para a construção de um modelo estatístico do referido sistema ou processo; meios para coletar novas medições do mesmo sistema ou processo, para pelo menos um parâmetro variável mensurável, para pelo menos uma instância do sistema ou componente quei deve ser monitorado, enquanto ele está sendo comandado em resposta ao dito pré-determinado padrão de operação; meios para comparar as ditas novas medições coletadas com o dito modelo estatístico, e produzir um índice de degradação quantitativa para cada instância do referido sistema ou componente; meios para a utilização de dados históricos específicos do índice de degradação de cada instância do referido sistema ou componente, juntamente com novos valores de índice de degradação calculados, para identificar pelo menos uma tendência de estado de degradação de instância do referido sistema ou componente; meios para a extrapolação de pelo menos uma dita tendência para identificar pelo menos um instante futuro esperado, quando o referido índice de degradação quantitativa para cada dita instância for atingir um limiar definido; meios para definir limites de confiança para o dito instante em que o referido indicador de degradação quantitativo para cada instância for atingir um limiar pré- definido; e meios para a geração de saídas indicando o dito instante esperado no futuro, quando o referido indicador de degradação quantitativo para cada dita instância for atingir um limiar definido e os ditos limites de confiança.

55. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que os ditos limites de confiança compreendem uma função de densidade de probabilidade.

56. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que os referidos limites de confiança fornecem limites superiores e inferiores.

57. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que as referidas medições incluem pelo menos uma medição associada à potência elétrica de entrada.

58. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que a dita medição associada à potência elétrica de entrada é a corrente de comando elétrico para os motores.

59. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que as referidas medições incluem pelo menos uma indicação de posição.

60. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que as ditas medições incluem pelo menos uma indicação da velocidade.

61. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que as referidas medições incluem pelo menos um parâmetro relacionado com as condições operacionais.

62. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que as ditas medições incluem pelo menos um parâmetro relacionado com distúrbios.

63. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que o dito pré-determinado padrão de operação é uma conseqüência da operação normal do referido sistema ou componente.

64. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que o dito pré-determinado padrão de operação é uma conseqüência de pelo menos um teste realizado no referido sistema ou componente.

65. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de flap de uma aeronave.

66. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que o dito sistema ou componente compreende um sistema de slat de uma aeronave.

67. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de que o dito sistema ou componente compreende um atuador eletromecânico.

68. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de compreenderem meios para o cálculo do referido índice de degradação utilizando a distância de Mahalanobis.

69. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de compreenderem adicionalmente meios para o cálculo do dito índice de degradação utilizando distribuição de T ao quadrado de Hotelling.

70. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de compreenderem adicionalmente meios para o cálculo do dito índice de degradação utilizando U2 de Runger.

71. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de compreenderem adicionalmente meios para a construção de um modelo estatístico utilizando ACP multi-modo.

72. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE", de acordo com a reivindicação 54, caracterizados pelo fato de compreenderem adicionalmente meios para o cálculo do dito índice de degradação utilizando mais de uma técnica, e a combinação de resultados de mais de uma técnica para fornecer um índice de degradação final.

73. "PROGNÓSTICOS E MONITORAMENTO DE SAÚDE PARA SISTEMAS E COMPONENTES ELETROMECÂNICOS", compreendendo um processo de previsão da degradação de um sistema de circuito fechado de controle a bordo de uma aeronave, caracterizado pelo fato de compreender: (a) a operação de um sistema de controle de superfície de controle de circuito fechado de uma aeronave, em resposta a pelo menos um pré-determinado padrão; (b) a coleta de dados de controle de saída durante a etapa (a); (c) a construção de um modelo estatístico, pelo menos em parte em resposta aos ditos dados coletados na etapa (b); (d) a repetição posterior das etapas (a) e (b) para coletar dados adicionais; (e) a derivação de um índice de degradação em resposta aos referidos dados adicionais e ao dito modelo estatístico, pelo cálculo de pelo menos uma distância indicando correlações entre as variáveis para identificar e analisar padrões; e (f) a geração de pelo menos um alerta perceptível por um ser humano, pelo menos em parte em resposta ao índice de degradação exceder a um pré-determinado limiar.