CN103018060A - 基于实时模型的结构异常检测的方法 - Google Patents
基于实时模型的结构异常检测的方法 Download PDFInfo
- Publication number
- CN103018060A CN103018060A CN2012103500611A CN201210350061A CN103018060A CN 103018060 A CN103018060 A CN 103018060A CN 2012103500611 A CN2012103500611 A CN 2012103500611A CN 201210350061 A CN201210350061 A CN 201210350061A CN 103018060 A CN103018060 A CN 103018060A
- Authority
- CN
- China
- Prior art keywords
- real
- error signal
- unusual
- conspicuousness
- delivery vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明的名称是基于实时模型的结构异常检测的方法。公开了基于实时模型的运载工具结构异常检测的系统和方法。在运载工具运转期间,接收对应于运载工具结构上位置的实时测量值,并比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号。计算模拟误差信号的统计显著性,以提供误差显著性,并测定所述误差显著性的持久性。如果该持久性超过持久性阈值,则指示结构异常。
Description
技术领域
一般而言,本公开的实施方式涉及结构异常检测。更具体地,本公开的实施方式涉及实时结构异常检测。
背景技术
运载工具或航空器结构在其整个使用寿命期间通常遭受各种外力:可预料的运转力(operational force)和不可预料的力二者。这种结构的运转健康可被对运转力和不可预料的力的异常结构响应不利地影响。运转力比如空气动力学载荷的改变和不可预料的力比如阵风可导致非最优的结构状况。
发明内容
公开了基于实时模型的运载工具结构异常检测的系统和方法。在运载工具运转期间接收对应于运载工具结构上位置的实时测量值,并比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号。计算模拟误差信号的统计显著性以提供误差显著性,和测定误差显著性的持久性(persistence)。如果该持久性超过持久性阈值,则指示结构异常。
以这种方式,比较运载工具的结构行为的标称模型(nominal model)与感测响应。模拟误差的统计分析提供异常结构行为的指示;指示运载工具结构的结构异常。可启动控制机构以响应指示的结构异常抵偿结构异常。从而,延长了运载工具的结构寿命并延长了维修事件之间的时间。
在一种实施方式中,基于实时模型的运载工具结构异常检测的方法在运载工具运转期间接收对应于运载工具结构上位置的实时测量值。方法进一步比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号,并计算模拟误差信号的统计显著性,以提供误差显著性。方法进一步测定误差显著性的持久性,并且如果该持久性超过持久性阈值,则指示结构异常。
在另一种实施方式中,基于实时模型的结构异常检测系统包含结构异常检测模块和异常缓解模块(anomaly mitigation module)。结构异常检测模块可操作以在运载工具运转期间接收对应于运载工具结构上位置的实时测量值,和比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号。结构异常检测模块进一步可操作以计算模拟误差信号的统计显著性,以提供误差显著性,并测定误差显著性的持久性。结构异常检测模块进一步可操作以如果该持久性超过持久性阈值,则指示结构异常。异常缓解模块可操作以如果指示结构异常,则启动控制机构以抵偿结构异常。
在仍另一种实施方式中,减轻结构异常的方法获得结构的模拟误差信号,并通过计算假报警的概率(Probability of False Alarm,Pfa)评估模拟误差信号显著偏离零的概率,以提供误差显著性。当误差显著性落在Pfa阈值之下时,方法进一步将单位信号输入至一阶滤波器,并当一阶滤波器的输出值充分接近1时,指示结构异常状况。
根据本公开的一个方面,提供基于实时模型的运载工具结构异常检测的方法,其包括:在运载工具运转期间接收对应于运载工具结构上位置的实时测量值;比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号;计算模拟误差信号的统计显著性,以提供误差显著性;测定误差显著性的持久性;和如果该持久性超过持久性阈值,则指示结构异常。
有利地,计算模拟误差信号的统计显著性的步骤进一步包括:递归地估计模拟误差信号的估计平均数和估计方差,以确定模拟误差信号是否保证(warrant)指示结构异常;和基于估计平均数和估计方差通过计算模拟误差信号的假报警的概率(Pfa)评估模拟误差信号显著偏离零的概率,以提供误差显著性。
有利地,测定误差显著性的持久性的步骤进一步包括:当误差显著性落在Pfa阈值之下时,将单位信号输入至一阶滤波器;比较一阶滤波器的输出值与接近1的值;和当一阶滤波器的输出值充分接近1时——其中持久性高,指示结构异常状况。
优选地,Pfa阈值和一阶滤波器的滤波时间常数是取决于模拟误差信号的质量和假阳性指示的容限(tolerance)的可调参数。
有利地,方法进一步包括如果指示结构异常,则启动控制机构以抵偿结构异常。
优选地,启动控制机构的步骤包括选自下列的至少一种:控制面启动、升力面启动、流控制启动、形状记忆合金的启动、经活性结构材料的启动和推进功率改变。
有利地,方法进一步包括在运载工具结构上安装多个测量传感器,其可操作以测量实时测量值。
有利地,方法进一步包括:在运载工具的健康运转期间读取传感器信号;和基于传感器信号用公式表示运载工具健康运转的期望的签字信号响应(signature signal response),以提供期望的运转数据。
有利地,方法进一步包括周期性地收集在运载工具的进一步运转期间的代表性传感器信号,以获得实时测量值。
有利地,结构异常包括选自下列的至少一种:飞行运转、风切变对升力面的应力、碎片碰撞对升力面的应力、阵风对升力面的应力、机翼的振动、机翼的颤振(flutter)、机身挠曲(fuselage flexure)、机身的过度弯曲、推进系统异常、过度的线性位移、过度的角位移、结构疲劳、控制面异常和升力面异常。
根据本公开的进一步方面,提供基于实时模型的结构异常检测系统,其包括:结构异常检测模块,其可操作以:在运载工具运转期间接收对应于运载工具结构上位置的实时测量值;比较该实时测量值与该位置的期望的运转数据,以提供模拟误差信号;计算模拟误差信号的统计显著性,以提供误差显著性;如果误差显著性低于所选择的Pfa阈值,则测定误差显著性的持久性;并如果该持久性超过持久性阈值,则指示结构异常;和异常缓解模块,其可操作以如果指示结构异常,则启动控制机构以抵偿结构异常。
有利地,系统进一步包括:平均数/方差估计器,其可操作以递归地估计模拟误差信号的估计平均数和估计方差;误差函数模块,其可操作以基于估计平均数和估计方差通过计算模拟误差信号的假报警的概率(Pfa)评估模拟误差信号显著地偏离零的概率,以获得误差显著性;和修匀器(校平器,smoother),其包括一阶滤波器并可操作以当一阶滤波器的输出值充分接近1时——其指示误差显著性持久地高,声明异常状况。
优选地,一阶滤波器包括所选择的Pfa阈值和滤波时间常数,它们是基于模拟误差信号的质量和假阳性指示的容限的可调参数。
有利地,运载工具是航空器并且启动控制机构的步骤包括选自下列的至少一种:控制面启动、升力面启动、流控制启动、形状记忆合金的启动、经活性结构材料的启动和推进功率改变。
有利地,系统进一步包括健康结构模型公式表示模块(formulationmodule),其可操作以:在运载工具的健康运转期间读取传感器信号;储存传感器信号在储存器中;基于传感器信号用公式表示运载工具健康运转的期望的签字信号响应,以获得期望的运转数据;和为结构异常检测模块提供期望的运转数据。
有利地,系统包括实时测量模块,其可操作以:周期性地测量在运载工具的进一步运转期间的代表性的传感器信号,以获得实时测量值;和向结构异常检测模块提供实时测量值。
有利地,系统包括多个传感器,其包括选自下列的至少一种:应变传感器、振动传感器、噪声传感器、温度传感器和光学传感器。
有利地,结构异常包括选自下列的至少一种:飞行运转、风切变对升力面的应力、碎片碰撞对升力面的应力、阵风对升力面的应力、机翼的振动、机翼的颤振、机身挠曲、机身的过度弯曲、推进系统异常、过度的线性位移、过度的角位移、结构疲劳、控制面异常和升力面异常。
根据本公开仍进一步的方面,提供了减轻结构异常的方法,其包括:获得结构的模拟误差信号;通过计算假报警的概率(Pfa)评估模拟误差信号显著地偏离零的概率,以提供误差显著性;当误差显著性落在Pfa阈值之下时,将单位信号输入至一阶滤波器;并当一阶滤波器的输出值充分接近1时,则指示结构异常状况。
有利地,方法包括如果指示结构异常状况,则启动控制机构以抵偿结构异常状况。
提供该发明内容以简化的形式介绍概念选择,其将在下面发明详述中进一步描述。本发明内容不打算确定所要求保护的主题的关键特征或必要特征,也不打算用作帮助确定所要求保护主题的范围。
附图简述
当结合下列附图考虑时,通过参考发明详述和权利要求书可获得对本公开的实施方式更完整的理解,其中遍及附图相同的参看数字指示类似的元素。提供附图以有助于理解本公开而不限制本公开的宽度、范围、数值范围(scale)或适用性。附图没有必要按比例绘制。
图1是示例性航空器生产和使用方法流程图的图解。
图2是航空器示例性方块图的图解。
图3是示例性航空器图解,其显示根据本公开的实施方式的结构异常检测系统。
图4是根据本公开的实施方式的结构异常检测系统的示例性功能方块图的图解。
图5是根据本公开的实施方式的结构异常检测模块的示例性功能方块图的图解。
图6是显示高斯概率密度函数(pdf)的示例性图的图解,其示出根据本公开的实施方式的误差函数(erf)对模拟误差信号。
图7是根据本公开的实施方式的修匀器的示例性功能方块图的图解。
图8是示例性流程图的图解,其显示根据本公开的实施方式基于模型的运载工具结构异常检测方法。
图9是示例性流程图的图解,其显示根据本公开的实施方式减轻结构异常的方法。
发明详述
下列详细说明本质上是示例性的并不打算限制本公开或本公开实施方式的应用和使用。具体设备、技术和应用的描述仅仅作为实例提供。在此描述的实例的修改对本领域技术人员显而易见,并且在不背离本公开精神和范围的情况下,在此限定的一般原则可应用至其他实例和应用。本公开应当与权利要求的范围一致,而不限于在此描述和显示的实例。
在此可按照功能和/或逻辑块部件和各种处理步骤描述本公开的实施方式。应当理解这种块部件可通过配置为执行具体功能的任何数量的硬件、软件和/或固件部件实现。为了简单起见,与控制规律(controllaw)、控制系统、测量技术、测量传感器、应变仪、数据传递、发信号、网络控制和系统的其他功能方面(和系统的单个操作部件)有关的常规技术和部件可不在此详细描述。另外,本领域技术人员将理解本公开的实施方式可结合多种硬件和软件实践,并且在此描述的实施方式仅仅是本公开的实例实施方式。
在实际的非限制性应用即检测航空器结构的异常的背景下在此描述本公开的实施方式。但是,本公开的实施方式不限于这种航空器结构,并且在此描述的技术也可用于其他应用。例如但不限于,实施方式可适用于有人驾驶的和无人驾驶的地面、天空、太空、水面和水下运载工具、建筑物、风车等。
如本领域普通技术人员阅读该说明书后显而易见的,下列是本公开的实例和实施方式,并且不限于根据这些实例的操作。在不背离本公开示例性实施方式的范围的情况下,可使用其他实施方式并可作出结构改变。
更具体地参看附图,本公开的实施方式可在图1中显示的航空器制造和使用方法100(方法100)和图2中显示的航空器200的背景下描述。在生产前期间,示例性方法100可包括航空器200的规格和设计104和材料获取106。在生产期间,发生航空器200的部件和子组件制造108和系统整合110。其后,航空器200可经历发照和交付112以便进行使用114。当客户使用时,航空器200按计划进行常规维修和保养116(其也可包括改进、重新配置、整修等)。
方法100的每个过程可通过系统整合者、第三方和/或操作人员(例如,客户)执行或进行。为了该描述的目的,系统整合者可包括但不限于任何数量的航空器制造商和主要系统转包商;第三方可包括但不限于任何数量的卖方、转包商和提供商;并且操作人员可以是但不限于航空公司、租赁公司、军用单位、维修组织等。
如图2中所显示,通过示例性方法100生产的航空器200可包括具有多个系统220的机身218和内部222。高水平系统220的例子包括一个或多个推进系统224、电力系统226、液压系统228、环境系统230和结构异常检测系统232。也可包括任何数量的其他系统。虽然显示了航空例子,但是本公开的实施方式可应用至其他行业。
在此实施的装置和方法可在生产和使用方法100的任何一个或多个阶段期间使用。例如,对应于生产方法108的部件或子组件可以以与航空器200使用时生产的部件或子组件类似的方式制作或制造。另外,一个或多个装置实施方式、方法实施方式或其组合可在生产阶段108和110期间使用,例如,通过基本上加速航空器200的组装或降低航空器200的成本。类似地,当航空器200使用时,可以使用一个或多个装置实施方式、方法实施方式或其组合,例如,但不限于维修和保养116。
补充的启动系统可用于检测结构的异常。相反,本公开的实施方式需要输入作为飞行状况和航空器状态的函数的航空器结构行为的健康模型。结构异常指示可以与在飞行控制中测量的结构数据关联,以限制非最佳的航空器结构的操作在壳层(envelope)内,其保持航空器的结构负荷在安全水平上。
本公开的实施方式提供系统和方法,以实时检测在飞行期间结构比如航空器的结构异常。在飞行中,异常检测可允许采用飞行控制,其缓解结构异常的影响;阻止可能导致航空器大修理的更多异常的蔓延。结构异常的指示通过指示航空器需要地面结构评估也可为维修人员提供信息。该信息可延长需要的地面结构评估之间的时间间隔,并因此节省费用。
术语实时指被连续发送和接收的信号,其有很少或没有时间延迟。术语近实时指基本上没有明显时间延迟的实时信号。时间延迟可以是,由例如但不限于事件发生之间的自动数据处理或网络传输等引入的延迟。在该文件中,术语实时指实时和近实时二者。
图3是根据本公开的实施方式的示例性航空器300的图解,其包括用于实时检测航空器300的结构异常的结构异常检测系统336(系统336)。航空器300可包括结构异常检测系统336、多个控制面和多个升力面和多个测量装置(MU)。
结构异常检测系统336可操作以在飞行期间检测航空器300的结构异常,如下面更详细解释。如上面提到的,在飞行中,异常检测可允许采用飞行控制,其缓解结构异常的影响;防止可能造成航空器300大维修的更多异常的蔓延。
例如,系统336可实时启动控制面和升力面以抵偿结构异常。可选地,在其他实施方式中,系统336可通过启动,例如但不限于,推进系统、活性流(active flow)控制、作为控制信号的函数膨胀或收缩的成形金属合金或其他活性结构材料、其组合,或其他启动机构,缓解结构异常的影响。
控制面可包括,例如但不限于,起落架舱门(未显示)、飞行控制面比如前缘缝翼306、副翼308、尾翼314、舵316、升降机318、襟翼344、扰流器338或其他控制面。升力面可包括,例如但不限于机身302、机翼304、前置安定面(未显示)、水平安定面310或其他升力面。
结构异常可包括,例如但不限于飞行运转、风切变对升力面比如机身302的应力、碎片碰撞对升力面比如水平安定面310的应力、阵风对升力面比如机翼304的应力、机翼304的振动或颤振、机身挠曲比如机身302的挠曲、机身302的过度弯曲、推进系统异常比如推进系统320(引擎320)中的异常、过度的线性位移、过度的角位移、结构疲劳、控制面异常、升力面异常比如小翼346异常或其他结构异常。
系统336收集来自测量装置(MU)的数据。在一种实施方式中,MU包括位于航空器300上的各个感兴趣测量点的应变桥/应变仪或传感器(transducer)。可选地,MU可包括位于航空器300上的各个感兴趣测量点的惯性测量装置(“IMU”)。但是,应变桥/应变仪可比IMU提供更精确的测量响应。
系统336也收集来自参比MU的数据,所述参比MU优选地位于机身302中。参比MU处理为在飞行期间未经历扭曲、弯曲或位移的固定的参比点。MU提供在一小段时间内角度和速度变化的测量。在实践中,系统336可测量相对于参比MU的实时扭曲,但是也可计算在各个测量点的测量MU之间的扭曲。
MU安装在航空器300中,以为飞行控制系统(未显示)提供飞行中的机翼/尾翼/机身扭曲和变形数据。图3中显示的MU通常可包括,例如但不限于,耦联至处理模块410的参比导航IMU326、耦联至处理模块410的多个测量导航MU324/328/330/332/334,和耦联至系统336的GPS接收器(未显示)。实践的实施方式可包括,例如但不限于,遍布航空器300布置的任何数量的测量装置MU或传感器,并且这种测量装置MU的位置不需要限于图3中显示的位置。
在图3中显示的实施方式中,显示了商业飞机。对本领域技术人员容易地显而易见,图3中显示的实施方式可应用至或适合非常规结构比如但不限于,高海拔持久运载工具,其整个结构可以是可控制的高度柔性的升力面,或其他运载工具。
图4是基于实时模型的结构异常检测系统400(系统400,图3中的336)的示例性功能方块图的图解,所述系统适合实时检测结构异常并操作一个或多个控制机构以抵偿检测的结构异常。结合系统400描述的各种图解的块、模块、处理逻辑和电路可用设计为执行在此描述的功能的下列执行或实施:通用处理器、内容寻址存储器、数字信号处理器、专用集成电路、现场可编程门阵列、任何合适的可编程逻辑设备、离散门或晶体管逻辑、离散硬件部件,或其任何组合。
处理器可实现为微处理器、控制器、微控制器、状态机等。处理器也可实现为计算设备的组合,例如,数字信号处理器和微处理器的组合、多个微处理器、结合数字信号处理器核心的一个或多个微处理器或任何其他这样的构造。
系统400可包括,例如但不限于,台式计算机、膝上计算机或笔记本计算机、手持计算设备(PDA、手机、掌上电脑等)、大型机、服务器、客户端或任何其他类型的专用或通过计算设备,如对于给定应用或环境可能是期望的或适合的。系统400通常包含结构异常检测模块402、健康结构模型公式表示模块404、实时测量模块406、异常缓解模块408和处理模块410。这些部件可通过网络总线416彼此耦联或通讯。
结构异常检测模块402配置为基于航空器300上给定位置处的健康航空器响应(期望的响应)和实时测量值(测量的响应)之间的差异检测航空器300结构中的至少一种异常,如在图5讨论的内容中更详细说明的。
健康结构模型公式表示模块404可位于航空器300上并配置为对航空器300结构中的给定位置处的给定的飞行状况和航空器状态提供健康航空器响应。健康航空器响应用作对结构异常检测模块402的输入。健康航空器响应可包括,例如但不限于应变响应、振动响应、应力响应、噪声响应、温度响应、光学响应等。
进一步,健康航空器响应可包括,例如但不限于标称扭曲和从尾翼至前缘和从翼尖至翼尖的扭曲梯度、标称航空器主体弯曲、参比导航MU 326至每个测量装置MU 324/328-334、起落架跳动和加速、期望的控制面位置、基于当前飞行状况(例如,速度、海拔、马赫)的期望的升力面位置、加速、跳动、海拔、速率、导航状态数据等。与这些相关的航空器参数可包括,例如但不限于海拔、飞机类型、模型、重量等。航空器参数可在飞行期间实时编译并稍后卸载入数据库,用于健康结构模型公式表示模块404中。
在一种实施方式中,通过读取航空器300健康运转期间来自MU的传感器信号获得健康航空器响应。传感器信号接着储存在存储器模块414中。接着基于提供期望运转数据的传感器信号,通过表示航空器300健康运转的健康结构模型公式表示模块404,用公式表示期望的签字信号响应。
实时测量模块406配置为接收航空器300结构中的给定位置处给定航空器300的飞行状况和状态的实时测量值。
实时测量值可通过MU获得,所述MU比如上面说明的位于航空器300上的应变仪。在一种实施方式中,MU周期性地测量运载工具各种运转期间的代表性的传感器信号,以获得实时测量值。实时测量值用作对结构异常检测模块402的输入。实时测量值可进一步通过,例如但不限于振动传感器、噪声传感器、温度传感器、光学传感器等获得。
异常缓解模块408配置为响应保证检测的结构异常的结构异常检测模块402启动控制机构以抵偿检测的异常。控制机构的启动可包括下列的机构启动,例如但不限于:控制面启动、升力面启动、推进功率改变、活性流控制、流控制启动、形状记忆合金或作为控制信号的函数膨胀或收缩的其他活性结构材料的启动、及其组合等。
升力面(例如,机翼、前置安定面、机身)提供作为引擎推力函数的升力,而控制面(例如,副翼、襟翼、舵)可通过致动器移动,以控制航空器飞行路径,通常称为飞行控制。另外,基于从实时测量模块406接收的测量的飞行状况,致动器比如外壳/结构致动器等也可用于弯曲升力面至更期望的(例如,节能)形状。
例如但不限于,异常缓解模块408可操作以通过其各自的致动器,控制襟翼344的位置、控制前缘缝翼306的位置、控制扰流器338的位置和控制其他控制面的位置。另外,一系列致动器可分别罩在机身302、尾翼部340和机翼304中,并基于从异常缓解模块408接收的命令运转。异常缓解模块408接收来自健康结构模型公式表示模块404的数据,其提供控制面和升力面的适合减轻结构异常比如航空器300结构的弯曲、位移或扭曲的期望位置。
例如,如果航空器300在一侧接收阵风,则结构异常检测模块402检测机翼304的结构异常并且异常缓解模块408响应其迅速反应以避免应力过大使机翼304变形。另一个例子,如果湍流造成振动或颤振,并使航空器300的结构进入共振频率,则通过结构异常检测模块402检测运动。运动被检测后,异常缓解模块408产生飞行控制的命令,抵消振动或颤振。在另一个例子中,系统400也可减轻在至少一部分机身上的应力,比如机身302的上部中间主体弯曲。
以这种方式,系统400响应在各种飞行状况下——比如起飞、巡航、进场(approach)和着陆以及其他飞行状况——检测的结构异常实时控制航空器300,而不需要操作人员/飞行员干预。但是,在一种实施方式中,操作人员/飞行员可适当地拒绝/阻止在各种飞行状况期间异常缓解模块408命令的动作。
处理模块410可包括处理器模块412和存储器模块414。
处理器模块412包括处理逻辑,其配置为执行函数、技术和处理与系统400的运转相关的任务。尤其,处理逻辑配置为支持在此描述的系统400。例如,处理器模块412可为结构异常检测模块402提供来自存储器模块414的数据。另一个例子,在一种实施方式中,处理器模块412为异常缓解模块408提供来自健康结构模型公式表示模块404的期望位置改变,异常缓解模块408接着使用原始数据计算通过操作一个或多个上述各种控制机构,对控制面和升力面进行调整。
处理器模块412也获取储存在存储器模块414中各种数据库内的数据以支持系统400的功能。从而,处理器模块412响应于检测结构异常能够启动航空器300中的控制机构以便缓解结构异常。
数据可包括,例如但不限于飞行速度、海拔、控制面(例如,副翼308)期望的位置和升力面(例如,机翼304)期望的位置、实时测量数据、模拟误差信号、模拟误差信号的估计平均数值、模拟误差信号的估计方差、测量的数据输入值、期望的数据输入值、计算的假报警的概率(Pfa)、误差显著性、异常指示输出值、使用者选择的Pfa阈值、持久性阈值、滤波时间常数和其他数据,如下面更详细说明的。
模拟误差信号可用于确定结构异常的存在,如下面更详细说明的。来自存储器模块414的数据可用于而不限于构造或更新估计平均数、模拟误差信号的估计方差和误差显著性。
处理器模块412可用设计为执行在此描述的功能的下列执行或实现:通用处理器、内容寻址存储器、数字信号处理器、专用集成电路、现场可编程门阵列、任何合适的可编程逻辑设备、离散门或晶体管逻辑、离散硬件部件或其任何组合。
以这种方式,处理器可实现为微处理器、控制器、微控制器、状态机或类似设备。处理器也可实现为计算设备的组合,例如,数字信号处理器和微处理器的组合、多个微处理器、结合数字信号处理器核心的一个或多个微处理器或任何其他这样的构造。
存储器模块414可以是具有格式化以支持系统400操作的存储器的数据储存区域。存储器模块414配置为以下面描述的方式根据需要储存数据、保存数据并提供数据以支持系统400的功能。在实践的实施方式中,存储器模块414可包括,例如但不限于永久储存设备(永久半导体储存器、硬盘设备、光盘设备等)、随机存取储存设备(例如,SRAM、DRAM)或本领域已知的任何其他形式的储存介质。存储器模块414可耦联至处理器模块412并配置为储存上面提到的数据。
另外,存储器模块414可表示动态更新的数据库,其包含用于更新各种数据库的表格。存储器模块414也可储存上面提到的数据、处理器模块412执行的计算机程序、操作系统、应用程序、执行程序中使用的临时数据等。
存储器模块414可耦联至处理器模块412,以便处理器模块412可从存储器模块414读取信息和将信息写入存储器模块414。作为例子,处理器模块412和存储器模块414可位于各自的专用集成电路(ASIC)中。存储器模块414也可集成至处理器模块412。在一种实施方式中,存储器模块414可包括缓存存储器,用于在处理器模块412执行的指令的执行期间储存临时变量或其他中间信息。
图5是根据本公开的实施方式的结构异常检测模块402(系统500)的示例性功能方块图的图解。图6是显示示例性高斯概率密度函数(PDF)602的图600的图解,其显示根据本公开的实施方式的erf对模拟误差信号。参照图600在此描述了系统500。系统500可具有与图3-4中显示的实施方式类似的功能、材料和结构。因此,这里可不再赘述共同的特征、功能和要素。
系统500可包括平均数/方差估计器502、误差函数(erf)模块504和修匀器506。
系统500从实时测量模块406接收测量的数据输入测量的_L 508,和来自健康结构模型公式表示模块404的期望的数据输入期望的_L 510。测量的数据输入测量的_L 508包含实时测量值,比如在航空器300运转期间对应于航空器300上位置的测量的应变。
测量的数据输入测量的_L 508可通过例如位于航空器300上的应变传感器比如MU测量,并可储存在实时测量模块406中。期望的数据输入期望的_L 510包括在航空器300上的相同位置处的期望的应变。系统500产生包括逻辑值的异常指示输出异常_检测512。如果检测到结构异常,则逻辑值指示真,或如果未检测到结构异常,则逻辑值指示假。
系统500接着比较该实时测量值与该位置期望的运转数据,以提供模拟误差信号。以这种方式,在求和汇合处(summing junction)514计算测量的数据输入测量的_L 508和期望的数据输入期望的_L 510之间的差,以提供模拟误差信号516。当航空器300处在健康状态时,模拟误差信号516应当大约为零。当模拟误差信号516显著地偏离零时,指示结构异常状况。
系统500接着基于统计分析确定模拟误差信号516或模拟误差信号516的显著性是否保证指示航空器300的结构异常。以这种方式,系统500计算模拟误差信号516的统计显著性,以提供误差显著性,以评估异常结构指示可能为错误的概率。如果误差显著性的持久性超过持久性阈值,则系统500指示结构异常。
平均数/方差估计器502配置为递归地估计模拟误差信号516的估计平均数mean_est 528和估计方差var_est 518。mean_est 528和var_est 518用于测定模拟误差信号516的统计显著性,从而测定误差显著性,如下面所描述的。通过估计平均数mean_est 528测定模拟误差信号516的统计显著性,并且其是模拟误差信号516的估计方差var_est 518的函数。基于使用者可选择的Pfa阈值702,测定误差显著性的显著性水平(高/低),如在下面图7讨论的内容中所说明的。
对于模拟误差信号516中的处理噪声,假设(assume)正态高斯概率密度函数(PDF)602(图6)。PDF 602包括假报警的概率Pfa 604区和检测概率(Pd)606区。使用该假设,通过计算Pfa 604,评估模拟误差信号516显著地偏离零的概率。以这种方式,计算模拟误差信号516的统计显著性,提供误差显著性。Pfa 604由方程式(1)定义:
其中,μ是信号平均数,σx是信号标准差。
方程式(1)中的积分没有封闭解。因此,使用方程式(2)近似Pfa 604;其中输入信号(In1)530(方程式(2)中的x)是mean_est 528(评估的信号平均数μ)的量|μ|522除以由var_est 518的平方根524计算的评估的标准差σx。
如图6中所显示,经从负无穷到零的积分(区域604)计算Pfa 604。因此,Pfa 604包括提供误差显著性的非零模拟误差信号516的显著性的归一化测量值。
通过误差函数模块504计算方程式(2)中的Pfa 604。根据使用者可选择的Pfa阈值702(图7),计算的Pfa值534(误差显著性)可发送至修匀器506,以获得测定误差持久性的异常指示输出异常_检测512的值,如在图7讨论的内容中更详细说明的。
图7是根据本公开的实施方式的修匀器506(系统700)的示例性功能方块图的图解。如果计算的Pfa值534小于使用者可选择的Pfa阈值702(指示高水平的误差显著性),则通过转换714将单位信号704传递至一阶滤波器706。一阶滤波器706包括使用者可选择的时间常数tau 708。在比较块712中比较一阶滤波器706的输出值710与接近1的值。当一阶滤波器706的输出值710充分接近1时,误差显著性是高的,其具有足够的持久性,并且异常状况被传送至异常指示输出异常_检测512,指示真的逻辑值。当一阶滤波器706的输出值710未充分接近1时,误差显著性未持续地高,并且异常状况未传送至异常指示输出异常_检测512,指示假的逻辑值。
使用者可选择的Pfa阈值702(选择的Pfa阈值702)和使用者可选择的时间常数tau 708(滤波时间常数708)是取决于模拟误差信号516的质量和假阳性指示的容限的可调参数。模拟误差信号516的质量取决于测量信号比如测量的数据输入测量的_L 508的信噪比。如果测量信号被噪声高度干扰,则模拟误差信号516的mean_est 528(回归平均数)和var_est518(回归方差)评估值可较不精确,其可导致计算的Pfa值534的变化,并接着导致假阳性异常指示。
所选择的Pfa阈值702可选自,例如但不限于,具有从约0.0001到约0.01的值的范围,或类似范围。滤波时间常数708可选自,例如但不限于,具有从约0.05秒至约5秒或更长的值的范围,或类似范围。
以这种方式,异常指示输出异常_检测512可联合来自实时测量模块406和异常缓解模块408的测量的结构数据,以限制非最佳的航空器结构的操作在壳层内,其保持航空器300的结构负荷在基本上最佳水平上。
图8是显示根据本公开的实施方式的基于模型的运载工具结构异常检测方法800的示例性流程图的图解。结合方法800执行的各种任务可机械地、通过软件、硬件、固件、具有进行该过程方法的计算机可执行指令的计算机可读介质或其任何组合实施。应当理解方法800可包括任何数量的另外的或可选的任务,在图8中示出的任务不需要以图解的顺序实施,并且方法800可并入具有在此未详细描述的另外功能的更加综合的程序或方法中。
为了图解的目的,方法800的下列描述可参考上面结合图3-7提到的要素。在实践的实施方式中,方法800的一部分可通过系统400的不同要素执行,要素比如:结构异常检测模块402、健康结构模型公式表示模块404、实时测量模块406、异常缓解模块408和处理模块410。方法800可具有与图3-7中显示的实施方式类似的功能、材料和结构。因此,这里可不再赘述共同的特征、功能和要素。
方法800可开始于在运载工具的运载工具结构比如航空器300的结构上安装多个测量传感器比如MU 324/328/330/332/334,其可操作以测量实时测量值比如测量的数据输入测量的_L 508(任务802)。
可继续方法800,在运载工具的健康运转期间读取传感器信号(任务804)。
可继续方法800,周期性地收集在运载工具的进一步运转期间的代表性的传感器信号,以获得实时测量值(任务806)。
可继续方法800,基于传感器信号,用公式表示运载工具的健康运转的期望的签字信号响应,以提供期望的运转数据(任务808)。
可继续方法800,在运载工具运转期间接收对应于运载工具结构上位置的实时测量值(任务810)。
可继续方法800,比较该实时测量值比如测量的_L 508与该位置期望的运转数据比如期望的_L 510,以提供模拟误差信号比如模拟误差信号516(任务812)。例如,期望的运转数据可包括7度的结构扭曲,扭曲梯度为1度/秒。如果实时测量数据测量结构扭曲超过7度,扭曲梯度大于1度/秒,则模拟误差信号516是非零值。
可继续方法800,计算模拟误差信号516的统计显著性,以提供误差显著性(任务814)。
可继续方法800,测定误差显著性的持久性(任务816),如上面在图7讨论的内容中所阐释的。
可继续方法800,如果该持久性超过持久性阈值,则指示结构异常(任务818)。持久性阈值可以是,例如但不限于约0.5、约0.8、约0.95或其他合适的阈值,其取决于给定应用的模拟误差信号516的假阳性结构异常检测的容限和mean_est 528(回归平均数)和var_est 518(回归方差)评估的收敛性。
可继续方法800,如果指示结构异常,则启动控制机构以抵偿结构异常(任务820)。例如,如果结构扭曲超过7度,扭曲梯度大于1度/秒,则误差持久性可为高的,这造成被指示结构异常。通过异常缓解模块408可接着启动控制,以通过使用控制机构减轻结构应力,以抵消梯度并返回实例结构至7度的扭曲。控制机构可包括,例如但不限于推进系统、可控制升力面、飞行控制面、活性流控制、作为控制信号的函数膨胀或收缩的成形金属合金或其他活性结构材料等。
另外,如果梯度小于约1deg/sec,但扭曲超过约9度,约95%置信,则误差持久性是高的,这造成结构异常检测模块402鉴定结构异常。通过异常缓解模块408启动控制,以减小该扭曲回到约7度。类似地,作为一个例子,实时测量模块406实时测量约7度的扭曲,梯度为约1deg/sec,并且当其超过(pass through)具有该梯度的7度扭曲时,扭曲和梯度指示该结构可继续进一步加压超过容限。
作为响应,通过异常缓解模块408启动控制以抵消扭曲梯度,并驱动扭曲回向7度。在一个可选的例子,实时扭曲可达到约9度,约95%的置信,有稍微的至没有扭曲梯度。作为响应,通过异常缓解模块408启动控制以减少结构应力朝向7度。以这种方式,减轻结构异常延长航空器300的结构寿命。
图9是根据本公开的实施方式的示例性流程图的图解,其显示减轻结构异常的方法900。结合方法900执行的各种任务可机械地、通过软件、硬件、固件、具有进行该过程方法的计算机可执行指令的计算机可读介质或其任何组合实施。应当理解方法900可包括任何数量的另外的或可选的任务,在图9中示出的任务不需要以图解的顺序实施,并且方法900可并入具有在此未详细描述的另外功能的更加综合的程序或方法中。
为了图解的目的,方法900的下列描述可参考上面结合图3-7提到的要素。在实践的实施方式中,方法900的一部分可通过系统400的不同要素执行,要素比如:结构异常检测模块402、健康结构模型公式表示模块404、实时测量模块406、异常缓解模块409和处理模块410。方法900可具有与图3-7中显示的实施方式类似的功能、材料和结构。因此,这里可不再赘述共同的特征、功能和要素。
方法900可开始于获得结构比如航空器300的模拟误差信号比如模拟误差信号516(任务902)。
可继续方法900,平均数/方差估计器比如平均数/方差估计器502,递归地估计模拟误差信号516的估计平均数和估计方差(任务904)。
可继续方法900,结构异常检测模块,比如结构异常检测模块402(系统500)基于估计平均数和估计方差,通过误差函数模块比如误差函数模块504计算模拟误差信号516的Pfa比如Pfa 604,评估模拟误差信号516显著地偏离零的概率,以提供误差显著性(任务906)。如上面提到的,误差显著性提供对异常结构指示将出错的概率的评估。为证明结构异常声明(declaration),接着测定误差持久性。
可继续方法900,当误差显著性小于选择的Pfa阈值,比如使用者选择的Pfa阈值702时,系统500将单位信号输入至一阶滤波器706,比如一阶滤波器706(任务908)。使用者选择的Pfa阈值702和使用者可选择的一阶滤波器706的时间常数tau 708可以是可调的/可选择的参数,其取决于模拟误差信号516的质量和假阳性指示的容限,如上面所说明的。
可继续方法900,修匀器比如修匀器506比较一阶滤波器比如一阶滤波器706的输出值710与接近1的值(任务910)。
可继续方法900,当一阶滤波器706的输出值710充分接近1时,其中持久性是高的,系统500指示结构异常状况(任务912),这指示异常结构行为的充分持久性以证明结构异常声明。
可继续方法900,如果指示结构异常状况,则异常缓解模块比如异常缓解模块408启动控制机构以抵偿检测的结构异常(任务914)。
这样,提供了检测和减轻结构异常的系统和方法。
上面的描述参考被“连接”或“耦联(couple)”在一起的元件或节点或零件。如在此所使用,除非另外明确指出,“连接”指一个元件/节点/零件直接接合于(或直接相通)另一元件/节点/零件,并不必是机械地。同样,除非另外明确指出,“耦联”指一个元件/节点/零件直接或间接接合于(或直接或间接相通)另一元件/节点/零件,并不必是机械地。因此,虽然图3-7描绘了元件的示例性布置,但是另外的介入元件、设备、零件或部件也可在本公开的实施方式中存在。
在该文档中使用的术语和短语,或其变型,除非另外明确指出,应当理解为开放式的而非限制性的。如前述实例:术语“包括”应当理解为意思是“包括,但不限于”等;术语“实例”用于提供所讨论项目的示例性例子,并不是其穷尽的或限制性的举例;并且形容词比如“常规的”“传统的”“正常的”“标准的”“已知的”和类似意思的术语不应当理解为将所描述的项目限制于给定时间段或限制在给定时间内可获得的项目,而是应当理解为包括可在现在或将来的任何时间可获得的或已知的常规的、传统的、正常的或标准的技术。
同样地,用连词“和”连接在一起的一组项目不应当理解为要求那些项目的每一个和任一个存在于该分组中,而是应当理解为“和/或”,除非另外明确指出。类似地,用连词“或”连接在一起的一组项目不应当理解为要求组内相互排他,而是应当理解为“和/或”,除非另外明确指出。
此外,虽然本公开的项目、元件或部件可以以单数描述或要求保护,但是复数考虑落在其范围内,除非明确指出限制于单数。范围词和短语比如在一些例子中的“一个或多个”、“至少”、“但不限于”或其他类似短语的存在不应当理解为指在可能缺少这种范围短语的例子中期望或要求更窄的情况。当指示数值或范围时,术语“约”打算包括当进行测量时由于可发生的实验误差产生的值。
Claims (20)
1.基于实时模型的运载工具结构异常检测的方法,其包括:
在所述运载工具运转期间接收对应于运载工具结构上位置的实时测量值;
比较所述实时测量值与所述位置期望的运转数据,以提供模拟误差信号;
计算所述模拟误差信号的统计显著性,以提供误差显著性;
测定所述误差显著性的持久性;和
如果所述持久性超过持久性阈值,则指示结构异常。
2.根据权利要求1所述的方法,其中计算所述模拟误差信号的所述统计显著性的步骤进一步包括:
递归地估计所述模拟误差信号的估计平均数和估计方差,以确定所述模拟误差信号是否保证指示所述结构异常;和
基于所述估计平均数和所述估计方差通过计算所述模拟误差信号的假报警的概率(Pfa)评估所述模拟误差信号显著地偏离零的概率,以提供所述误差显著性。
3.根据权利要求1所述的方法,其中测定所述误差显著性的持久性的步骤进一步包括:
当所述误差显著性落在Pfa阈值之下时,将单位信号输入至一阶滤波器;
比较所述一阶滤波器的输出值与接近1的值;和
当所述一阶滤波器的输出值充分接近1时,其中所述持久性高,指示结构异常状况。
4.根据权利要求3所述的方法,其中所述Pfa阈值和所述一阶滤波器的滤波时间常数是取决于所述模拟误差信号的质量和假阳性指示的容限的可调参数。
5.根据权利要求1所述的方法,进一步包括如果指示所述结构异常,则启动控制机构以抵偿所述结构异常。
6.根据权利要求5所述的方法,其中启动控制机构的步骤包括选自下列的至少一种:控制面启动、升力面启动、流控制启动、形状记忆合金的启动、经活性结构材料的启动和推进功率改变。
7.根据权利要求1所述的方法,进一步包括在所述运载工具结构上安装多个测量传感器,其可操作以测量所述实时测量值。
8.根据权利要求1所述的方法,进一步包括:
在所述运载工具的健康运转期间读取传感器信号;和
基于所述传感器信号用公式表示所述运载工具健康运转的期望的签字信号响应,以提供所述期望的运转数据。
9.根据权利要求1所述的方法,进一步包括周期性地收集在所述运载工具的进一步运转期间的代表性的传感器信号,以获得所述实时测量值。
10.根据权利要求1所述的方法,其中所述结构异常包括选自下列的至少一种:飞行运转、风切变对升力面的应力、碎片碰撞对升力面的应力、阵风对升力面的应力、机翼的振动、机翼的颤振、机身挠曲、机身的过度弯曲、推进系统异常、过度的线性位移、过度的角位移、结构疲劳、控制面异常和升力面异常。
11.基于实时模型的结构异常检测系统,其包括:
结构异常检测模块,其可操作以:
在运载工具运转期间接收对应于所述运载工具结构上位置的实时测量值;
比较所述实时测量与所述位置期望的运转数据,以提供模拟误差信号;
计算所述模拟误差信号的统计显著性,以提供误差显著性;
如果所述误差显著性低于所选择的Pfa阈值,则测定所述误差显著性的持久性;和
如果所述持久性超过持久性阈值,则指示结构异常;和
异常缓解模块,其可操作以如果指示所述结构异常,则启动控制机构以抵偿所述结构异常。
12.根据权利要求11所述的系统,进一步包括:
平均数/方差估计器,其可操作以递归地估计所述模拟误差信号的估计平均数和估计方差;
误差函数模块,其可操作以基于所述估计平均数和所述估计方差通过计算所述模拟误差信号的假报警的概率(Pfa)评估所述模拟误差信号显著地偏离零的概率,以获得所述误差显著性;和
修匀器,其包括一阶滤波器并可操作以当所述一阶滤波器的输出值充分接近1时,这指示所述误差显著性持久地高,声明异常状况。
13.根据权利要求12所述的系统,其中所述一阶滤波器包括所选择的Pfa阈值和滤波时间常数,其为基于所述模拟误差信号的质量和假阳性指示的容限的可调参数。
14.根据权利要求11所述的系统,其中所述运载工具是航空器,并且所述启动控制机构的步骤包括选自下列的至少一种:控制面启动、升力面启动、流控制启动、形状记忆合金的启动、经活性结构材料的启动和推进功率改变。
15.根据权利要求11所述的系统,进一步包括健康结构模型公式表示模块,其可操作以:
在所述运载工具的健康运转期间读取传感器信号;
将所述传感器信号储存在储存器中;
基于所述传感器信号用公式表示所述运载工具的健康运转的期望的签字信号响应,以获得所述期望的运转数据;和
向所述结构异常检测模块提供所述期望的运转数据。
16.根据权利要求11所述的系统,进一步包括实时测量模块,其可操作以:
周期性地测量在所述运载工具的进一步运转期间的代表性的传感器信号,以获得所述实时测量值;和
向所述结构异常检测模块提供所述实时测量值。
17.根据权利要求11所述的系统,进一步包括多个传感器,其包括选自下列的至少一种:应变传感器、振动传感器、噪声传感器、温度传感器和光学传感器。
18.根据权利要求11所述的系统,其中所述结构异常包括选自下列的至少一种:飞行运转、风切变对升力面的应力、碎片碰撞对升力面的应力、阵风对升力面的应力、机翼的振动、机翼的颤振、机身挠曲、机身的过度弯曲、推进系统异常、过度的线性位移、过度的角位移、结构疲劳、控制面异常和升力面异常。
19.减轻结构异常的方法,其包括:
获得结构的模拟误差信号;
通过计算假报警的概率(Pfa)评估所述模拟误差信号显著地偏离零的概率,以提供误差显著性;
当所述误差显著性落在Pfa阈值之下时,将单位信号输入至一阶滤波器;和
当所述一阶滤波器的输出值充分接近1时,则指示结构异常状况。
20.根据权利要求19所述的方法,进一步包括如果指示所述结构异常状况,则启动控制机构以抵偿所述结构异常状况。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/236,448 US9020689B2 (en) | 2011-09-19 | 2011-09-19 | Method for real-time model based structural anomaly detection |
US13/236,448 | 2011-09-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103018060A true CN103018060A (zh) | 2013-04-03 |
CN103018060B CN103018060B (zh) | 2017-09-12 |
Family
ID=47225928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210350061.1A Active CN103018060B (zh) | 2011-09-19 | 2012-09-19 | 基于实时模型的结构异常检测的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9020689B2 (zh) |
EP (1) | EP2570880B1 (zh) |
CN (1) | CN103018060B (zh) |
BR (1) | BR102012023565B1 (zh) |
CA (1) | CA2783388C (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783856A (zh) * | 2016-03-22 | 2016-07-20 | 韦醒妃 | 可实时预测自身寿命的建筑物坡屋面梁 |
CN105841663A (zh) * | 2016-03-22 | 2016-08-10 | 韦醒妃 | 一种可实时预测自身寿命的智能水电站 |
CN105841662A (zh) * | 2016-03-22 | 2016-08-10 | 韦醒妃 | 可实时监测的污水处理系统 |
CN105934765A (zh) * | 2013-11-29 | 2016-09-07 | 通用电气航空系统有限公司 | 从异常数据构造反常模型的方法 |
CN107434049A (zh) * | 2016-05-25 | 2017-12-05 | 通用电气航空系统有限公司 | 飞行器部件监测系统 |
CN108008434A (zh) * | 2016-11-01 | 2018-05-08 | 波音公司 | 具有低频仪表着陆系统定位信标异常检测的飞行控制系统及使用方法 |
CN108698696A (zh) * | 2016-03-24 | 2018-10-23 | 英特尔公司 | 主动运载工具控制系统和方法 |
CN108918664A (zh) * | 2017-04-05 | 2018-11-30 | 霍尼韦尔国际公司 | 用于检测在部件中的结构损坏的系统和方法 |
CN110826362A (zh) * | 2018-08-09 | 2020-02-21 | 英业达科技有限公司 | 用于炉温误差处理的方法、非暂时性计算机可读介质与设备 |
CN110888412A (zh) * | 2018-09-07 | 2020-03-17 | 瑞萨电子株式会社 | 半导体器件和分析系统 |
CN111058551A (zh) * | 2019-12-16 | 2020-04-24 | 北京工业大学 | 一种用于研究工业化建筑部品公差配合的测试装置 |
CN111655426A (zh) * | 2018-01-03 | 2020-09-11 | 斗山机床株式会社 | 机床的工具异常检测装置以及检测方法 |
CN112135775A (zh) * | 2018-03-15 | 2020-12-25 | 王欣欣 | 用于防止和检测安全关键型显示器上的危险误导信息的方法和系统 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569959B1 (en) * | 2012-10-02 | 2017-02-14 | Rockwell Collins, Inc. | Predictive analysis for threat detection |
GB2513133B (en) | 2013-04-16 | 2015-07-08 | Ge Aviat Systems Ltd | Methods for predicting a speed brake system fault |
FR3009021B1 (fr) * | 2013-07-23 | 2015-08-21 | Snecma | Procede d'estimation sur une courbe d'un point pertinent pour la detection d'anomalie d'un moteur et systeme de traitement de donnees pour sa mise en oeuvre |
EP2957883A3 (en) * | 2014-06-18 | 2016-07-27 | Alenia Aermacchi S.p.A. | Method for prognostics of an aircraft structure based on structural testing |
US10460536B2 (en) * | 2015-08-04 | 2019-10-29 | Sikorsky Aircraft Corporation | Rotorcraft structural fault-detection and isolation using virtual monitoring of loads |
US9771171B1 (en) * | 2016-03-09 | 2017-09-26 | Rosemount Aerospace Inc. | Aircraft wing deformation monitoring and analysis system |
WO2018055827A1 (ja) * | 2016-09-26 | 2018-03-29 | 株式会社Subaru | 損傷検知システム及び損傷検知方法 |
US10227142B1 (en) * | 2017-09-13 | 2019-03-12 | The Boeing Company | Systems and methods for detecting impacts to vehicle surfaces |
EP3681800A1 (en) | 2017-09-13 | 2020-07-22 | Sikorsky Aircraft Corporation | Controlling an aircraft based on detecting and mitigating fatiguing conditions and aircraft damage conditions |
US10974851B2 (en) | 2018-11-09 | 2021-04-13 | Textron Innovations Inc. | System and method for maintaining and configuring rotorcraft |
US11358737B2 (en) * | 2018-12-07 | 2022-06-14 | The Boeing Company | Methods and systems for performing aircraft maintenance |
US11487920B2 (en) | 2019-02-21 | 2022-11-01 | The Boeing Company | Generating a debris model for a structure |
US11928971B2 (en) | 2021-04-01 | 2024-03-12 | Boeing Company | Detection of anomalous states in multivariate data |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1420153A2 (en) * | 2002-11-13 | 2004-05-19 | General Electric Company | Adaptive model-based control systems for controlling a gas turbine |
US20040199368A1 (en) * | 2001-05-24 | 2004-10-07 | Simmonds Precision Products, Inc. | Poor data quality identification |
US20080140273A1 (en) * | 2006-11-14 | 2008-06-12 | Thales | Method and a system for monitoring the following of a reference trajectory by an aircraft |
CN101697079A (zh) * | 2009-09-27 | 2010-04-21 | 华中科技大学 | 用于航天器实时信号处理的盲系统故障检测与隔离方法 |
WO2010061136A1 (fr) * | 2008-11-28 | 2010-06-03 | Snecma | Detection d'anomalie dans un moteur d'aeronef |
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5195046A (en) | 1989-01-10 | 1993-03-16 | Gerardi Joseph J | Method and apparatus for structural integrity monitoring |
US6748791B1 (en) | 1996-10-18 | 2004-06-15 | The Boeing Company | Damage detection device and method |
US6006163A (en) | 1997-09-15 | 1999-12-21 | Mcdonnell Douglas Corporation | Active damage interrogation method for structural health monitoring |
WO2005084358A2 (en) | 2004-03-03 | 2005-09-15 | Metis Design Corporation | Damage detection device |
US7260501B2 (en) * | 2004-04-21 | 2007-08-21 | University Of Connecticut | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
US8290747B2 (en) | 2005-10-21 | 2012-10-16 | Microstrain, Inc. | Structural damage detection and analysis system |
US7298152B1 (en) | 2006-05-19 | 2007-11-20 | The Boeing Company | Damage detection system |
US7860618B2 (en) | 2006-12-21 | 2010-12-28 | The Boeing Company | System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles |
US7567862B2 (en) | 2007-08-14 | 2009-07-28 | The Boeing Company | Actuation response oscillation detection monitor |
US20100089067A1 (en) | 2008-10-10 | 2010-04-15 | General Electric Company | Adaptive performance model and methods for system maintenance |
US8880242B2 (en) * | 2011-06-06 | 2014-11-04 | The Boeing Company | Structural health management with active control using integrated elasticity measurement |
-
2011
- 2011-09-19 US US13/236,448 patent/US9020689B2/en active Active
-
2012
- 2012-07-20 CA CA2783388A patent/CA2783388C/en active Active
- 2012-09-18 BR BR102012023565-0A patent/BR102012023565B1/pt active IP Right Grant
- 2012-09-19 EP EP12185105.9A patent/EP2570880B1/en active Active
- 2012-09-19 CN CN201210350061.1A patent/CN103018060B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040199368A1 (en) * | 2001-05-24 | 2004-10-07 | Simmonds Precision Products, Inc. | Poor data quality identification |
EP1420153A2 (en) * | 2002-11-13 | 2004-05-19 | General Electric Company | Adaptive model-based control systems for controlling a gas turbine |
US20080140273A1 (en) * | 2006-11-14 | 2008-06-12 | Thales | Method and a system for monitoring the following of a reference trajectory by an aircraft |
WO2010061136A1 (fr) * | 2008-11-28 | 2010-06-03 | Snecma | Detection d'anomalie dans un moteur d'aeronef |
CN101697079A (zh) * | 2009-09-27 | 2010-04-21 | 华中科技大学 | 用于航天器实时信号处理的盲系统故障检测与隔离方法 |
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105934765A (zh) * | 2013-11-29 | 2016-09-07 | 通用电气航空系统有限公司 | 从异常数据构造反常模型的方法 |
CN105841663A (zh) * | 2016-03-22 | 2016-08-10 | 韦醒妃 | 一种可实时预测自身寿命的智能水电站 |
CN105841662A (zh) * | 2016-03-22 | 2016-08-10 | 韦醒妃 | 可实时监测的污水处理系统 |
CN105783856A (zh) * | 2016-03-22 | 2016-07-20 | 韦醒妃 | 可实时预测自身寿命的建筑物坡屋面梁 |
CN105841662B (zh) * | 2016-03-22 | 2018-06-01 | 广东奎创科技股份有限公司 | 可实时监测的污水处理系统 |
CN105841663B (zh) * | 2016-03-22 | 2018-08-24 | 姚建华 | 一种可实时预测自身寿命的智能水电站 |
CN105783856B (zh) * | 2016-03-22 | 2018-10-12 | 慈溪市匡堰盈兴竹制品厂(普通合伙) | 可实时预测自身寿命的建筑物坡屋面梁 |
CN108698696A (zh) * | 2016-03-24 | 2018-10-23 | 英特尔公司 | 主动运载工具控制系统和方法 |
CN107434049B (zh) * | 2016-05-25 | 2020-10-09 | 通用电气航空系统有限公司 | 飞行器部件监测系统 |
CN107434049A (zh) * | 2016-05-25 | 2017-12-05 | 通用电气航空系统有限公司 | 飞行器部件监测系统 |
CN108008434A (zh) * | 2016-11-01 | 2018-05-08 | 波音公司 | 具有低频仪表着陆系统定位信标异常检测的飞行控制系统及使用方法 |
CN108008434B (zh) * | 2016-11-01 | 2023-05-09 | 波音公司 | 具有低频仪表着陆系统定位信标异常检测的飞行控制系统及使用方法 |
CN108918664A (zh) * | 2017-04-05 | 2018-11-30 | 霍尼韦尔国际公司 | 用于检测在部件中的结构损坏的系统和方法 |
CN111655426A (zh) * | 2018-01-03 | 2020-09-11 | 斗山机床株式会社 | 机床的工具异常检测装置以及检测方法 |
CN111655426B (zh) * | 2018-01-03 | 2022-02-08 | 斗山机床株式会社 | 机床的工具异常检测装置以及检测方法 |
CN112135775A (zh) * | 2018-03-15 | 2020-12-25 | 王欣欣 | 用于防止和检测安全关键型显示器上的危险误导信息的方法和系统 |
CN112135775B (zh) * | 2018-03-15 | 2024-04-26 | 王欣欣 | 用于防止和检测安全关键型显示器上的危险误导信息的方法和系统 |
CN110826362A (zh) * | 2018-08-09 | 2020-02-21 | 英业达科技有限公司 | 用于炉温误差处理的方法、非暂时性计算机可读介质与设备 |
CN110826362B (zh) * | 2018-08-09 | 2023-09-12 | 英业达科技有限公司 | 用于炉温误差处理的方法和非暂时性计算机可读介质 |
CN110888412A (zh) * | 2018-09-07 | 2020-03-17 | 瑞萨电子株式会社 | 半导体器件和分析系统 |
CN110888412B (zh) * | 2018-09-07 | 2023-12-26 | 瑞萨电子株式会社 | 半导体器件和分析系统 |
CN111058551A (zh) * | 2019-12-16 | 2020-04-24 | 北京工业大学 | 一种用于研究工业化建筑部品公差配合的测试装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2570880B1 (en) | 2021-05-05 |
BR102012023565A2 (pt) | 2013-10-29 |
US20130073141A1 (en) | 2013-03-21 |
CA2783388C (en) | 2015-06-16 |
CN103018060B (zh) | 2017-09-12 |
CA2783388A1 (en) | 2013-03-19 |
EP2570880A3 (en) | 2013-09-11 |
US9020689B2 (en) | 2015-04-28 |
BR102012023565B1 (pt) | 2021-01-12 |
EP2570880A2 (en) | 2013-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103018060A (zh) | 基于实时模型的结构异常检测的方法 | |
US10520389B2 (en) | Aerodynamic modeling using flight data | |
CN104773304B (zh) | 空气动力学结构的负荷估计系统 | |
US9650152B2 (en) | Flight envelope protection system for unmanned aerial vehicles | |
US6735500B2 (en) | Method, system, and computer program product for tactile cueing flight control | |
CN102346487B (zh) | 用于使用到达时间控制的垂直导航的方法和系统 | |
US20100152933A1 (en) | Apparatus and method for unmanned aerial vehicle ground proximity detection, landing and descent | |
US20070088570A1 (en) | System and method for predicting device deterioration | |
EP3065020B1 (en) | Method for calculating the optimum economy cruise speed in an aircraft | |
Morelli et al. | Real-time dynamic modeling: data information requirements and flight-test results | |
Licitra et al. | Optimal input design for autonomous aircraft | |
US9776729B2 (en) | Method and system for automatically estimating at least one speed of an aircraft | |
Samara et al. | Aircraft virtual sensor design via a time-dependent functional pooling NARX methodology | |
Smith et al. | Longitudinal aerodynamic modeling of the adaptive compliant trailing edge flaps on a GIII aircraft and comparisons to flight data | |
CN115857529A (zh) | 航天器姿态控制系统的执行器故障重构方法 | |
US11417154B1 (en) | Systems and methods for fleet management | |
Dalamagkidis et al. | Autonomous autorotation of unmanned rotorcraft using nonlinear model predictive control | |
Vitale et al. | An innovative angle of attack virtual sensor for physical-analytical redundant measurement system applicable to commercial aircraft | |
Battipede et al. | Neural networks for air data estimation: Test of neural network simulating real flight instruments | |
WO2023101757A1 (en) | Multicopter online rotor fault diagnosis system | |
Nebula et al. | Virtual air data: A fault-tolerant approach against ADS failures | |
Sevil | Airdata sensor based position estimation and fault diagnosis in aerial refueling | |
Bunge et al. | High angle of attack aerodynamic model identification for spin recovery simulation using non-parametric smoothing functions | |
McCrink et al. | Aerodynamic Parameter Estimation for Derived Angle-of-Attack Systems | |
CN113574418A (zh) | 气象预测数据创建程序、气象预测数据创建方法及移动体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |