CN104303122B - 通过自动确定判定阈来监测飞机机载设备老化的方法 - Google Patents

Abstract

一种监测飞机机载设备老化的方法，包括步骤：将飞机的给定飞行所获得的异常积分与判定阈(S)进行比较，和步骤：超过判定阈(S)时发出告警；通过以下步骤，自动确定对于给定告警概率Pa的判定阈(S)，该判定阈(S)对应于机载设备未损坏时在监测方法期间所发出的告警概率：计算无老化情况下飞机多次飞行的多个异常积分的步骤，以便获得异常积分的概率密度的分布，所述分布是机载设备的物理性质所特有的；使用概率密度非参数估计量来调整分布的步骤，从而获得连续的调整后的分布函数；根据连续的调整后的分布函数计算连续的调整后的分配函数的步骤；以及读取对应于值1‑Pa的先前函数的值的步骤，该先前函数为连续的调整后的分配函数的先前函数，该先前函数对应于所述判定阈(S)。

Description

通过自动确定判定阈来监测飞机机载设备老化的方法

技术领域

本发明涉及监测飞机机载设备老化(degradation)的领域，诸如涡轮喷气发动机润滑系统，涡轮喷气发动机燃油供给装置，涡轮喷气发动机冗余采集链(redundantacquisition chain)，粒子过滤器等。

背景技术

众所周知，为了监测机载设备，要形成一个能反映机载设备老化的指标。所属领域技术人员称这种指标为一种异常积分(abnormality score)。按照惯例，异常积分是根据机载设备物理参数测量结果来形成的，诸如几何位置、控制电流、打开角度、温度等。异常积分反映了老化损坏程度。优选地，异常积分是在飞机每次飞行期间形成的。

例如，斯奈克玛(SNECMA)公司于2011年12月5日在法国提交的专利申请(申请号1161175)公开了一种监测涡轮喷气发动机燃油计量设备的方法，其中，对与控制燃油计量设备的伺服阀的稳定电流的偏差有关的老化情况进行了监测。为了形成反映伺服阀稳定电流的偏差特性的异常积分，对平均控制电流进行了多个测量，并采用正常值。

为了确定机载设备是否实际上处于老化状态，监测方法包括两个步骤，一个步骤是将飞机某次飞行获得的异常积分与判定阈(decision threshold)进行比较，另一个步骤是超过该判定阈时发出告警。因此，通过跟踪异常评分的演变过程，可以检测出老化程度是否增加，预测机载设备故障风险，并可改进维护保养操作管理。

对某个老化设置判定阈很关键，首先，当老化并不是真实情况(虚假告警)时，如果判定阈过低会引起频繁发送告警，其次，当老化属于真实情况(未检测到)时，判定阈过高则会阻止告警的发出。

传统意义上，对于将要检测的每一次老化，阈判定阈都是凭经验决定判定阈的数值的。为了确保最大安全性，判定阈通常都偏低，为的是将未能检测的风险降到最小。这样，虚假告警次数总是很高，从而给航空公司带来不利，因为航空公司必须不断地进行维护保养作业，而机载航空设备并没有老化。为了解决这个问题，航空公司会对机载设备制造商提出规范，对出现错误的风险提出限定条件。鉴于对精度的要求，对于监测故障的方法，任何凭经验来确定判定阈的做法都因此而被排除。

因此，需要一种可靠而精确的方法来确定判定阈，以便监测飞机机载设备的老化情况。

发明内容

本发明涉及由计算机实施的监测飞机上机载设备老化的方法，机载设备的老化程度由异常积分确定，该异常积分来自机载设备的物理参数的测量结果；所述监测方法包括步骤：将飞机的给定飞行所获得的异常积分与判定阈进行比较，和步骤：超过判定阈时发出告警；通过以下步骤，自动确定对于给定告警概率Pa的判定阈，该判定阈对应于机载设备未损坏时在监测方法期间所发出的告警概率：

-计算无老化情况下飞机多次飞行的多个异常积分的步骤，以便获得异常积分的概率密度的分布，所述分布是机载设备的物理性质所特有的；

-使用概率密度非参数估计量来调整分布的步骤，从而获得连续的调整后的分布函数；

-根据连续的调整后的分布函数计算连续的调整后的分配函数的步骤；以及

-读取对应于值1-Pa的先前函数的值的步骤，该先前函数为连续的调整后的分配函数的先前函数，该先前函数对应于所述判定阈。

通过本发明，按照航空公司要求的告警概率Pa，可非常精确地自动确定判定阈。与现有技术的此类方法比较，这种方法可靠性高，从而可以很精确地检测机载设备的任何老化情况并可在监测期间预测所述设备的任何故障情况。

优选地，概率密度的非参数估计量是一种Parzen窗密度估计量。这种估计量是非常有利的，因为其使得分布的中央部分与端部同等重要，而端部是航空领域监测老化的最关键部分，为此，对可靠性的要求非常高。

优选地，Parzen窗估计量是由其窗口的宽度h来确定的。优选地，所述分布是由无老化情况下的飞机多次飞行的数量为N个的异常积分所形成的，所述分布具有估算标准偏差所述Parzen窗口的宽度h根据如下公式确定：

$h=\widehat{\mathrm{\σ}}{\left(\frac{4}{3*N}\right)}^{1/5}$

这种Parzen窗口的宽度h可以保证监测机载设备的调整精度，从而确保所确定的判定阈的精度。

根据本发明的优选示例，告警概率Pa通过如下公式获得：

其中：

Pe对应于发出告警时机载设备未损坏的概率；

Pd对应于给定飞行的老化概率；以及

(1-β)_先验对应于检测老化的先验概率。

有利的是，告警概率Pa在误差概率Pe的基础上确定，误差概率Pe对应于航空公司的实际要求，航空公司希望降低机载设备不必要的维护保养次数。

更优选地，所述方法包括：

-通过提前确定判定阈(S)，实施监测机载设备老化的方法的步骤，获得飞机老化情况下多次飞行而形成的多个异常积分，以便从中推断出检测老化的后验概率(1-β)_后验；

-在检测老化的后验概率(1-β)_后验的基础上，确定新的告警概率Pa的步骤；以及

-根据所述新的告警概率Pa，确定新的完善后的判定阈的步骤。

当告警概率Pa是在误差概率Pe的基础上确定时，这些步骤可有利地迅速而可靠地完善判定阈的数值。

附图说明

通过阅读如下结合附图的说明，可以更好地理解本发明，以下完全通过举例来说明，附图如下：

-图1为自动确定根据本发明的判定阈的步骤的流程图；

-图2为自动确定根据本发明的判定阈的步骤的流程图，图中带有完善判定阈的步骤；

-图3示出了针对多个无老化飞行所获得的飞机机载计算机异常积分的分布情况，老化图中曲线示出了所获得的分布情况的调整情况；

-图4示出了根据图3分布所产生的分配函数，图中曲线示出了分配函数的调整情况；

-图5为完善判定阈的步骤的示意图；

-图6为分配函数的不同种类的调整方法的比较(高斯、伽玛、Parzen)；以及

-图7是在所述调整种类的基础上获得的不同判定阈的比较。

应该注意的是，这些附图详细地示出了本发明，以便实施本发明，必要时，所述附图无疑可以用来更好地定义本发明。

具体实施方式

通过监测飞机机载设备老化的方法可以自动确定判定阈老化，诸如所属技术领域人们所熟知的，例如，SNECMA公司所提出的专利申请(申请号1161175)。

人们已知，技术设备的老化程度是由异常积分(abnormality score)所确定的，而异常积分则是使用上述机载设备物理参数的测量结果计算得出的。优选地，该异常积分是由飞机的机载计算机来完成的，该计算机通过通讯链路连接到机载设备。人们知道，如上所述，监测方法包括将飞机的给定飞行所获得的异常评分与判定阈进行比较的步骤和超过判定阈时给出告警的步骤。

当发出告警后，机载设备的维护步骤必须由航空公司来进行，以避免所述机载设备出现故障。

告警概率

自动设定判定阈是针对给定告警概率Pa来确定的。告警概率可理解为是指在监测方法期间机载设备未损坏时所发出的告警概率，也就是说，没有出现真正老化。换句话说，1％的告警概率Pa对应于每100个无老化情况下飞行所发出的一次告警。

实际上，告警概率Pa并不是直接获知。其实，航空公司的规范强制要求一种误差概率Pe，该概率对应于发出告警时机载设备未损坏的概率。换句话说，1％的误差概率对应于每100次告警时的一个未损坏机载设备。

实际上，当监测方法发出告警时，航空公司便进行维护保养操作。于是，限定误差概率Pe会使航空公司限定对未损坏机载设备进行维护保养的次数，因为这种维护作业会引起不必要的操作成本。

优选地，告警概率Pa是通过如下有条件的概率公式(F1)在误差概率Pe的基础上确定的：

公式(F1)包括如下参数：

-β对应于某次飞行的未检测老化的概率，为此，1-β对应于检测老化的概率；

以及

-Pd对应于某次飞行的老化的概率。

公式(F1)从有条件概率的等式中产生，其中，概率Pa对应于该设备未损坏时的告警(Pa＝P(告警|未损坏))，以及概率Pe对应于发出告警时未损坏的设备(Pe＝P(未损坏|告警))。

换句话说，

此外，

P(告警)＝P(告警|未损坏)+P(告警|老化)

P(告警)＝P(告警|未损坏)·P(未损坏)+P(告警|老化)·P(老化)

式中：

P(老化)＝Pd

P(未损坏)＝1-Pd

P(告警|老化)＝1-β

P(告警|未损坏)＝Pa

P(未损坏|告警)＝Pe

P(告警)＝P(告警|未损坏)·P(未损坏)+P(告警|降级)·P(降级)

P(告警)＝Pa·(1-Pd)+(1-β)·Pd

P(告警)＝Pa·(1-Pd)+(1-β)·Pd

通过两个与P(告警)有关的等式，从而形成(F1)。

在公式(F1)中，给定飞行的老化概率Pd通过实验或估算得知，并且，例如，大约为10^-7。检测老化概率(1-β)_先验固定在先验值为1，并通过反复检测得到完善，如下详细解释，以便改善判定阈的精度。

例如，通常可获得大约1％要求误差概率Pe的大约10E-9告警概率Pa，大约1的检测老化概率，和大约10^-7的飞行老化概率Pd。

异常积分、分布和分配函数

飞机上的机载设备通常包括多个传感器，为的是测量机载设备的物理参数(控制电流、几何位置、温度等)。传统上，所测量的一些物理参数用来形成异常积分，该积分是基于机载设备的老化程度(定位误差、控制电流漂移、过热等)。异常积分可通过变换机载设备的一个或多个物理参数测量来获得。例如，所获得的测量由绝对值或马氏距离(Mahalanobis distance)进行标准化处理。

如图1所示，根据本发明的方法包括计算飞机无老化多次飞行的多个异常积分的步骤。对于未损坏的机载设备的飞机的飞行来讲，通常，多个异常积分的计算是根据飞机每次飞行期间所进行的机载设备物理参数的测量来计算的。异常积分的数值会因为飞机飞行和机载设备物理性质而变化。

图3通过直方图示出了异常积分概率密度的分布情况。如这个附图所示，等于2的异常积分是最大可能性的(概率密度为0.8)。异常积分数字越大，分布越精确。可惜的是，异常积分数字越大，要求飞机飞行次数越多，这是不期望的。在这个示例中，所述异常积分是经过了200到500次飞行获得的。

告警概率Pa通常大约为10E-9，提醒一下，告警概率对应于机载设备未损坏时监测方法期间发出的告警概率。换句话说，根据告警概率Pa的判定阈S是异常积分数值，其高于无老化情况下飞行所获得的异常评分10E-9。

即使可获得相当大数量的异常积分，图3所示分布对于低值分位数是不精确的，例如，对于10E-9的分位数。通过图形分析，仅可以推断出判定阈S大于5.5，而且必须位于图3所示窗口K内。实际上，通过异常积分的离散值获得该分布，从而限制了分布的精确性。

调整分布函数(distribution function)

为了提高对分布的理解，参照图1，根据本发明的方法包括使用概率密度估计量来调整分布的步骤，从而获得图3所示的连续的调整后的分布函数Daj。根据本发明，分布函数的Parzen窗口调整法的步骤可以精确地接近离散获得的分配函数。

该非参数途径可以获得接近分布的调整，有利的是，因为Parzen窗口调整法(Parzen window adjustment)赋予分布端部的加权与中央部分相同，从而可以精确地解读端部分位数(quantiles)。

提醒一下，Parzen窗口调整法是一种估算随机变量概率密度的非参数调整方法。这通常称之为Kernel密度估计，因为被称之为“kernels”的函数是用来估计随机变量的概率密度。Parzen窗口概率密度的分析表示为：

${\hat{f}}_h\left(x\right)=\frac{1}{N*h}\underset{i=1}{\overset{N}{\Σ}}K\left(\frac{x-x_i}{h}\right)$

式中，K和h分别是kernel函数和Parzen窗口的宽度或深度。

Parzen窗口调整法的概念是通过kernel函数K()来对每个值x的随机变量概率密度进行估算，大多数情况下，kernel函数都是基于概率密度。观测结果x越接近训练样本xi，在以xi为中心的kernel函数中x的作用就越显著。相反，观测x越不接近训练样本xi,在以xi为中心的kernel函数中x的作用就越不显著。然后，kernel函数值的平均值就形成了概率密度函数的估计量。该估计量是由平滑参数"h"来决定的，其被称之为窗口的宽度或深度。对概率密度的估计具有良好的统计特性，其取决于平滑参数"h"。在某些对"h"的非限定性条件下，Parzen窗口估计量是一致的。

有几种kernel函数(高斯、方形、三角等)，但Parzen窗口的性能主要是基于窗口"h"的宽度或深度的选择。取偏移量和估计量变量之间的折衷值，以便于选择宽度"h"。

通过交叉验证使kernel函数概率最大化从而选择窗口的宽度。在这个示例中，使用了高斯kernel(F2)。至于窗口的宽度或深度，其基于对标准偏差和根据公式(F3)的所有训练样本的尺寸N的估算情况。

$\left(F2\right)---K\left(x\right)=\frac{e^{(-0.5x^2)}}{\sqrt{2\mathrm{\π}}}$

$\left(F3\right)---h=\widehat{\mathrm{\σ}}{\left(\frac{4}{3*N}\right)}^{1/5}$

Parzen窗口调整法非常接近几个飞行所观察到的基本分布，如下所述，这是通过与其它已知调整的比较而做出的最佳调整。

调整后的分配函数(allocation function)

为了简单迅速地确定判定阈S的值，常规方法是整合调整后的分布函数Daj以获得同样也是连续的调整后的分配函数Raj。

从图3的调整后的分布函数中得出的调整后的再分配函数Raj如图4所示。提醒一下，实数随机变量X的分配函数F是与F_x(x)＝P(X≤x)的任意实数x相关的函数F_X。参照图4，分配函数具有异常积分4.5的99％的值。这表明，非损坏设备的异常积分的99％都小于4.5。

此外，为了满足大约10E-9的告警概率Pa的要求，必须精确读出对应于1-Pa值的调整后的分配函数Raj的先前函数(precedent of the adjusted allocation function)的值，该先前函数相当于期望的判定阈S。实际上，这表明，未损坏设备的异常积分的1-10E-9小于判定阈S。换句话说，会产生报警的未损坏设备的异常积分10E-9大于判定阈S。先前函数对应于决定告警概率Pa的期望判定阈S。

确定判定阈

参照图1，根据本发明的方法包括步骤读取调整后的分配函数Raj的先前函数以得到值1-Pa。有利的是，因为调整后的分配函数Raj是连续的而且是一对一的，所以可以很精确地推断调整后的分配函数Raj的先前函数取值为1-Pa，即在这种情况下判定阈S等于10.5，如图3所示。

通过所示信息，图6示出了几种分配函数的调整方法的比较(高斯调整、伽玛调整和Parzen窗口调整)。如图6所示，使用Parzen窗口方法的调整非常接近所获得的几个飞行的异常积分值。通常，为了验证调整的质量，进行了所属领域技术人员所熟知的调整相关性试验，该试验称之为柯尔莫哥罗夫-斯米尔诺夫检验(Kolmogorov-Smirnov test)。在本案中，只有Parzen窗口调整通过了柯尔莫哥罗夫-斯米尔诺夫检验试验，其它调整都被拒绝了。

Parzen窗口调整法的这种精确性转换为判定阈的精确确定。实际上，如图7所示，采用高斯调整获得6.5的判定阈，采用伽玛调整获得8.2的判定阈，而采用Parzen窗口调整获得10.5的判定阈。

判定阈的完善

前面已经说明了判定阈的确定，其中，从误差概率Pe中就可以已知或已估计出告警概率Pa。估计告警概率Pa后，通过完善检测老化1-β的概率就可以选择完善判定阈S的步骤，如图2和图5所示。

如图2所示，监测方法的实施通过此前确定的判定阈S来实施，所述判定阈是此前在无老化飞行期间获得(优选通过模拟获得)的多个异常积分所确定的。在监测方法期间，将不同的异常积分与判定阈S进行比较，从而可以推断出检测老化1-β的后验概率。实际上，观察与监测老化飞行次数有关的告警次数就足够了。

如图2所示，通过反复试验，在确定判定阈的步骤中，用在完善期间获得的值(1-β)_后验来取代值(1-β)_先验，以便获得新的更精确的判定阈S。该完善步骤可以重复进行，以便趋近于判定阈S的最精确值。

在实施本发明时，监测飞机机载设备老化的方法，自动确定判定阈的方法和产生老化的方法都可用计算机实施，优选使用计算机的多个处理器。

例如，监测方法的实施是为了监测飞机涡轮喷气发动机燃料计量装置。

确定判定阈的处理器从监测处理器接收多个无老化的异常积分，并针对给定误差概率Pe和使用监测方法来监测先验老化的概率，确定判定阈S。一旦确定了判定阈S，该值便发送到监测处理器，后者然后对经过计算的异常评分与所述判定阈S进行比较，以便监测飞机飞行期间燃料计量装置的老化评估。

为了完善判定阈S的值，产生老化的处理器模拟老化的飞行数据，提交给监测处理器，所述监测处理器根据所收到的数据发出若干告警，从而可以从中推断出使用监测方法监测老化的后验概率。然后，该值被送至处理器，以便确定判定阈S，后者为所获得的新的监测概率提供新的判定阈S。

所述方法重复进行，直到判定阈S趋于一致。实际上，两次重复操作便可获得令人满意的一致性。

上面针对燃料计量设备介绍了本发明，但本发明可用于飞机上任何机载设备。

Claims (5)

1.由计算机实施的监测飞机上机载设备老化的方法，机载设备的老化程度由异常积分确定，该异常积分来自机载设备的物理参数的测量结果；所述监测方法包括步骤：将飞机的给定飞行所获得的异常积分与判定阈(S)进行比较，和步骤：超过判定阈(S)时发出告警；通过以下步骤，自动确定对于给定告警概率Pa的判定阈(S)，该判定阈(S)对应于机载设备未损坏时在监测方法期间所发出的告警概率：

-计算无老化情况下飞机多次飞行的多个异常积分的步骤，以便获得异常积分的概率密度的分布，所述分布是机载设备的物理性质所特有的；

-使用概率密度非参数估计量来调整分布的步骤，从而获得连续的调整后的分布函数；

-根据连续的调整后的分布函数计算连续的调整后的分配函数的步骤；以及

-读取对应于值1-Pa的先前函数的值的步骤，该先前函数为连续的调整后的分配函数的先前函数，该先前函数对应于所述判定阈(S)。

2.根据权利要求1所述的方法，其中，所述概率密度的所述非参数估计量是一种Parzen窗口估计量。

3.根据权利要求2所述的方法，其中，所述分布是由无老化情况下的飞机多次飞行的数量为N个的异常积分所形成的，所述分布具有估算标准偏差所述Parzen窗口的宽度h根据如下公式确定：

$h=\widehat{\mathrm{\σ}}{\left(\frac{4}{3*N}\right)}^{1/5}$

4.根据权利要求1所述的方法，其中，所述告警概率Pa采用如下公式获得：

其中：

Pe对应于发出告警时机载设备未损坏的概率；

Pd对应于给定飞行的老化概率；以及

(1-β)_先验对应于检测老化的先验概率。

5.根据权利要求4所述的方法，包括：

-通过提前确定判定阈(S)，实施监测机载设备老化的方法的步骤，获得飞机老化情况下多次飞行而形成的多个异常积分，以便从中推断出检测老化的后验概率(1-β)_后验；

-在检测老化的后验概率(1-β)_后验的基础上，确定新的告警概率Pa的步骤；以及

-根据所述新的告警概率Pa，确定新的完善后的判定阈的步骤。