CN106446318A - 板翅式换热器结垢识别 - Google Patents

板翅式换热器结垢识别 Download PDF

Info

Publication number
CN106446318A
CN106446318A CN201610404296.2A CN201610404296A CN106446318A CN 106446318 A CN106446318 A CN 106446318A CN 201610404296 A CN201610404296 A CN 201610404296A CN 106446318 A CN106446318 A CN 106446318A
Authority
CN
China
Prior art keywords
processor
built
testing
computer
systematic parameter
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
Application number
CN201610404296.2A
Other languages
English (en)
Other versions
CN106446318B (zh
Inventor
D.普拉萨
C.A.雅各布森
J.M.小马尔加尼安
R.A.波瓦森
Y.K.朴
G.M.博拉斯
K.帕尔默
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hamilton Sundstrand Corp
Original Assignee
Hamilton Sundstrand Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hamilton Sundstrand Corp filed Critical Hamilton Sundstrand Corp
Publication of CN106446318A publication Critical patent/CN106446318A/zh
Application granted granted Critical
Publication of CN106446318B publication Critical patent/CN106446318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28G—CLEANING OF INTERNAL OR EXTERNAL SURFACES OF HEAT-EXCHANGE OR HEAT-TRANSFER CONDUITS, e.g. WATER TUBES OR BOILERS
    • F28G15/00—Details
    • F28G15/003—Control arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D13/00—Arrangements or adaptations of air-treatment apparatus for aircraft crew or passengers, or freight space, or structural parts of the aircraft
    • B64D13/06—Arrangements or adaptations of air-treatment apparatus for aircraft crew or passengers, or freight space, or structural parts of the aircraft the air being conditioned
    • B64D13/08—Arrangements or adaptations of air-treatment apparatus for aircraft crew or passengers, or freight space, or structural parts of the aircraft the air being conditioned the air being heated or cooled
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D13/00—Arrangements or adaptations of air-treatment apparatus for aircraft crew or passengers, or freight space, or structural parts of the aircraft
    • B64D13/06—Arrangements or adaptations of air-treatment apparatus for aircraft crew or passengers, or freight space, or structural parts of the aircraft the air being conditioned
    • B64D2013/0603—Environmental Control Systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
    • F28F2200/00—Prediction; Simulation; Testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/008—Monitoring fouling
    • 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
    • Y02T50/00—Aeronautics or air transport
    • Y02T50/50—On board measures aiming to increase energy efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Pulmonology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Heat-Exchange Devices With Radiators And Conduit Assemblies (AREA)

Abstract

本发明描述一种用于设计内置测试的计算机实现方法。所述方法包括：经由处理器接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；经由所述处理器来基于所述系统参数中的一个或多个确定测试设计矢量；以及经由所述处理器来基于所述测试设计矢量设计所述内置测试。

Description

板翅式换热器结垢识别
技术领域
本公开涉及动态系统的主动故障检测和隔离，并且更具体地说，涉及板翅式换热器结垢识别。
背景技术
飞机环境控制系统(ECS)的目标在于：在对各种飞机部件进行二次加热和冷却的同时，在适当条件下为乘客和机组人员提供新鲜空气。需要ECS来控制热“引气”空气流在压缩后的温度。由于叉流板翅式换热器的相对于其热传递效率来说的小重量和体积，叉流板翅式换热器通常用于ECS中。图1示出常规(参考)飞机ECS管道和仪表图。ECS初级换热器2使用周围冲压空气4作为冷流体侧，以降低压缩引气流的温度。因此，飞机操作将ECS并且尤其是其冷侧暴露于来自诸如沙、灰尘和盐的污染物的结垢。
飞机ECS中的结垢往往是由悬浮在入口气流中的尘粒的沉积造成的。颗粒积聚随空气流率、污染物的浓度和系统温度与压力而变化。污染物在ECS换热器表面上的积聚随时间推移显著降低所述换热器的热传递效率和性能，同时还增加压降，从而导致因维护和部件故障而产生显著的成本。
发明内容
根据本发明的实施方案，描述用于设计内置测试的计算机实现方法的计算机实现方法。所述方法包括：经由处理器接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；经由处理器来基于系统参数中的一个或多个确定测试设计矢量；以及经由处理器来基于测试设计矢量设计内置测试。
根据其他实施方案，描述用于设计内置测试的系统的系统。所述系统可包括：至少一个传感器，其被配置以用于感测换热器的一个或多个系统变量；以及处理器，其被配置来接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；基于系统参数中的一个或多个和可容许输入方差来确定测试设计矢量；以及基于测试设计矢量来设计内置测试。
根据其他实施方案，描述用于设计内置测试的计算机程序产品。所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，其中计算机可读存储介质本身不是暂态信号。程序指令可由处理器执行，所述处理器可操作地连接至至少一个传感器，以致使所述处理器进行方法。所述方法包括：经由处理器接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；经由处理器来基于系统参数中的一个或多个确定测试设计矢量；以及经由处理器来基于测试设计矢量设计内置测试。
附图说明
在本说明书结论部分的权利要求书中特别指出并明确要求保护被认为是本发明的主题。本发明的前述和其他特征以及优点根据以下结合附图进行的详细描述而明显，在附图中：
图1示出常规飞机ECS管道和仪表图；
图2示出展示根据一个实施方案的质量流率和结垢热阻的估计值和95％置信区间的表；并且
图3示出在使用标称(左)和最佳(右)iBIT设置的系统模型结垢热阻和含水量值的范围内参数估计问题的目标函数值的曲线图；
图4示出指示质量流率和结垢热阻的估计值和95％置信区间的表2；
图5示出指示在标称和最佳设置下的不确定换热器入口值和结垢的估计值和95％置信区间的表3
图6示出根据一个实施方案的用于设计内置测试的计算机实现方法的流程图；
图7示出根据一个实施方案的用于设计内置测试的方法；并且
图8示出用于在实践本文中的教导中使用的计算机系统的方框图。
具体实施方式
飞机环境控制系统的板翅式换热器中的颗粒结垢是高外来物碎屑环境中的重复出现的问题。换热器结垢检测对于飞机维护调度和安全操作来说是重要的。下文中描述用于在飞机地面操纵期间的离线结垢检测的各种实施方案和方法，其中许可输入的可容许可变性范围可能是较宽的。一些实施方案估计换热器输入和最大化结垢的可识别性的输入轨迹。一些实施方案可建立在固有质量、能量和动量平衡的叉流板翅式换热器模型上。首先针对文献资料验证一个实施方案，并且然后将所述实施方案用于动态灵敏度分析框架中，在所述动态灵敏度分析框架中最大化换热器输出相对于结垢度量的灵敏度，并且估计增强结垢的可识别性的输入轨迹。
飞机环境控制系统(ECS)的主要目标在于：在对各种飞机部件进行二次加热和冷却时，在适当条件下为乘客和机组人员提供新鲜空气。需要ECS来控制热“引气”空气流在压缩后的温度。由于叉流板翅式换热器的相对于其热传递效率的小重量和体积，叉流板翅式换热器通常用于ECS中。ECS初级换热器2(如图1中所示)使用周围冲压空气4作为冷流体侧，以降低压缩引气流的温度。因此，飞机操作将ECS并且尤其是其冷侧暴露于来自诸如沙、灰尘和盐的污染物的结垢。
飞机ECS中的结垢往往是由悬浮在入口气流中的尘粒的沉积造成的。颗粒积聚随空气流率、污染物的浓度和系统温度与压力而变化。污染物在ECS换热器表面上的积聚随时间推移显著降低所述换热器的热传递效率和性能，同时还增加压降，从而导致因维护和部件故障而产生显著的成本。
结垢检测方法是用于监测结垢和所述结垢对飞机操作的影响的主要手段。通常，在线检测方法适用于估计系统状态并预测热传递有效性的偏差。一些常规方法可使用卡尔曼(Kalman)滤波器，所述卡尔曼滤波器可被设计用于非线性状态估计和对过程和测量噪声的过滤。其他常规方法可使用特别用于飞机相关结垢检测的混合卡尔曼滤波器方法，所述方法使用与离散时间测量相结合的连续模型。其他方法已使用人工神经网络来将加权偏差更新到系统网络连接层中。其他常规方法使用模糊多项式方法将加权不确定性用于换热器模型中。黑盒方法被开发来用于进行使用递归子空间模型识别的模型降阶(modelreduction)。其他方法可通过将小波变换应用于连续或离散测量值以减少输出噪声来针对故障检测使用小波函数。所有这些检测方法将结垢视为随着时间的推移而逐渐增加的状态。这些方法在较低积聚速率下有效性较差，因为在系统偏差、噪声和不确定性之间进行辨别将变得越来越难。此外，诸如卡尔曼滤波器的经典方法难以在离线分析期间使用，因为与大多数在线应用相比，持续时间极小。
根据用于飞机ECS换热器结垢检测的一些实施方案，当飞机在地面上操作时和飞行之前，手动启动的内置测试(下文中为“iBIT”)可用于故障检测。iBIT一般持续数分钟，而结垢通常在数百小时内发生，这是在结垢过程与结垢离线检测可利用的时间之间在时间标度上的显著差异。时间标度的这种区别允许将诸如沉积物厚度和结垢热阻的结垢影响性质视为参数。对应地，可基于参数估计来应用用于结垢检测的替代方法。这里，我们提出计算一组系统输入的方法，所述系统输入最小化根据在iBIT期间的故障识别对换热器结垢进行估计的不确定性。这种技术基于最佳实验设计(OED)方法。
OED是基于模型的方法，所述方法将系统模型与测量值和测量值的方差组合，以降低所估计模型参数的不确定性。用于OED的框架有时被应用于基于精确度的估计中。一般来说，实验设计目标(DOE)在于最小化不确定性并最大化可从一系列实验中提取的信息。基于模型的DOE或OED依赖于参数具有不确定性的数学模型的明确使用，所述模型被实施为最大化可从将来实验提取的信息的优化问题。基于模型的实验设计可应用于任何系统(线性、非线性、稳态或动态)。
在一些方面中，确认并了解经验相关性和模型参数，并且考虑了模型输入不确定性。结垢检测方法将受OED启发的框架应用于动态热传递分析，同时考虑实际iBIT的操作限制和不确定性。叉流板翅式换热器模型首先被制定来评估结垢的影响和结垢检测的牵连影响。利用从文献中获得的实验数据来验证板翅式换热器模型。然后制定iBIT OED问题来探究所测量的换热器输出相对于结垢相关模型参数的灵敏度。使用在D-最佳实验设计框架中使用的换热器模型来优化系统输入以便最大化这些灵敏度，所述D-最佳实验设计框架减小估计参数的联合置信区域。因此，结垢与换热器中的系统噪声和输入不确定性分离，这通过一系列的案例研究来说明。
换热器模型基于质量、能量和动量守恒方程来开发。板翅式换热器的每个流可被认为具有只沿流体流动的方向的梯度，因为流动长度显著地大于翅片间距。流体流动可被认为沿每个流体方向是一维的，而分离它们的叉流板壁可在二维中建模。翅片具有均匀厚度，并且假设与板壁相比具有可忽略的热阻。流体可被视为理想气体，并且热传导率、动态粘度和针对每个流体的比热容可使用已知相关性来计算。这些性质可被认为不受小结垢物浓度的影响。网格制定可用来将换热器离散化成一系列连续单元。因此，质量、能量和动量平衡可使用直线法简化成离散轴向分布(profile)，其中轴向导数由有限差分来近似。可在Palmer等人Appl.Th.Eng.2016中找到对应于换热器离散化的详细质量、能量和动量平衡。
可基于用于板翅式换热器结垢识别的常规值和模型来制定在iBIT中结垢识别的数学问题。针对当前解释来说，真实系统中可利用的输入变量、在飞机ECS中可利用或能够在飞机ECS中可利用的测量值，以及对于所有输入和时间标度的实际限制可被认为是通过测试导出和记录的已知量。应注意，iBIT可被实施为测试(实验)或一系列测试，所述系列测试需要针对结垢的识别和结垢与其他系统不确定性隔离来进行。可通过将可从测试提取的信息相对于故障最大化来改进对这种故障的识别。这种信息可为稳态的或瞬态的，这两者都将在下文中探究。以下实施方案中所讨论的基于模型的方法论可利用先前描述的模型，在设计最佳iBIT中将所述模型的参数灵敏度相对于结垢指示符(参数)最大化。然后，将每个最佳iBIT(所述最佳iBIT可由一系列测试组成)与标称iBIT比较，所述标称iBIT包括在正常或标准ECS条件下进行的一组测试。
根据一些实施方案，换热器结垢可表示为结垢热阻Rf，所述结垢热阻被视为iBIT期间的参数。结垢阻力可通过减小总热传递系数并减少换热器的横截面积来影响所测量(在系统级)退出温度和压力，如以上详细所述。然而，相同的测量变量可受诸如流率、入口压力、温度等的其他输入或状态变量影响。因此，可能的是，入口条件或系统状态中的不确定性和噪声可能在某些情形中被误解为结垢。总的来说，这种分析中的iBIT的目标在于：在状态或输入和其他系统参数具有不确定性的飞机ECS中尽可能准确地估计结垢热阻。
这里探究的不确定性可包括影响热传递有效性的条件。明确地说，含水量增加用于气体换热器的流体热容量(方程(3))，从而影响出口温度。引气流的入口压力和质量流量以及冲压流的入口压力和质量流量控制每个流体的密度和速度，从而影响热传递和压降。入口冲压温度Tci可对退出温度具有显著影响，如以上所示。这些系统条件或参数被认为是不确定的，并且通过一系列案例研究(在下文详述)连同结垢热阻一起进行估计，以便展现所公开实施方案的优势和能力。应注意，不确定性在这项工作中表示为所考虑变量中的每一个的方差区间。取决于我们对系统测量值或对所推断变量的准确度的置信等级，每个变量的区间可在其估计中表示为宽或窄的界限。同样地，甚至认为系统输入是未知的，并且在系统中所述系统输入的值的准确度等级由其上界限和下界限表示。总之，未知的结垢阻力和不确定的入口条件可被一起编译成所估计系统参数和输入的矢量：
方程(1)未描述用于飞机ECS的完整iBIT输入集。引气流在进入初级换热器之前通常由引气系统控制并调节。这里，通过将入口引气温度直接调整为用于最佳结垢检测的输入来简化ECS iBIT问题，而不考虑引气源上游的牵连影响。此外，这里所考虑的iBIT随着时间的推移以一系列的离散阶跃来改变入口引气温度。离散阶跃变化的数目ns和离散阶跃的持续时间ts也可被优化来得出估计置信与设计的复杂性和持续时间之间的平衡。每个阶跃的持续时间可被限制为最少二十秒，以允许在可用时利用稳态信息。也可优化初始条件y0。在iBIT中，y0的最优性对应于得出针对初始系统稳态的最佳系统输入。飞机中的iBIT分析的时间跨度是相对小的，以便确保所有测试都在飞机地面操纵时间内完成。大多数iBIT针对飞机诊断运行少于十分钟，因此对于这种分析来说，最大测试持续时间τ可被设置成五分钟。入口温度、阶跃变化的数目、阶跃持续时间和总时间跨度包括在测试设计矢量φ中：
方程(2)的测试设计矢量的变量可限于设计空间Φ，以便将上界限和下界限指派到每个分量。为在ECS的可容许设计空间内制定iBIT设计问题，上述模型方程可表示为微分方程的隐式系统：
其中f是系统控制方程，x(t)是系统状态(温度和压力)，u(t)是系统输入(入口引气温度)，并且t是时间。可假设传感器存在于出口引气通道和冲压通道处以测量退出温度和压力，与传感器是否存在于所有ECS中无关。然后，所测量输出的估计可表示为：
初始状态y0可针对所定义系统整理成：
根据一些实施方案，最佳iBIT可甚至在不确定入口条件下提供关于结垢热阻的最大信息。这种信息是通过在τ内针对所有采样时间来说所测量输出相对于的估计值的灵敏度来获取。这些灵敏度可针对每个输出yr,s而编译成一系列矩阵Qr,s，并且由实验方差加权来产生方差协方差矩阵和费雪(Fisher)信息矩阵：
其中是实验方差矩阵的第rs个元素，并且nresp是所测量输出的总数目。D最佳设计准则可被选择例如来最小化来自所提取信息的估计参数之间的相关性，并且因此将结垢与所有其他系统不确定性隔离：
条件为：
uL≤u(t)≤uu
然后，方程(7)的最佳iBIT测试设计矢量φD可应用于如上所述的若干结垢识别和隔离方案，并且可与标称条件下的iBIT有效性比较。
板翅式换热器模型可经由处理器利用面向对象语言ModelicaTM在商业软件DymolaTM中制定。可使用功能模型接口(FMI)、用于配置动态模型的工具独立性标准来输出模型。模型的功能模型单元可使用例如像Modelon FMI-ToolboxTM的实用程序经由处理器输出至处理平台(例如，MATLABTM)。可使用有限差分或伴算子(adjoint)、利用求解器CVODES来计算动态和稳态参数灵敏度，所述求解器CVODES是一种能够进行灵敏度分析的C编码ODE求解器。最佳设计可利用处理器、利用网格自适应直接搜索算法NOMAD来计算。
图2示出表1，表中示出质量流率和结垢热阻的估计值和95％置信区间。这种换热器的大小、流率和Re数目与ECS中得出的那些一致性更好，而实验设备在不同制度下操作，从而产生针对热传递过程的相当不同的灵敏度和动力学。这里，我们专注于所提出方法论的有效性，而不是所估计条件的绝对值。在一些实例中示出所提出的iBIT方法的有效性，在所述实例中，在沉重结垢物积聚条件下研究了以上所提出的换热器模型。这可通过以100mg/m3的高入口结垢物浓度将换热器和结垢模型运行7小时(实际处理时间)，直到总结垢热阻达到6.2×10-3m2K/W来完成。在这一点上，假定结垢是显著的并且可从iBIT识别，所述iBIT在标称和最佳条件下运行，并且探究iBIT确定地识别结垢的能力。因此我们获得代表换热器在显著结垢条件下的嘈杂响应的模型，所述模型在本文中被称为“虚拟系统”，并且获得在预测中没有噪声并且没有任何结垢物沉积的模型，所述模型在下文中被称为“系统模型”。在用于参数估计的计算框架中使用虚拟系统的响应，以便估计系统模型的结垢热阻和不确定输入。
ECS换热器中的流动条件可被设置成典型地用于ECS换热器操作的标称条件。引气入口温度可被限制在100℃与250℃之间，假设所述引气入口温度受上游控制，但具有显著的不确定性。入口冲压温度可根据国际标准航空组织确定的国际标准地平面大气值来设置。
为评估所提出的用于结垢检测的方法的稳健性，可在若干案例研究中估计结垢热阻和不确定流动条件，并且报告和比较它们在标称和最佳条件下的95％置信区间。可将测量噪声增加到换热器模型输出，以提供用于分析的虚拟实验数据。系统的测量标准偏差可被指派成典型地用于每个出口的零均值白测量噪声(出口温度为0.5℃，并且出口压力为100Pa)。此后，无噪声模型模拟(来自系统模型)可通过调整所估计参数和系统不确定入口值来与实验数据(来自虚拟系统)匹配。然后，结垢检测的稳健性可被确定为参数估计将利用零初始结垢的模型的无噪声模拟与利用换热器结垢的模型的嘈杂模型响应之间的偏差最小化的能力：
对于这些研究来说，只有温度测量值可被比较，因为更常见的是使温度传感器而不是压力换能器在ECS中可用。所有不确定入口条件可以可为其标称值的±25％的界限为条件。
作为第一步骤，我们探究所提出方法的稳健性，以识别换热器结垢作为不具有不确定性的理想系统中的参数故障。因此，这里的任务是在准确了解所有其他系统输入的情况下，得出用于估计结垢热阻的最佳系统条件。在虚拟系统中，结垢热阻可被设置成6.2×10-3m2K/W，以代表实际的平衡结垢。对于由方程(7)计算的最佳iBIT设计来说，可在入口温度的可容许范围的上界限(250℃)处得出入口温度。贯穿整个iBIT持续时间τ，可仅需要一个温度阶跃(ns＝1)。增加更多输入阶跃不增加在iBIT中对结垢阻力的估计准确度。
将系统模型的热传递阻力与虚拟系统数据拟合分别在标称和最佳条件下产生6.26±0.40×10-3m2K/W和6.19±0.34×10-3m2K/W的结垢热阻估计值。在真实系统中，入口冲压温度取决于当天时间和飞机的位置。大气条件影响热传递的速率，并且因此影响结垢可识别性。为了说明这一点，还可利用-50℃和40℃的入口冲压温度估计结垢热阻，以便代表冷大气条件和热大气条件。结垢热阻的对应估计值几乎可与针对标准入口冲压温度所列出的值相等。结垢热阻的估计值和其置信区间可通过iBIT入口引气温度的最佳设计来略微地改进，而与围绕飞机的大气的温度无关。
ECS中的一个常见不确定性是周围空气的水分。取决于位置、时间和在机场中的特定位置，围绕飞机的大气具有不同水分量。因此，感兴趣的是，考虑空气的含水量的不确定性，并且使用标称和iBIT最佳入口值来探究含水量对结垢识别的稳健性的影响。为了简单，含水量可被认为仅影响系统中每个流体的热容量。根据温湿图表，假设不存在降水(precipitation)，在15℃的最大大气湿度为1.2wt％或0.012kg水/kg空气，而最小大气湿度约为0.1wt％。这种可变性对应于1040至1078J/kg s的热容量范围。因此，利用如以上所指示的范围，空气的热容量在最佳iBIT问题中可被视为未知的。
可利用两个控制动作(ns＝2)来得出最佳iBIT，所述控制动作表明当只有出口温度测量值可利用时，两种极其不同的温度是分离未知水分和结垢热阻力的影响所需要的。在最佳iBIT设计中，引气温度可在最初被设置到下界限达20s，并且然后可被设置到上界限达剩余测试持续时间。这种设计提高针对热传递的平流和对流方面的估计精确度，所述热传递的平流和对流方面两者都受比热容影响。可能需要标称设置与最佳设置之间的过渡时期，以便达到用于第一控制阶跃的最佳稳态出口温度。可使用由系统所展现的整个瞬态响应来根据第二输入阶跃变化获取水分和结垢热阻的估计值。
在标称条件(例如，t＝0至300s)下将结垢热阻和含水量与稳态数据拟合可分别产生5.90±8.71×10-3m2K/W和1.21±3.67wt％的估计值。在最佳iBIT条件下，根据一个示例性实施方案，针对Rf和的估计值为6.03±0.81×10-3m2K/W和1.27±0.28wt％。在最小湿度等级下，来自标称和最佳iBIT设计的参数估计值的置信区间可为相似的，从而指示最佳iBIT适用于估计结垢，与湿度等级无关。95％置信区域对于标称设计来说明显大到针对结垢热阻和含水量的负值被认为在统计上是可行的程度。在不确定水分量下的结垢估计可能在默认设置下是低效的，从而强调的是应用结构化iBIT设计策略的重要性来提高结垢检测和隔离的置信度和精确度的重要性。
图3示出在使用标称(左)和最佳(右)iBIT设置的系统模型结垢热阻和含水量值的范围内参数估计问题的目标函数值。虚拟系统的真实值可分别为6.2×10-3m2K/W和1.2wt％。暗色正方形代表对应于正确系统输出(最小目标函数)的估计参数，并且等高线图示出95％置信椭圆。一些实施方案可提供在结垢热阻和含水量值的整个可容许空间上列举方程(8)的目标函数的机会。因此，我们可使所提出的用于iBIT的方法论就确定未知和不确定系统变量和参数的对应能力而言的益处可视化。图3示出用于参数估计并且因此用于结垢识别的目标函数在标称和最佳iBIT设置下如何受系统模型含水量和结垢热阻影响。在标称iBIT下，目标函数呈现邻近Rf和的真实值的相似值的谷部。因此，将对应参数估计问题应用于不可识别的系统。产生针对方程(8)的目标函数的紧密邻近估计值的Rf和的范围在最佳iBIT中显著减小，因此显著提高参数被估计为其真实值的可能性。
在某些ECS中，入口引气流的压力和温度由压缩系统控制。取决于压缩机的状态和下游压力阻抗，ECS换热器中入口引气流的压力可包含显著的不确定性。因此，在这个案例研究中，我们探究了引气侧的不确定入口压力对iBIT结垢检测的影响。作为练习，不确定性还可针对冲压流量来考虑。在这个案例研究中获得的灵敏度产生费雪信息矩阵，所述费雪信息矩阵对于所有可利用的输入配置几乎可为奇异的。在恒定质量流量下，流体的速度和密度成反比，因此入口压力可能对雷诺数(Reynolds number)几乎没有影响。在标称ECS流动条件下，系统压力不足以影响本征流体流动性质以便提供有用信息。没有发现实验证据来验证这种发现，因为检查换热器压力的大多数研究专注于压降分析。尽管如此，这个案例研究指示入口压力的不确定性不应影响结垢识别的基于模型的iBIT过程。
ECS压缩机的低效操作可导致用于ECS的引气流的不确定流率。类似地，冲压流量由风扇和可将不确定性引入到换热器那侧的质量流率的其他上游系统部件控制。因此，在这里，冲压和引气质量流量可被认为在用于结垢估计的iBIT期间是不确定的。可进行三个iBIT来探究流率的不确定性的影响：分别专注于不确定引气侧和冲压侧流率的第一测试和第二测试，以及同时分析不确定引气侧和冲压侧流率的第三测试。在图4、表2中呈现针对标称和最佳iBIT的这些案例研究的结果，以及用于最佳iBIT的设计矢量。类似于不确定介质热容量的情况，质量流率影响系统的对流和平流热传递，并且因此影响换热器的总热有效性。可在标称和最佳条件下获得针对所有不确定系统输入的估计值的95％置信区间，如图4、表2中所示。
根据一些实施方案，当应用不确定流率时，可降低结垢可识别性，如由标称条件和其宽置信区间下估计值缺乏准确度所表示。如所预期，由于系统流率对热传递有效性的影响，所述系统流率可对结垢检测具有显著影响。尽管如此，根据一些实施方案，巨大的改进是可行的。
利用多个未知/不确定系统参数、输入和状态的情况下，使用iBIT来估计系统结垢的任务成为大规模多变量优化问题。从先前分析清楚显现的是，当结垢时，空气水分和流率同时是未知或不确定的，几乎没有机会利用唯一一个稳态测试来在标称条件下识别结垢。因此，这里的任务是在所指定设计空间内优化由D最佳实验设计所确定的许多测试，所述D最佳实验设计根据定义是用于寻求单独的参数相关性。为了确认这里所提出的iBIT设计方法论的稳健性，可对一个案例研究进行探究，其中冲压入口温度、冲压流率、含水量和结垢热阻被认为是未知或不确定的。
如图4中所示出的表2示出根据一些实施方案的在标称和最佳设置下的不确定换热器入口值和结垢的估计值和95％置信区间。稳态和瞬态信息两者用于结垢检测和隔离。这些条件可提供最高热传递速率和实质的系统动态响应。用于估计条件的置信区间可在所示出的标称和最佳iBIT设置下计算。这些结果展示了在估计不确定输入和结垢等级方面的最大改进，从而指示当存在多个不确定性时，iBIT最受益于用于结垢识别的优化条件。
现在参考图5，表3示出根据一些实施方案的在标称和最佳设置下的不确定换热器入口值和结垢的估计值和95％置信区间。
虽然已结合仅仅有限数量的实施方案详细描述了本公开，但应容易地理解，本公开不限于这类所公开的实施方案。相反地，本公开可被修改来并入迄今未描述，但与本公开的精神和范围相当的任何数量的变化、更改、置换或等效布置。另外，虽然已描述了本公开的各种实施方案，但应理解，本公开的方面可仅包括所描述实施方案中的一些。
图6示出根据一个实施方案的用于设计内置测试的计算机实现方法的流程图10。简要参考图6，在一些实施方案中，处理器可被配置来从可操作地连接至所述处理器的至少一个传感器接收子系统模型信息，如方框12中所示。包括用于换热器的系统参数的子系统模型，其中所述系统参数中的每一个包括传感器方差。
如方框14中所示，处理器可基于系统参数中的一个或多个来确定测试设计矢量。图7示出根据一个实施方案的用于设计内置测试的方法11。
现在参考图7，如方框20中所示，处理器可评估输入不确定性。如方框22中所示，然后处理器可针对由所述处理器接收的系统参数中的每一个来评估传感器方差。在方框24处，处理器可评估模型误差。确定测试设计矢量可包括对系统参数中的每一个限制上界限和下界限。
再次参考图6，在确定测试设计矢量后，处理器可基于测试设计矢量来设计内置测试，如方框16中所示。
如方框18中所示，处理器可确定用于内置测试的精确度值，将用于内置测试的精确度值与预先确定精确度阈值基准比较，并且响应于确定精确度值不满足或超过预先确定的精确度阈值基准来重新设计第二内置测试。例如，精确度阈值基准可为包括一组在正常或标准ECS条件下进行的测试的标称iBIT。
图8示出用于在实践本文中所描述的实施方案中使用的计算机系统100(下文中为“计算机100”)的方框图。本文中所描述的方法可在硬件、软件(例如，固件)或其组合中实现。在示例性实施方案中，本文中所描述的方法在硬件中实现，并且可为诸如个人计算机、工作站、小型计算机或大型计算机的专用或通用数字计算机的微处理器的一部分。因此，计算机100可体现为通用计算机。在另一示例性实施方案中，本文中所描述的方法被实现为移动装置的一部分，所述移动装置例如像移动电话、个人数据助理(PDA)、平板计算机等。
在示例性实施方案中，就硬件架构而言，如图8中所示，计算机100包括处理器101。计算机100还包括耦接至处理器101的存储器102，以及一个或多个输入/输出适配器103，所述输入/输出适配器可经由系统总线105通信地耦接。存储器102可操作地耦接至一个或多个内部或外部存储装置。通信适配器104可将计算机100可操作地连接至一个或多个网络115。系统总线105还可经由接口适配器112连接一个或多个用户接口。接口适配器112可将包括例如键盘109、鼠标110、扬声器113等的多个用户接口连接至计算机100。系统总线105还可将显示适配器116和显示器117连接至处理器101。处理器101还可被可操作地连接至图形处理单元118。
处理器101是用于执行硬件指令或软件的硬件装置，所述硬件指令或软件尤其被存储在非暂态计算机可读存储器(例如，存储器102)中。处理器101可为任何定制或市售的处理器、中央处理单元(CPU)、多个CPU(例如，CPU 101a-101c)、与计算机100相关联的若干其他处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片组的形式)，或通常用于执行指令的任何装置。处理器101可包括存储器高速缓存106，所述存储器高速缓存可包括但不限于用来加快可执行指令撷取的指令高速缓存、用来加快数据撷取和存储的数据高速缓存，以及用来加快用于可执行指令和数据两者的虚拟至物理地址转换的转换后援缓冲器(TLB)。高速缓存106可被组织成具有更多高速缓存层级(L1、L2等)的分层结构。
存储器102可包括随机存取存储器(RAM)107和只读存储器(ROM)108。RAM 107可为易失性存储元件(例如，DRAM、SRAM、SDRAM等)中的任何一个或组合。ROM 108可包括任何一个或多个非易失性存储元件(例如，可擦可编程只读存储器(EPROM)、闪速存储器、电可擦可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁带、光盘只读存储器(CD-ROM)、磁盘、盒带、卡带或类似元件等)。此外，存储器102可并入有电子、磁性、光学和/或其他类型的非暂态计算机可读存储介质。注意，存储器102可具有分布式架构，其中各种部件远离彼此定位，但可由处理器101访问。
存储器102中的指令可包括一个或多个单独的程序，所述程序中的每一个包括用于实现逻辑函数的计算机可执行指令的有序列表。在图8的实例中，存储器102中的指令可包括操作系统111。操作系统111可控制其他计算机程序的执行，并且提供调度、输入-输出控制、文件和数据管理、存储器管理以及通信控制和相关服务。
输入/输出适配器103可为例如但不限于如本领域已知的一个或多个总线或其他有线或无线连接。输入/输出适配器103可具有为简单起见省略的另外元件(诸如控制器、缓冲器(高速缓存)、驱动器、中继器和接收器)以实现通信。此外，本地接口可包括地址、控制和/或数据连接，以实现前述部件间的适当通信。
接口适配器112可被配置来将一个或多个输入/输出(I/O)装置可操作地连接至计算机100。例如，接口适配器112可连接键盘109和鼠标110。其他输出装置(例如，扬声器113)可被可操作地连接至接口适配器112。虽然未示出，但还可包括其他输出装置。例如，装置可包括但不限于打印机、扫描仪、麦克风和/或类似装置。最后，可连接至接口适配器112的I/O装置可还包括与输入端和输出端两者通信的装置，例如但不限于，网络接口卡(NIC)或调制器/解调器(用于访问其他文件、装置、系统或网络)、射频(RF)或其他收发器、电话接口、桥接器、路由器和类似装置。
计算机100可还包括耦接至一个或多个显示器117的显示适配器116。在示例性实施方案中，计算机100可还包括用于耦接至网络115的通信适配器104。
网络115可为用于在计算机100与任何外部装置之间通信的基于IP的网络。网络115在计算机100与计算机100外部的装置和/或系统之间传输和接收数据。在示例性实施方案中，网络115可为由服务提供商管理的受管理IP网络。网络115可为飞机内部的网络，例如像航空电子网络等。网络115可以无线方式实现，例如，使用诸如WiFi、WiMax等的无线协议和技术。网络115还可为具有包括例如RS232连接、R5422连接等的任何有线连接的有线网络，例如，以太网、ARINC 429网络、CAN等。网络115还可为分组交换网络，诸如局域网、广域网、城域网、互联网或其他相似类型的网络环境。网络115可为固定无线网络、无线局域网(LAN)、无线广域网(WAN)、个人区域网(PAN)、虚拟专用网(VPN)、内部网或其他合适的网络系统。
如果计算机100是PC、工作站、膝上型计算机、平板计算机和/或类似物，那么存储器102中的指令可还包括基本输入输出系统(BIOS)(为简单起见省略)。BIOS是一组基本例程，其在启动时初始化并测试硬件、启动操作系统111并且支持在可操作地连接的硬件装置间的数据传输。BIOS存储在ROM 108中以使得BIOS可在激活计算机100时执行。当计算机100在操作中时，处理器101可被配置来执行存储在存储器102中的指令，以便向存储器102传达数据并从存储器102传达数据，并且大体上依照指令来控制计算机100的操作。
本发明可为在任何可能的技术细节整合层面上的系统、方法和/或计算机程序产品。计算机程序产品可包括一个或多个计算机可读存储介质，所述计算机可读存储介质上具有计算机可读程序指令，以用于致使处理器实施本发明的各方面。
计算机可读存储介质可为可保持并存储以供指令执行装置使用的指令的有形装置。计算机可读存储介质可为例如但不限于电子存储装置、磁性存储装置、光学存储装置、电磁存储装置、半导体存储装置或前述装置的任何合适组合。计算机可读存储介质的更具体实例的非详尽列表包括以下各项：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪速存储器)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用磁盘(DVD)、记忆棒、软盘、机械编码装置(诸如记录有指令的沟槽中的穿孔卡或凸起结构)，以及前述介质的任何合适组合。如本文所使用的计算机可读存储介质本身不被解释为是暂态信号，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，穿过光纤电缆的光脉冲)，或通过电线传输的电信号。
本文中所描述的计算机可读程序指令可从计算机可读存储介质下载至相应的计算/处理装置，或经由例如互联网、局域网、广域网和/或无线网下载至外部计算机或外部存储装置。网络可包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、开关、网关计算机和/或边缘服务器。每个计算/处理装置中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并且转发计算机可读程序指令，以便存储在相应的计算/处理装置内的计算机可读存储介质中。
用于实施本发明的操作的计算机可读程序指令可为汇编器指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、用于集成电路的配置数据，或用一种或多种编程语言的任何组合写入的原始码或目标码，所述编程语言包括诸如Smalltalk、C++或类似语言的面向对象编程语言，以及诸如“C”编程语言或类似编程语言的过程式编程语言。计算机可读程序指令可完全地在用户的计算机上执行、部分地在用户的计算机上执行、作为独立软件包来执行、部分地在用户的计算机上并且部分地在远程计算机上执行，或完全地在远程计算机或服务器上执行。在后一种情景中，远程计算机可通过包括局域网(LAN)或广域网(WAN)的任何类型的网络连接至用户的计算机，或可(例如，使用互联网服务提供商以通过互联网)与外部计算机形成连接。在一些实施方案中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可通过利用计算机可读程序指令的状态信息来将电子电路个人化而执行计算机可读程序指令，以便进行本发明的方面。
本文中参考根据本发明的实施方案的方法、设备(系统)和计算机程序产品的流程图图解和/或方框图来描述本发明的各方面。应理解，流程图图解和/或方框图中的每个方框以及流程图图解和/或方框图中的方框的组合可由计算机可读程序指令来实现。
可将这些计算机可读程序指令提供至通用计算机、专用计算机或其他可编程数据处理设备的处理器以产生机器，以使得经由计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现流程图和/或方框图的一个或多个方框中所指定的功能/动作的手段。这些计算机可读程序指令还可存储在计算机可读存储介质中，所述计算机可读存储介质可引导计算机、可编程数据处理设备和/或其他装置以特定方式起作用，以使得存储有指令的计算机可读存储介质包括制品，所述制品包括实现流程图和/或方框图的一个或多个方框中所指定的功能/动作的各方面的指令。
计算机可读程序指令还可被加载至计算机、其他可编程数据处理设备或其他装置上，以便致使一系列操作步骤在计算机、其他可编程设备或其他装置上进行，以便产生计算机实现过程，以使得在计算机、其他可编程设备或其他装置上执行的指令实现流程图和/或方框图的一个或多个方框中所指定的功能/动作。
图中的流程图和方框图示出根据本发明的各种实施方案的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。在这方面，流程图或方框图中的每个方框可表示指令的模块、片段或部分，所述模块、片段或部分包括用于实现所指定的一个或多个逻辑功能的一个或多个可执行指令。在一些替代实现方式中，方框中所标注的功能可不按图中所标注的顺序发生。例如，相继示出的两个方框事实上可大致上同时执行，或所述方框有时可取决于所涉及的功能性而按相反顺序来执行。还应注意，方框图和/或流程图图解中的每个方框以及方框图和/或流程图图解中的方框的组合可由基于专用硬件的系统实现，所述系统进行指定的功能或动作，或实施专用硬件和计算机指令的组合。
已出于说明目的呈现本发明的各种实施方案的描述，但所述描述并不意图是详尽的或受限于所公开的实施方案。在不脱离所描述实施方案的范围和精神的情况下，许多修改和变化将对本领域的普通技术人员来说是明显的。选择本文中所使用的术语来最好地解释实施方案的原理、对在市场中所见技术的实际应用或技术改进，或使本领域的其他普通技术人员能够理解本文中所公开的实施方案。

Claims (18)

1.一种用于设计内置测试的计算机实现方法，其包括：
经由处理器接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；
经由所述处理器来基于所述系统参数中的一个或多个确定测试设计矢量；以及
经由所述处理器来基于所述测试设计矢量设计所述内置测试。
2.如权利要求1所述的计算机实现方法，其中确定所述测试设计矢量包括：
评估输入不确定性；
经由所述处理器评估用于所述系统参数中的每一个的所述传感器方差；以及
经由所述处理器评估系统模型误差。
3.如权利要求2所述的计算机实现方法，其中确定所述测试设计矢量还包括：经由所述处理器对所述系统参数中的每一个限制上界限和下界限。
4.如权利要求1所述的计算机实现方法，其中所述系统参数包括结垢热阻、含水量、入口压力和质量流量。
5.如权利要求1所述的计算机实现方法，其还包括：
经由所述处理器确定用于所述所设计内置测试的精确度值；
经由所述处理器将用于所述所设计内置测试的所述预期精确度值与预先确定的精确度阈值基准比较；以及
响应于确定所述精确度值不满足或超过所述预先确定的精确度阈值基准，经由所述处理器重新设计第二内置测试。
6.如权利要求5所述的计算机实现方法，其中重新设计所述第二内置测试包括：经由所述处理器改变至少一个传感器方差。
7.一种用于设计内置测试的系统，其包括：
至少一个传感器，其被配置以用于感测换热器的一个或多个系统参数；以及
处理器，其被配置来：
接收子系统模型，所述子系统模型包括用于所述换热器的系统参数，其中系统参数包括传感器方差；
基于系统参数中的一个或多个和可容许输入方差来确定测试设计矢量；以及
基于所述测试设计矢量来设计所述内置测试。
8.如权利要求7所述的系统，其中所述处理器被配置来：
经由飞机上的处理器评估输入不确定性；
经由所述飞机上的所述处理器评估用于所述系统不确定参数和输入中的每一个的所述传感器方差；
经由所述飞机上的所述处理器评估系统模型误差；以及
经由所述飞机上的所述处理器来基于所述输入不确定性、所述传感器方差、所述系统参数中的每一个的所述方差和所述系统模型误差确定所述测试设计矢量。
9.如权利要求8所述的系统，其中确定所述测试设计矢量还包括：经由所述处理器对所述系统参数中的每一个限制上界限和下界限。
10.如权利要求7所述的系统，其中所述系统参数包括结垢热阻、含水量、入口压力和质量流量。
11.如权利要求7所述的系统，其中所述处理器进一步被配置来：
确定用于所述内置测试的精确度值；
将用于所述内置测试的所述精确度值与预先确定的精确度阈值基准比较；以及
响应于确定所述精确度值不满足或超过所述预先确定的精确度阈值基准，重新设计第二内置测试。
12.如权利要求11所述的系统，其中所述处理器被配置来通过改变至少一个传感器方差来重新设计所述第二内置测试。
13.一种用于设计内置测试的计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，其中所述计算机可读存储介质本身不是暂态信号，所述程序指令可由处理器执行，所述处理器可操作地连接至至少一个传感器，以便致使所述处理器进行方法，所述方法包括：
经由所述处理器接收子系统模型，所述子系统模型包括用于换热器的系统参数，其中所述系统参数中的每一个包括传感器方差；
经由所述处理器来基于所述系统参数中的一个或多个确定测试设计矢量；以及
经由所述处理器来基于所述测试设计矢量设计所述内置测试。
14.如权利要求13所述的计算机程序产品，其中确定所述测试设计矢量包括：
评估输入不确定性；
经由所述处理器评估用于所述系统参数中的每一个的所述传感器方差；以及
经由所述处理器评估模型误差。
15.如权利要求14所述的计算机程序产品，其中确定所述测试设计矢量还包括：经由所述处理器对所述系统参数中的每一个限制上界限和下界限。
16.如权利要求13所述的计算机程序产品，其中所述系统参数包括结垢热阻、含水量、入口压力和质量流量。
17.如权利要求13所述的计算机程序产品，其还包括
经由所述处理器确定用于所述内置测试的精确度值；
经由所述处理器将用于所述内置测试的所述精确度值与预先确定的精确度阈值基准比较；以及
响应于确定所述精确度值不满足或超过所述预先确定的精确度阈值基准，经由所述处理器重新设计第二内置测试。
18.如权利要求17所述的计算机程序产品，其中重新设计所述第二内置测试包括：经由所述处理器改变至少一个传感器方差。
CN201610404296.2A 2015-06-08 2016-06-08 板翅式换热器结垢识别 Active CN106446318B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201562172486P 2015-06-08 2015-06-08
US62/172486 2015-06-08

Publications (2)

Publication Number Publication Date
CN106446318A true CN106446318A (zh) 2017-02-22
CN106446318B CN106446318B (zh) 2021-06-08

Family

ID=56740757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610404296.2A Active CN106446318B (zh) 2015-06-08 2016-06-08 板翅式换热器结垢识别

Country Status (5)

Country Link
US (1) US10495547B2 (zh)
EP (1) EP3104112B1 (zh)
CN (1) CN106446318B (zh)
BR (1) BR102016013165B1 (zh)
CA (1) CA2932665C (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110873811A (zh) * 2018-08-29 2020-03-10 斯凯孚公司 处理器实现的系统和方法
CN111727352A (zh) * 2017-12-13 2020-09-29 法国电力公司 评估热交换器结垢的方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10295284B2 (en) * 2016-08-18 2019-05-21 The Boeing Company Model-based method and system to detect heat exchanger fouling
US10408501B2 (en) * 2016-12-21 2019-09-10 Hamilton Sundstrand Corporation Environmental control system with ejector-enhanced cooling
US10220955B2 (en) * 2017-01-05 2019-03-05 Delta Air Lines, Inc. Non-invasive and predictive health monitoring of an aircraft system
US11017316B2 (en) * 2017-06-06 2021-05-25 International Business Machines Corporation Optimal experimental design based on mutual information and submodularity
DE102017127276A1 (de) * 2017-08-30 2019-02-28 Taiwan Semiconductor Manufacturing Co., Ltd. Standardzellen und abwandlungen davon innerhalb einer standardzellenbibliothek
US10618662B2 (en) * 2018-03-19 2020-04-14 Hamilton Sundstrand Corporation Ram flow control with predicted ram air flow
US20210033360A1 (en) * 2019-07-30 2021-02-04 Hamilton Sundstrand Corporation Evolved inferential sensors for improved fault detection and isolation
US11480332B2 (en) 2021-01-29 2022-10-25 General Electric Company Method and system for assessing a condition of a boiler
CN113960108B (zh) * 2021-09-24 2024-05-28 株洲国创轨道科技有限公司 一种碳纤维复合材料导热系数和比热容同时测量方法及测量系统
EP4293451A1 (de) * 2022-06-13 2023-12-20 Siemens Aktiengesellschaft Steuern eines start- und/oder abschaltvorgangs und/oder lastwechsels einer technischen anlage
CN115791243B (zh) * 2023-02-06 2023-04-28 中国核动力研究设计院 模块式微通道换热器标准化实验平台、方法、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2682835A2 (en) * 2012-07-05 2014-01-08 Honeywell International Inc. Environmental control systems and techniques for monitoring heat exchanger fouling
CN104536292A (zh) * 2014-12-05 2015-04-22 北京航空航天大学 一种基于stf和mb的飞机环境控制系统换热器故障诊断方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5086622A (en) 1990-08-17 1992-02-11 United Technologies Corporation Environmental control system condensing cycle
CN102789226B (zh) * 2006-09-28 2015-07-01 费舍-柔斯芒特系统股份有限公司 热交换器中的异常情况预防
US7827006B2 (en) * 2007-01-31 2010-11-02 Fisher-Rosemount Systems, Inc. Heat exchanger fouling detection
US9804607B1 (en) * 2011-11-16 2017-10-31 Zane Coleman Fluid transfer systems, devices, components, and methods of manufacture
EP2881328B1 (en) * 2013-12-03 2017-06-28 Airbus Defence and Space GmbH Aircraft fuel system with heating of stored fuel
JP2017507063A (ja) * 2014-02-21 2017-03-16 タレリス・グローバル・エルエルピーＴａｌｅｒｉｓ Ｇｌｏｂａｌ ＬＬＰ 航空機の空調パックの故障を予測するための方法
US10288548B2 (en) * 2015-04-17 2019-05-14 Hamilton Sundstrand Corporation Wavelet-based analysis for fouling diagnosis of an aircraft heat exchanger
US10895523B2 (en) * 2015-04-30 2021-01-19 The University Of Connecticut Method of optimal sensor selection and fusion for heat exchanger fouling diagnosis in aerospace systems

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2682835A2 (en) * 2012-07-05 2014-01-08 Honeywell International Inc. Environmental control systems and techniques for monitoring heat exchanger fouling
CN104536292A (zh) * 2014-12-05 2015-04-22 北京航空航天大学 一种基于stf和mb的飞机环境控制系统换热器故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
O GUDMUNDSSON ET等: "《COMPARISON OF FOULING DETECTION METHODS USING EXPERIMENTAL DATA》", 《PRECEEDINGS OF INTERNATIONAL CONFERENCE ON HEAT EXCHANGER FOULING AND CLEANING》 *
SHAH, SHOAIB等: "《On-Line Fouling Detection of Aircraft Environmental Control System Cross Flow Heat Exchanger》", 《2009 INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 *
赵俊茹: "《飞机环境控制系统的故障诊断研究》", 《万方学术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111727352A (zh) * 2017-12-13 2020-09-29 法国电力公司 评估热交换器结垢的方法
CN111727352B (zh) * 2017-12-13 2021-08-31 法国电力公司 评估热交换器结垢的方法
CN110873811A (zh) * 2018-08-29 2020-03-10 斯凯孚公司 处理器实现的系统和方法

Also Published As

Publication number Publication date
CA2932665A1 (en) 2016-12-08
EP3104112B1 (en) 2020-07-15
BR102016013165B1 (pt) 2021-11-03
BR102016013165A2 (pt) 2016-12-27
CA2932665C (en) 2023-05-23
CN106446318B (zh) 2021-06-08
US10495547B2 (en) 2019-12-03
US20160356677A1 (en) 2016-12-08
EP3104112A3 (en) 2017-01-04
EP3104112A2 (en) 2016-12-14

Similar Documents

Publication Publication Date Title
CN106446318A (zh) 板翅式换热器结垢识别
Fassois et al. Time-series methods for fault detection and identification in vibrating structures
JP6797546B2 (ja) 方法及びコンピュータプログラム製品
EP2437034B1 (en) System and method for conditional multi-output regression for machine condition monitoring
Das et al. Structural health monitoring techniques implemented on IASC–ASCE benchmark problem: a review
Palmer et al. Optimal design of tests for heat exchanger fouling identification
Maasoumy et al. Co-design of control algorithm and embedded platform for building hvac systems
US20070005527A1 (en) Model reduction system and method for component lifing
CN107077134B (zh) 用于对监控飞机发动机的系统进行验证的工具
Dewallef et al. A methodology to improve the robustness of gas turbine engine performance monitoring against sensor faults
CN103217172B (zh) 一种卡尔曼滤波传感器信息融合的故障检测方法
Palmer et al. Active fault identification by optimization of test designs
BR112015009029B1 (pt) Sistema e processo de monitoramento de um conjunto de componentes de um equipamento
Palmer et al. Analysis of transient data in test designs for active fault detection and identification
Chervonyi et al. Semi-analytical industrial cooling system model for reinforcement learning
Hua et al. An online learning framework for self-adaptive dynamic thermal modeling of building envelopes
Requeijo et al. Implementation of the statistical process control with autocorrelated data in an automotive manufacturer
Niculita et al. Design for diagnostics and prognostics: A physical-functional approach
Wang et al. Automatic sensor evaluation in BMS commissioning of building refrigeration systems
Sehgal et al. Predicting faults before testing phase using Halstead’s metrics
Mukhopadhyay et al. Probabilistic structural health assessment with identified physical parameters from incomplete measurements
Baumann Using machine learning for data-based assessing of the aircraft fuel economy
Knopp et al. Developments in Probability of Detection Modeling and the Use of Simulation Studies
Subramanian et al. Identifying transient and persistent errors in aircraft cruise trajectory prediction using Bayesian state estimation
Palmer Optimal Selection of Test Designs and Sensor Sets for Active Fault Diagnosis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant