CN107180461A - 使用飞行器数据预测飞行器发动机运转状态的方法和系统 - Google Patents
使用飞行器数据预测飞行器发动机运转状态的方法和系统 Download PDFInfo
- Publication number
- CN107180461A CN107180461A CN201710142057.9A CN201710142057A CN107180461A CN 107180461 A CN107180461 A CN 107180461A CN 201710142057 A CN201710142057 A CN 201710142057A CN 107180461 A CN107180461 A CN 107180461A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- engine
- information
- flight
- model
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及用于飞行器发动机的系统和方法,所述方法可以访问与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据;可以基于每次飞行自动使用在飞行期间记录的飞行器数据计算度量,并且可基于所计算的度量,使用概率模型捕集和表示关系,所述关系包括多个发动机参数和飞行参数;之后可以基于所述概率模型、与特定飞行器发动机相关联的发动机参数值以及与潜在或历史飞行器飞行相关联的飞行参数值,计算所述特定飞行器发动机在所述潜在或历史飞行器飞行期间的条件概率分布,并且可以显示与所计算的条件概率分布相关联的指示。
Description
背景技术
传感器可测量各种飞行器发动机参数。例如,传感器可测量离开涡轮的排气的温度。此信息可用于便于操作并且维护飞行器发动机。在一些情况下,排气温度可用于确定检修飞行器发动机的时间。例如,排气温度可以是决定何时将飞行器发动机从飞行器中拆除以进行检修和维护程序的关键指标。当特定发动机的排气温度超出预定限制一定次数时,可出于安全考虑而将发动机从飞行器中拆除,并且这样可能导致发动机和/或飞行器所有人的成本大幅增大。
目前,发动机和/或飞行器所有人可能尝试通过人工决定并且采取措施来避免或减小排气温度超出值,例如将退化程度更大的发动机分配到特定机场对(例如,以避免外部高温或者较短跑道)。这种类型的手动方法通常基于操作员的知识及其过往经验,因而非常耗并且易于出错。自动预测排气温度是否将超出针对指定发动机和外部条件的特定阈值可能会带来巨大经济效益和安全改进。因此,需要提供一种便于以自动准确的方式预测排气温度超出值的系统和方法。
发明内容
本发明关于一种与飞行器发动机相关联的系统,所述系统包括:在飞行期间记录的飞行器数据的数据库,用于存储与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据;信号处理单元,所述信号处理单元连接到所述在飞行期间记录的飞行器数据的数据库,用于:访问与所述多个飞行器发动机和所述多个历史飞行器飞行相关联的所述在飞行期间记录的历史飞行器数据,基于每次飞行,使用所述在飞行期间记录的飞行器数据自动计算度量,基于所计算的度量,使用概率模型捕集和表示关系,所述关系包括多个发动机参数和飞行参数,以及基于所述概率模型、与特定飞行器发动机相关联的发动机参数值以及与潜在飞行器飞行相关联的飞行参数值,计算所述特定飞行器发动机在所述潜在飞行器飞行期间的至少一个条件概率分布;以及通信端口,所述通信端口连接到所述信号处理单元,用于传输信息以显示与所计算的所述至少一个条件概率分布相关联的指示。
其中,所述至少一个条件概率分布表示在潜在或历史飞行器飞行期间排气温度值超出最大阈值的概率。所述概率模型包括高斯混合模型。
其中,所述条件概率分布的所述计算进一步与以下项中的至少一项关联:(i)基于规则的模型,(ii)基于物理性质的模型,(iii)数据驱动的模型用户平台170,(iv)统计模型,(v)人工智能模型,以及(vi)决策支持工具。
其中,进一步基于以下项中的至少一项,使用所述在飞行期间记录的飞行器数据自动计算度量:(i)每个机场,(ii)每种发动机类型,(iii)每个发动机型号,(iv)每种飞行器类型,以及(v)每种飞行器型号。
其中,至少一个发动机参数与以下项中的至少一项相关联:(i)发动机退化信息,(ii)发动机类型,以及(iii)发动机型号。
其中,至少一个飞行参数与以下项中的至少一项相关联:(i)环境信息,(ii)风力信息,(iii)外部空气温度,(iv)湿度信息,以及(v)灰尘信息。
其中,至少一个飞行参数可与以下项中的至少一项相关联:(i)飞行器信息,(ii)毛重信息,(iii)飞行器重量,(iv)燃料重量,(v)乘客和行李重量,(vi)降级起飞信息,(vii)降级爬升信息,(viii)飞行器类型,以及(ix)飞行器型号。
其中,至少一个飞行参数还可与以下项中的至少一项相关联:(i)机场信息,(ii)高度,(iii)障碍间隙信息,(iv)跑道布局,(v)跑道长度,(vi)起飞机场,以及(vii)降落机场。
其中,至少一个飞行参数还可与以下项中的至少一项相关联:(i)飞行员信息,(ii)降级定义信息,(iii)公司政策,(iv)机场政策,(v)经验量,以及(vi)N1手动区信息。
其中,所述信号处理单元进一步用于:通过交互式图形显示界面从操作员接收针对发动机参数值和飞行参数值中的至少一者的调整;
根据所述调整,基于所述概率模型重新计算所述特定飞行器发动机在所述潜在飞行器飞行期间的所述至少一个条件概率分布;以及与所述重新计算的条件概率分布相关联的指示。
其中,所述信号处理单元进一步用于:基于所述特定飞行器发动机在所述潜在飞行器飞行期间的所述条件概率分布自动生成针对发动机参数值和飞行参数值中的至少一者的建议调整。
本发明还涉及一种与飞行器发动机相关联的方法,所述方法包括:访问与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据;基于每次飞行,自动使用所述在飞行期间记录的飞行器数据计算度量;基于所计算的度量,使用概率模型捕集和表示关系,所述关系包括多个发动机参数和飞行参数;基于所述概率模型、与特定飞行器发动机相关联的发动机参数值以及与潜在或历史飞行器飞行相关联的飞行参数值,计算所述特定飞行器发动机在所述潜在或历史飞行器飞行期间的至少一个条件概率分布;以及显示与所计算的所述至少一个条件概率分布相关联的指示。
其中,所述至少一个条件概率分布表示,在所述潜在飞行器飞行期间,排气温度值超出最大阈值的概率;所述概率模型包括高斯混合模型。所述方法进一步基于以下项中的至少一项自动使用所述在飞行期间记录的飞行器数据计算度量:(i)每个机场,(ii)每种发动机类型,(iii)每个发动机型号,(iv)每种飞行器类型,以及(v)每种飞行器型号。
所述方法进一步包括:通过交互式图形显示界面从操作员接收针对发动机参数值和飞行参数值中的至少一者的调整;根据所述调整,基于所述概率模型重新计算所述特性飞行器发动机在所述潜在飞行器飞行期间的所述至少一个条件概率分布;以及显示与所述重新计算的至少一个条件概率分布相关联的指示。
所述方法进一步包括:基于所述特定飞行器发动机在所述潜在飞行器飞行期间的所述条件概率分布,自动生成针对发动机参数值和飞行参数值中的至少一者的建议调整。
本发明还提供一种非瞬时计算机可读介质装置,用于存储指令,所述指令当被计算机处理器执行时,致使所述计算机处理器执行与飞行器发动机相关联的方法,所述方法包括:访问与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据;基于每次飞行,自动使用所述在飞行期间记录的飞行器数据计算度量;基于所计算的度量,使用概率模型捕集和表示关系,所述关系包括多个发动机参数和飞行参数;基于所述概率模型、与特定飞行器发动机相关联的发动机参数值以及与潜在或历史飞行器飞行相关联的飞行参数值,计算所述特定飞行器发动机在所述潜在或历史飞行器飞行期间的至少一个条件概率分布;以及显示与所计算的条件概率分布相关联的指示。
其中,至少一个发动机参数与以下项中的至少一项相关联:(i)发动机退化信息,(ii)发动机类型,以及(iii)发动机型号。
其中,至少一个飞行参数与以下项中的至少一项相关联:(i)环境信息,(ii)风力信息,(iii)外部空气温度,(iv)湿度信息,以及(v)灰尘信息。
其中,至少一个飞行参数与以下项中的至少一项相关联:(i)飞行器信息,(ii)毛重信息,(iii)飞行器重量,(iv)燃料重量,(v)乘客和行李重量,(vi)降级起飞信息,(vii)降级爬升信息,(viii)飞行器类型,以及(ix)飞行器型号。
其中,至少一个飞行参数与以下项中的至少一项相关联:(i)机场信息,(ii)高度,(iii)障碍间隙信息,(iv)跑道布局,(v)跑道长度,(vi)起飞机场,以及(vii)降落机场。
其中,至少一个飞行参数与以下项中的至少一项相关联:(i)飞行员信息,(ii)降级定义信息,(iii)公司政策,(iv)机场政策,(v)经验量,以及(vi)N1手动区信息。
附图说明
图1是根据一些实施例的一种系统的高级结构图。
图2示出了可根据一些实施例执行的一种方法。
图3示出了根据一些实施例的影响排气温度的一些因素。
图4示出了根据一些实施例的表示各种发动机的高斯混合模型和数据点。
图5是根据一些实施例的系统图。
图6示出了根据一些实施例的交互式图形用户界面显示器。
图7是根据本发明的一些实施例的概率模型平台的方框图。
图8是根据一些实施例,在飞行数据库期间记录的飞行器数据的表格部分。
具体实施方式
在以下详细说明中,列举了各种具体细节,以便帮助您透彻理解各个实施例。但是,所属领域中的普通技术人员应了解,可在不采用这些具体细节的情况下来实践这些实施例。在其他实例中,公知的方法啊、程序、部件和电路将不做说明,以免导致实施例含糊不清。
图1是根据一些实施例的系统100的高级架构图。系统100包括在飞行期间记录的飞行器数据的数据源110,该数据源向概率模型(probabilistic model)平台150提供信息。例如,数据源110中的数据可包括关于若干不同飞行器发动机和历史飞行器飞行的历史发动机传感器信息(例如,外部温度、排气温度、发动机型号数、出风道和降落机场等)。
根据一些实施例,概率模型平台150可以访问数据源110,并且利用概率模型创建单元130自动创建预测模型,该预测模型可供概率模型执行单元140用于生成条件概率分布(probability distribution)160(例如,与超出特定排气温度阈值的可能性相关联),该条件概率分布可根据需要传输到各种用户平台170(例如,用于向用户显示)。例如,本说明书中所用的术语“自动”可指能够在没有人类干预或者人类干预极少的情况下执行的行为。
本说明书中所用的装置,包括与系统100相关联的装置以及本说明书中所用的其他任何装置,可通过任何通信网络交换信息,该等通信网络可以是以下网络中的一个或多个:局域网(Local Area Network,“LAN”)、城域网(Metropolitan Area Network,“MAN”)、广域网(Wide Area Network,“WAN”)、专用网络、公用电话交换网(Public SwitchedTelephone Network,“PSTN”)、无线应用协议(Wireless Application Protocol,“WAP”)网、蓝牙网络、无线LAN网络以及/或者网际协议(Internet Protocol,“IP”)网络(例如互联网、内部网和外部网)。请注意,本说明书中所述的任何装置均可通过一个或多个该等通信网络进行通信。
概率模型平台150可将信息存储到各种数据来源,例如,在飞行期间记录的飞行器数据的数据源110和/或用户平台170中,并且/或者从其中检索信息。各种数据源可本地存储或者存在于概率模型平台150的远端。尽管图1中示出了单个概率模型平台150,但是可包括任何数量的该等装置。此外,本说明书中所述的各种装置可以根据本发明的实施例进行组合。例如,在一些实施例中,概率模型平台150以及一个或多个数据源可以包括单个设备。概率模型平台150的功能可由一组联网设备,以分布式处理或者基于云的体系结构来执行。
用户可以通过一个用户平台170(例如,个人计算机、平板设备或智能手机)来访问系统100,以查看有关信息并且/或者根据本说明书中所述的任一实施例管理概率模型。根据一些实施例,操作员可使用交互式图形显示界面180定义和/或调整特定参数并且/或者提供或接收自动生成的建议(例如,以改进飞行器发动机的性能)。例如,图2示出了方法200,该方法可由参照图1所述的系统100的一些或全部元件执行。本说明书中所述的流程图并不暗示固定的步骤顺序,并且本发明的实施例可以以任何可行的顺序实践。请注意,本说明书中所述的任何方法可由硬件、软件或这些方法的组合来执行。例如,计算机可读存储介质可将指令存储于其上,以使当机器执行该等指令时,能够实施本说明书中所述的任何实施例。
在S210中,单个处理单元可访问与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据(例如,来自在飞行期间记录的飞行器数据的数据库)。
在S220中,可以使用基于每次飞行在飞行期间记录的飞行器数据自动计算度量(metrics)。根据一些实施例,进一步基于每个机场(per-airport basis)、每种发动机类型(per-engine type basis)、每种发动机型号(per-engine model basis)、每种飞行器类型(per-aircraft type basis)以及/或者每种飞行器型号(per-aircraft model basis)自动计算度量。
在S230中,所述系统可以基于所计算的度量自动使用概率模型来捕集和表示关系。例如,所述关系可包括若干不同的发动机参数和飞行参数。根据一些实施例,所述概率模型包括高斯混合模型。例如,本说明书中所用的短语“发动机参数”可以指发动机退化信息、发动机类型以及/或者发动机型号(engine model)。
在S240中,所述系统可以基于概率模型、与特定飞行器发动机相关联的发动机参数值、以及与潜在飞行器飞行相关联的飞行参数值来计算所述特定飞行器发动机在所述潜在飞行器飞行期间的条件概率分布。请注意,条件概率分布的计算可以进一步与基于规则(rule-based)的模型、基于物理性质(physics-based)的模型、数据驱动的模型、统计模型和/或人工智能模型相关联(例如,除了和/或替代高斯混合模型(in addition to and/orinstead of the Gaussian mixture model))。
在S250中,信息可以(例如,通过连接到信息处理单元的通信端口)传输以显示与所计算的条件概率分布相关联的指示。根据一些实施例,所述条件概率分布表示潜在飞行器飞行期间,排气温度超出最大阈值的可能性。
根据一些实施例,所述系统可基于特定飞行器发动机在潜在飞行器飞行期间的条件概率分布,进一步自动生成针对发动机参数值和飞行参数值中的至少一者的建议调整。例如,所述系统可在排气温度超出特定值时,自动建议不要驾驶配有特定发动机的飞行器。
图3示出了根据一些实施例的影响排气温度的一些因素300。根据一些实施例,飞行参数300可与环境信息相关联,例如风力信息、外部空气温度、湿度信息和/或灰尘信息。根据其他实施例,飞行参数300可以与飞行器信息相关联,例如毛重信息、飞行器重量、燃料重量、乘客和行李重量、降级起飞信息、降级爬升信息、飞行器类型和/或飞行器型号。根据另一些其他实施例,飞行参数300可以与机场信息相关联,例如高度、障碍间隙信息、跑道布局、跑道长度、起飞机场和/或降落机场。在另一些其他实施例中,飞行参数300可以与飞行员信息相关联,例如降级定义信息、公司政策、机场政策、经验量(例如,年限、飞行数、飞行里程数)以及/或者N1手动区信息。请注意,实施例可将“飞行参数”300和/或其他类型的飞行参数(例如,数百个不同参数)的一些或所有这些实例与高斯混合模型以及一个或多个发动机参数(例如,发动机退化信息、发动机类型和/或发动机型号)相结合。例如,所述系统可以捕集以下数据:
P(EGT、环境、飞行器、机场、发动机、飞行员)
其中EGT等于排气温度。在此情况下,数据的可能用途可包括计算:
P(EGT|环境、飞行器、机场、发动机、飞行员)
给定独立变量(例如起飞时的飞行器重量)时,此信息可与排气温度概率分布的建模和计算结合使用。图4示出400根据一些实施例的表示各种发动机和条件的高斯混合模型420和数据点410。数据点410表示对于给定机场,相对于起飞时的飞行器重量(Y轴,吨)绘制的排气温度(X轴,摄氏度)。尽管为清楚起见,图4中示出了有限数量的数据点410,但是请注意,实施例可包括任意数量的数据点410(例如,数万数据点410)。另请注意,每个数据点410可表示各种发动机和条件的飞行。例如,所述分布可以与具体航空公司的运营方式相关联。
高斯混合模型420可用于表示数据如下:
P(EGT,重量|机场=XYZ)
可对应于系统可能需要储存的数据点410的数量大幅减小。例如,其中起飞时的飞行器重量是95吨(如图4中的虚线所示):
P(EGT|机场=SDU,重量=95)
可以为决策提供支持,以使超出900℃的排气温度阈值的概率440大约为50%(并且可就是否减小飞行器的重量做出决策)。
所提出的模型的另一个应用包括当排气温度超出特定阈值时,为过往事件的根本原因的调查提供支持。在给定EGT相关模型中的n个参数(xi,i=1,2,...,n)时,可根据以下等式计算n个重量(wj,j=1,2,...,n)。计算中所用的参数与所考虑的具体事件相对应。重量wj与参数xj在事件发生中的重要性相关联。重量越大,对应参数的重要性越大。因此,该等重量的评估和比较可提供有关该事件的可能的根本原因的信息:
X=[xk],k∈{1,2,...,n}
Xj=[xk],k∈{1,2,...,n}-{j}
图5是根据一些实施例的系统图500。具体来说,数据预处理和度量计算(metriccalculation)514可接收在飞行期间记录的飞行器数据512,并且将结果提供到基于预计算机场的高斯混合模型516。请注意,这可以仅使用历史数据执行一次(但是可以在航空公司运营出现重大变更时进行更新)。机场高斯混合模型数据库(μ,Σ(sigma),重量)520(每个机场计算一个模型)可以提供输出以计算530在给定独立变量时计算条件概率(例如,可以通过排气温度计算器工具选择540),以生成条件概率分布550。条件概率分布550可(与来自机场高斯混合模型数据库520的信息以及通过估值器工具选择的排气温度542一起)由超出值概率计算560使用,以生成超出值概率562。
通过这种方式,可以创建概率模型,以支持航空公司的有关飞行器发动机使用和/或分配的决策过程。所述系统可以利用高斯混合模型来捕集排气温度与使用在飞行期间记录的历史飞行器数据计算的其他变量之间的关系。此关系可在给定航空公司能够变更的其他变量时,用于推导排气温度超出(exhaust gas temperature exceedance)的概率。因此,可通过数据分析提高在翼时间(time-on-wing),从而避免花费并且减少航空公司的干扰。请注意,实施例可使用在飞行期间记录的历史飞行器数据来对最大排气温度空载(maximumexhaust gas temperature airborne airborne)及其与可能影响超出(exceedance)的变量的关系。例如,这些变量可以与机场、飞行器、环境、发动机和/或飞行员关联(例如,飞行器重量、发动机退化、跑道长度、飞行员经验、外部温度等)。
所述过程可以涉及使用在飞行期间记录的飞行器数据计算度量。例如,这些度量可以基于每次飞行进行计算。所述系统之后可以使用高斯混合模型来捕集和表示关系,进而能够进一步降低需要存储的参数的数量。一旦概率模型建立,则所述系统可以在给定影响最大排气温度的超出的变量(例如,事先已知的参数)时,计算最大排气温度的条件概率分布,所述系统可获取排气温度超出/超过给定阈值的概率。
通过更改影响排气温度超出的独立变量,操作员可接收不同的超出概率,进而指导航空公司做出决策并且潜在地延长/提高飞行器发动机的在翼时间(time-on-wing)。也就是说,排气温度是决定何时拆除飞行器发动机的关键度量,并且当排气温度超出值超出次数超过特定阈值时,需要出于安全的考虑而拆除发动机(产生费用)。结合本说明书中所述的实施例,若航空公司能够主动采取行动,则该航空公司能够基于实际数据(而不是操作员的知识)做出决策。这样可以大幅减小排气温度超出的次数(避免产生费用)。请注意,鉴于在飞行期间记录的飞行器数据的充足性,概率模型可能非常健全,并且使用历史数据可以使模型非常接近于实际操作,同时由于模型可以事先进行计算,因而处理时间可能较短。
一旦航空公司了解到排气温度超出的概率较高,可以主动采取行动,例如:限制飞行器能够运输的最大重量,将正在调查的发动机重新分配到超出概率较小的另一机场、限制特定跑道(run-ways)的起飞、限制特定风力条件的起飞、执行降级(de-rate)、限制特定飞行员的发动机使用、并且/或者根据使用本说明书中所述的实施例计算的概率的指导,更改可能影响排气温度超出的其他任何变量。请注意,系统可基于适当的数据自动推荐一些或所有步骤。
根据一些实施例,所述系统可通过交互式图形显示界面从操作员接收针对发动机参数和飞行参数值中的至少一者的调整。所述系统之后可根据所述调整基于所述概率模型重新计算特定飞行器发动机在潜在飞行器飞行期间的条件概率模型,并且显示与重新计算的条件概率模型相关联的指示。例如,图6示出了根据一些实施例的交互式图形用户界面显示器600。显示器600可以在给定独立变量并且排气温度大于所选限制(例如,图6中的虚线612所示的875℃)的可能性时,与计算排气温度的条件概率610的算法相关联。
P(MAX EGT|T/O重量=75,T/O egthdm=0,机场=SDU)
其中值Prob(MAX EGT>875℃)=0.24图示为图6中的条件概率610下的阴影区域。
显示器600进一步包括排气温度估值器620,该排气温度估值器具有能够由操作员根据需要进行调整以更改起飞重量和起飞EGP容限(margins)的滑动片(sliders)。EGT容限包括与发动机性能相关联的标准度量。一个实例是EGT炎热天气容限(EGT Hot DayMargin,EGTHDM),该EGTHDM考虑的是相对于达到和EGT超出的最坏操作情况。估值器620进一步包括可供操作员输入排气温度(例如,875℃)的输入框以及“运行(Run)”图标,用于开始执行算法(并且在显示器600上提供结果)。
本说明书中所述的实施例可使用任意数量的不同硬件配置进行实施。例如,图7是概率模型平台700的方框图,例如,该概率模型平台可以与图1中的系统100和/或图5中的系统图500相关联。概率模型平台700包括处理器710,例如连接到通信装置720的单芯片微处理器形式的一个或多个可商购中央处理器(“CPU”),所述通信装置配置成通过通信网络(图7中未图示)通信。例如,通信装置720可以用于与一个或多个远程用户平台通信。概率模型平台700进一步包括输入装置740(例如,计算机鼠标和/或键盘,用于输入适应性和/或预测性建模信息)以及/或者输出装置750(例如,计算机鼠标,用于提供显示、输送建议并且/或者创建报告)。根据一些实施例,移动装置和/或个人计算机可用于与概率模型平台700交换信息。
处理器710还与存储装置730进行通信。存储装置730可包括任何适当的信息存储装置,包括磁性存储装置(例如,硬盘驱动器)、光存储装置、移动电话和/或半导体存储装置的组合。存储装置730可存储程序712和/或概率模型714,用于控制处理器710。处理器710执行程序712、714的指令,从而根据本说明书中所述的任意实施例操作。例如,处理器710可接收与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据。可基于每次飞行,通过处理器710使用在飞行期间记录的飞行器数据计算度量,并且处理器710可基于所计算的度量,使用概率模型来捕集和表示关系,包括多个发动机参数和飞行参数。之后可基于所述概率模型、与特定飞行器发动机相关联的发动机参数以及与潜在飞行器飞行相关联的飞行参数,通过处理器710计算所述特定飞行器发动机在所述潜在飞行器飞行期间的条件概率分布,并且可以显示与所计算的条件概率分布相关联的指示。
程序712、714可以以压缩、未编译和/或加密格式存储。程序712、714可以进一步包括其他程序元件,例如,操作系统、剪贴板应用程序、数据库管理系统以及/或者供处理器710与外围设备交互的设备驱动器。
本说明书中所用的信息可以由相关对象“接收”或者“传输到”相关对象,例如:(i)来自另一装置的概率模型平台700;或者(ii)概率模型平台700内的来自另一软件应用程序、模块或其他任何来源的软件应用程序或模块。
在一些实施例(例如,如图7中所示)中,存储装置730进一步存储在飞行期间记录的飞行器数据的数据库800。现在将参照图8详细描述可与概率模型平台700结合使用的数据库的实例。请注意,本说明书中所述的数据库仅为一个实例,可将其他和/或不同信息存储在其中。此外,可以根据本说明书中所述的任何实施例分割或组合各种数据库。
参照图8,其中示出了一个表格,表示在飞行期间记录的飞行器数据的数据库800,该数据库可存储在根据一些实施例的概率模型平台700中。例如,所述表格可包括识别飞行器发动机以及与这些发动机相关联的历史飞行数据的条目。该表格还可以定义每个条目的字段802、804、806、808、810。根据一些实施例,字段802、804、806、808、810规定:飞行标识符802、发动机数据804、飞行器数据806、机场数据808以及排气数据810。例如,当数据导入到系统中、对新进场进行建模时,可以创建和更新在飞行期间记录的飞行器数据的数据库800。
例如,飞行标识符802可以是识别过往发生的特定飞行器飞行的唯一字母数字代码。发动机数据804可以识别特定发动机、发动机类型、发动机型号等。飞行器数据806可识别特定飞行器、飞行器类型、飞行器型号(aircraft model)等。机场数据808可识别特定机场(例如,“LAX”表示洛杉矶国际机场)和/或该机场的特性(例如,跑道(runway)长度等)。例如,排气数据810可以表示在与飞行标识符802相关联的飞行期间,由传感器测量的一系列温度值。
因此,一些实施例可以以自动且有效的方式来准确地预测排气温度超出。
以下说明了本发明的多个其他实施例。这些并不构成所有可能实施例的定义,并且所属领域中的普通技术人员了解,本发明适用于许多其他实施例。此外,尽管为清楚起见而简要地描述以下实施例,但是所属领域中的普通技术人员了解如何根据需要对上述设备和方法进行任何更改以适应这些和其他实施例和应用。
尽管本说明书中已经描述了具体硬件和数据配置,但请注意,可以根据本发明的实施例提供任意数量的其他配置(例如,与本说明书中所述的数据库相关联的一些信息可以组合或者存储在外部系统中)。例如,尽管一些实施例关注的是排气温度,但是本说明书中所述的任意实施例可应用于与硬件退化相关的其他关键发动机因素,例如,发动机燃料流动。
本说明书中仅出于说明目的而就若干实施例描述本发明。所属领域中的普通技术人员可从本说明书中认识到,本发明并不限于所述的实施例,而是可以在做出修改和更改的情况下实践,本发明仅受限于随附权利要求书的精神和范围。
Claims (10)
1.一种与飞行器发动机相关联的系统,所述系统包括:
在飞行期间记录的飞行器数据的数据库,用于存储与多个飞行器发动机和多个历史飞行器飞行相关联的在飞行期间记录的历史飞行器数据;
信号处理单元,所述信号处理单元连接到所述在飞行期间记录的飞行器数据的数据库,用于:
访问与所述多个飞行器发动机和所述多个历史飞行器飞行相关联的所述在飞行期间记录的历史飞行器数据,
基于每次飞行,使用所述在飞行期间记录的飞行器数据自动计算度量,
基于所计算的度量,使用概率模型捕集和表示关系,所述关系包括多个发动机参数和飞行参数,以及
基于所述概率模型、与特定飞行器发动机相关联的发动机参数值以及与潜在飞行器飞行相关联的飞行参数值,计算所述特定飞行器发动机在所述潜在飞行器飞行期间的至少一个条件概率分布;以及
通信端口,所述通信端口连接到所述信号处理单元,用于传输信息以显示与所计算的所述至少一个条件概率分布相关联的指示。
2.根据权利要求1所述的系统,其中所述至少一个条件概率分布表示,在潜在或历史飞行器飞行期间,排气温度值超出最大阈值的概率。
3.根据权利要求2所述的系统,其中所述概率模型包括高斯混合模型。
4.根据权利要求3所述的系统,其中所述条件概率分布的所述计算进一步与以下项中的至少一项关联:(i)基于规则的模型,(ii)基于物理性质的模型,(iii)数据驱动的模型用户平台170,(iv)统计模型,(v)人工智能模型,以及(vi)决策支持工具。
5.根据权利要求3所述的系统,其中进一步基于以下项中的至少一项,使用所述在飞行期间记录的飞行器数据自动计算度量:(i)每个机场,(ii)每种发动机类型,(iii)每个发动机型号,(iv)每种飞行器类型,以及(v)每种飞行器型号。
6.根据权利要求3所述的系统,其中至少一个发动机参数与以下项中的至少一项相关联:(i)发动机退化信息,(ii)发动机类型,以及(iii)发动机型号。
7.根据权利要求3所述的系统,其中至少一个飞行参数与以下项中的至少一项相关联:(i)环境信息,(ii)风力信息,(iii)外部空气温度,(iv)湿度信息,以及(v)灰尘信息。
8.根据权利要求3所述的系统,其中至少一个飞行参数与以下项中的至少一项相关联:(i)飞行器信息,(ii)毛重信息,(iii)飞行器重量,(iv)燃料重量,(v)乘客和行李重量,(vi)降级起飞信息,(vii)降级爬升信息,(viii)飞行器类型,以及(ix)飞行器型号。
9.根据权利要求3所述的系统,其中至少一个飞行参数与以下项中的至少一项相关联:(i)机场信息,(ii)高度,(iii)障碍间隙信息,(iv)跑道布局,(v)跑道长度,(vi)起飞机场,以及(vii)降落机场。
10.根据权利要求3所述的系统,其中至少一个飞行参数与以下项中的至少一项相关联:(i)飞行员信息,(ii)降级定义信息,(iii)公司政策,(iv)机场政策,(v)经验量,以及(vi)N1手动区信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/066785 | 2016-03-10 | ||
US15/066,785 US9902506B2 (en) | 2016-03-10 | 2016-03-10 | Using aircraft data recorded during flight to predict aircraft engine behavior |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107180461A true CN107180461A (zh) | 2017-09-19 |
CN107180461B CN107180461B (zh) | 2021-06-15 |
Family
ID=58448274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710142057.9A Active CN107180461B (zh) | 2016-03-10 | 2017-03-10 | 与飞行器发动机相关联的系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9902506B2 (zh) |
EP (1) | EP3217242B1 (zh) |
JP (1) | JP6921549B2 (zh) |
CN (1) | CN107180461B (zh) |
CA (1) | CA2958817C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096101A (zh) * | 2021-04-15 | 2021-07-09 | 深圳市玻尔智造科技有限公司 | 一种图像级标签缺省的手机屏幕缺陷检测方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3822795B1 (en) * | 2018-08-21 | 2023-07-26 | Huawei Technologies Co., Ltd. | Data storage and acquisition method and device |
US11300069B2 (en) * | 2018-11-28 | 2022-04-12 | Honeywell International Inc. | Self-generating engine-specific health monitoring model from generic model base |
CN114286784A (zh) | 2019-08-28 | 2022-04-05 | 株式会社电装 | 电动垂直起降机及电动垂直起降机的控制装置 |
US11753187B2 (en) | 2020-09-01 | 2023-09-12 | Ge Aviation Systems Llc | System and method for performing enhanced maintenance of aircraft |
FR3136748A1 (fr) | 2022-06-15 | 2023-12-22 | Airbus Helicopters | Procédé de diagnostic automatique pour au moins un moteur équipant un aéronef, aéronef et ensemble mettant en œuvre le procédé |
FR3138555B1 (fr) * | 2022-08-01 | 2024-06-28 | Safran Aircraft Engines | Procédé de détermination de la température des gaz de sortie d’un moteur et procédé de mesure de l’usure d’un moteur |
US20240043110A1 (en) * | 2022-08-02 | 2024-02-08 | Pratt & Whitney Canada Corp. | System and method for addressing redundant sensor mismatch in an engine control system |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806245A (zh) * | 2003-05-06 | 2006-07-19 | 阿果技术公司 | 跟踪系统及其方法 |
GB2450241A (en) * | 2007-06-12 | 2008-12-17 | Boeing Co | Bayesian probability analysis for health monitoring and failure prediction of complex systems |
US20080312783A1 (en) * | 2007-06-12 | 2008-12-18 | The Boeing Company | Systems and Methods for Health Monitoring of Complex Systems |
CN101384972A (zh) * | 2006-02-17 | 2009-03-11 | 法国空中巴士公司 | 用于预测飞行器在着陆跑道上完全停止的可能性的方法和系统 |
CN101592081A (zh) * | 2009-06-05 | 2009-12-02 | 中国航空动力机械研究所 | 一种燃气涡轮发电发动机 |
CN102085911A (zh) * | 2010-12-29 | 2011-06-08 | 董树功 | 新理念飞行及飞行器 |
CN102446238A (zh) * | 2010-10-01 | 2012-05-09 | 波音公司 | 处理器特性优化和通过域分解的大规模系统优化 |
DE102012011164B3 (de) * | 2012-06-05 | 2013-11-21 | Rheinische Fachhochschule Köln gGmbH | Einrichtung zur Rückgewinnung der Energie eines von einem Strahltriebwerk ausgestoßenen Abgasstroms mit einem als Umlenkklappe ausgebildeten Absperrorgan |
US20130312857A1 (en) * | 2002-11-04 | 2013-11-28 | P Tech, Llc | Systems for modifying a fluid flow of a vehicle |
CN103644033A (zh) * | 2013-11-28 | 2014-03-19 | 江西洪都航空工业集团有限责任公司 | 温控系统控制发动机富油状态地面起动的方法 |
CN104006902A (zh) * | 2014-06-13 | 2014-08-27 | 四川亚美动力技术有限公司 | 发动机排气温度热电偶检测电路 |
US20140379205A1 (en) * | 2013-06-24 | 2014-12-25 | Zf Friedrichshafen Ag | Vehicle efficiency and defect recognition based on gps location |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6173159B1 (en) * | 1999-06-25 | 2001-01-09 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system for updating flight management files |
US6163681A (en) * | 1999-06-25 | 2000-12-19 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with variable data rate |
US6167238A (en) * | 1999-06-25 | 2000-12-26 | Harris Corporation | Wireless-based aircraft data communication system with automatic frequency control |
US6167239A (en) * | 1999-06-25 | 2000-12-26 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with airborne airline packet communications |
US6160998A (en) * | 1999-06-25 | 2000-12-12 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with approach data messaging download |
US6148179A (en) * | 1999-06-25 | 2000-11-14 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system for engine event reporting |
US6937924B1 (en) * | 2004-05-21 | 2005-08-30 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Identification of atypical flight patterns |
US7606641B2 (en) * | 2005-08-04 | 2009-10-20 | The Boeing Company | Fuel consumption data tracking/collection and aircraft/route optimization |
US8165826B2 (en) | 2008-09-30 | 2012-04-24 | The Boeing Company | Data driven method and system for predicting operational states of mechanical systems |
FR2939924B1 (fr) * | 2008-12-15 | 2012-10-12 | Snecma | Identification de defaillances dans un moteur d'aeronef |
JP2011106467A (ja) * | 2011-02-28 | 2011-06-02 | Hitachi Ltd | ガスタービンの性能診断システムにおける表示画面の表示方法 |
US8600917B1 (en) | 2011-04-18 | 2013-12-03 | The Boeing Company | Coupling time evolution model with empirical regression model to estimate mechanical wear |
WO2013105164A1 (ja) * | 2012-01-13 | 2013-07-18 | 日本電気株式会社 | 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム |
AU2013359159B2 (en) | 2012-12-12 | 2017-07-20 | University Of North Dakota | Analyzing flight data using predictive models |
US9310222B1 (en) * | 2014-06-16 | 2016-04-12 | Sean Patrick Suiter | Flight assistant with automatic configuration and landing site selection method and apparatus |
FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
US10665114B2 (en) * | 2014-03-28 | 2020-05-26 | The Boeing Company | Aircraft fuel optimization analytics |
-
2016
- 2016-03-10 US US15/066,785 patent/US9902506B2/en active Active
-
2017
- 2017-02-23 JP JP2017031628A patent/JP6921549B2/ja active Active
- 2017-02-23 CA CA2958817A patent/CA2958817C/en active Active
- 2017-03-07 EP EP17159586.1A patent/EP3217242B1/en active Active
- 2017-03-10 CN CN201710142057.9A patent/CN107180461B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130312857A1 (en) * | 2002-11-04 | 2013-11-28 | P Tech, Llc | Systems for modifying a fluid flow of a vehicle |
CN1806245A (zh) * | 2003-05-06 | 2006-07-19 | 阿果技术公司 | 跟踪系统及其方法 |
CN101384972A (zh) * | 2006-02-17 | 2009-03-11 | 法国空中巴士公司 | 用于预测飞行器在着陆跑道上完全停止的可能性的方法和系统 |
GB2450241A (en) * | 2007-06-12 | 2008-12-17 | Boeing Co | Bayesian probability analysis for health monitoring and failure prediction of complex systems |
US20080312783A1 (en) * | 2007-06-12 | 2008-12-18 | The Boeing Company | Systems and Methods for Health Monitoring of Complex Systems |
CN101592081A (zh) * | 2009-06-05 | 2009-12-02 | 中国航空动力机械研究所 | 一种燃气涡轮发电发动机 |
CN102446238A (zh) * | 2010-10-01 | 2012-05-09 | 波音公司 | 处理器特性优化和通过域分解的大规模系统优化 |
CN102085911A (zh) * | 2010-12-29 | 2011-06-08 | 董树功 | 新理念飞行及飞行器 |
DE102012011164B3 (de) * | 2012-06-05 | 2013-11-21 | Rheinische Fachhochschule Köln gGmbH | Einrichtung zur Rückgewinnung der Energie eines von einem Strahltriebwerk ausgestoßenen Abgasstroms mit einem als Umlenkklappe ausgebildeten Absperrorgan |
US20140379205A1 (en) * | 2013-06-24 | 2014-12-25 | Zf Friedrichshafen Ag | Vehicle efficiency and defect recognition based on gps location |
CN103644033A (zh) * | 2013-11-28 | 2014-03-19 | 江西洪都航空工业集团有限责任公司 | 温控系统控制发动机富油状态地面起动的方法 |
CN104006902A (zh) * | 2014-06-13 | 2014-08-27 | 四川亚美动力技术有限公司 | 发动机排气温度热电偶检测电路 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096101A (zh) * | 2021-04-15 | 2021-07-09 | 深圳市玻尔智造科技有限公司 | 一种图像级标签缺省的手机屏幕缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CA2958817A1 (en) | 2017-09-10 |
CA2958817C (en) | 2022-01-11 |
EP3217242A1 (en) | 2017-09-13 |
JP2017159891A (ja) | 2017-09-14 |
CN107180461B (zh) | 2021-06-15 |
EP3217242B1 (en) | 2021-06-09 |
JP6921549B2 (ja) | 2021-08-18 |
US20170259944A1 (en) | 2017-09-14 |
US9902506B2 (en) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107180461A (zh) | 使用飞行器数据预测飞行器发动机运转状态的方法和系统 | |
JP6183970B2 (ja) | 航空会社のフライトオペレーションにおけるロバストな交通網の計画の最適化のための方法およびシステム | |
CN107818396A (zh) | 用于修改飞行计划的决策辅助 | |
Cadarso et al. | Integrated airline scheduling: Considering competition effects and the entry of the high speed rail | |
CN107844848A (zh) | 一种区域人流量预测方法及系统 | |
CN109765058A (zh) | 用于涡轮发动机的设备和方法 | |
Choi et al. | Artificial neural network models for airport capacity prediction | |
CN109767012A (zh) | 用以生成资产工作范围运行的设备、存储介质和方法 | |
CN111899059A (zh) | 一种基于区块链的航司收益管理动态定价方法 | |
EP2763083A1 (en) | Route modeler for improving desired environmental and economic flight characteristics | |
Wei et al. | Modeling crew itineraries and delays in the national air transportation system | |
US20230118644A1 (en) | Network digital twin of airline operations | |
CN112948412A (zh) | 航班库存更新方法、系统、电子设备和存储介质 | |
Zorrilla et al. | A reference framework for the implementation of data governance systems for industry 4.0 | |
Lytvyn et al. | Aviation aircraft planning system project development | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
Tahir et al. | An improved integral column generation algorithm using machine learning for aircrew pairing | |
CN110516873B (zh) | 一种航空公司舱位分配优化方法 | |
Chati et al. | Data-driven modeling of aircraft engine fuel burn in climb out and approach | |
CN110009939B (zh) | 基于asm的航班延误预测及波及分析方法 | |
Knudsen et al. | Heuristic Variants of A Search for 3D Flight Planning | |
Jarrar et al. | Formal approach to model complex adaptive computing systems | |
KR101927317B1 (ko) | 부채 관리 능력 평가 방법 및 장치 | |
Feng et al. | A physics-based PSO-BPNN model for civil aircraft noise assessment | |
Yang et al. | Solving a process engineer's manpower-planning problem using analytic hierarchy process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |