CN110581881A - 用于从易于维护的运载工具部件收集数据的系统和方法 - Google Patents

用于从易于维护的运载工具部件收集数据的系统和方法 Download PDF

Info

Publication number
CN110581881A
CN110581881A CN201910498707.2A CN201910498707A CN110581881A CN 110581881 A CN110581881 A CN 110581881A CN 201910498707 A CN201910498707 A CN 201910498707A CN 110581881 A CN110581881 A CN 110581881A
Authority
CN
China
Prior art keywords
sensors
data
edge node
wheel assembly
sensor
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.)
Pending
Application number
CN201910498707.2A
Other languages
English (en)
Inventor
丁卡尔·梅拉拉斯瓦米
雷蒙·布兰科·恩西纳斯
布拉克斯顿·费尔茨
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.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
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 Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN110581881A publication Critical patent/CN110581881A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production 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
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • 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
    • 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
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0858—Registering performance data using electronic data carriers wherein the data carrier is removable
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明题为“用于从易于维护的运载工具部件收集数据的系统和方法”。公开了用于从起落架部件收集数据和提供预测性分析的系统和方法。这些方法包括发送信号以激励位于运载工具上的机轮组件传感器。响应于发送激励所述传感器的所述信号，接收编码有测量数据的返回信号。然后，所述测量数据被存储在RFID卡上、在边缘节点上和/或在远程服务器上。在所述远程服务器接收到所述测量数据时，所述远程服务器分析所述数据以生成预测性维护分析数据。

Description

用于从易于维护的运载工具部件收集数据的系统和方法
技术领域
本公开的各种实施方案整体涉及运载工具维护分析领域，并且更具体地涉及用于生成预测性分析以避免易于维护的运载工具部件的操作中断的系统和方法。
背景技术
所有现代飞机和其他复杂的运载工具都由相互配合的设备组成，这些设备必须定期维护，在安全和有效地操作运载工具方面扮演着重要角色。
平均而言，在航空业中，轮胎和制动器的修复(人工和材料)约占$4.2B或占航空公司维护费用的7％。从操作的角度来看，该费用由于与轮胎和制动器相关的事件通常是导致意料之外的延误的主要原因(平均延误为每个事件30分钟)的事实而有所加剧。此外，航空业平均每小时飞行维护工时为0.36小时，以检查和维护飞机部件。
因此，航空公司通过执行轮胎和制动器的常规(例如，每天或每次启程前)视觉检查来补偿这一点。此类检查的标准程序涉及飞行员或其他技术人员/检查员在飞机启程前四处走动，以对轮胎和制动器执行视觉检查。如果检测到问题，飞行员或技术人员/检查员会发出即时修复的通知或在必要时停飞此次航班。另选地，如果未检测到问题，则会调度该飞机。此类视觉检查耗费相当长的时间，并且易于受到人类感知的限制。因此，需要对飞机/运载工具的轮胎和制动器进行现有视觉检查期间通常无法识别的检查。
作为对视觉检查过程的补充，航空业传统上采用手动输入程序来在航空计算系统上存储和跟踪维护问题。此过程涉及维护工作者将维护相关问题手动键入计算机系统中。计算机系统用作跟踪维护问题的分类账，用于保存记录的目的。在一些情况下，计算机系统能够利用历史数据来确定飞机部件的预期寿命，这继而允许航空公司在不考虑飞机部件的实际状态的情况下实施一体适用的常规维护周期。因此，有时基于时间表来更换飞机部件，而不是基于实际磨损。
本公开涉及克服上文所述的挑战中的一个或多个。
发明内容
根据本公开的某些方面，公开了用于从起落架部件收集数据和用于提供预测性分析的系统和方法。
在一个实施方案中，公开了用于接收和存储来自机轮组件的测量数据并基于该测量数据提供预测性分析的计算机实现的方法。该方法包括：由边缘节点向与机轮组件相关联的一个或多个传感器发送信号；其中，由边缘节点发送信号激励所述一个或多个传感器，使得所述一个或多个传感器对所述一个或多个传感器的相应机轮组件部件执行测量；以及由边缘节点接收来自所述一个或多个传感器的返回信号，该返回信号编码有由所述一个或多个传感器感测的测量数据；以及将所感测的测量数据存储在位于机轮组件上、容纳在边缘节点中和/或在云端的远程服务器上的存储器存储装置上。
根据另一个实施方案，公开了用于接收和存储来自机轮组件的测量数据并用于基于该测量数据提供预测性分析的系统。该系统包括：存储器，其具有存储在其中的处理器可读指令；以及被配置为访问存储器并执行处理器可读指令的处理器，当被处理器执行时，处理器可读指令将处理器配置为执行多个功能，包括用于执行以下操作的功能：由边缘节点向与机轮组件相关联的一个或多个传感器发送信号；其中，由边缘节点发送信号激励所述一个或多个传感器，使得所述一个或多个传感器对所述一个或多个传感器的相应机轮组件部件执行测量；以及由边缘节点接收来自所述一个或多个传感器的返回信号，该返回信号编码有由所述一个或多个传感器感测的测量数据；以及将所感测的测量数据存储在位于机轮组件上、容纳在边缘节点中和/或在云端的远程服务器上的存储器存储装置上。
根据另一个实施方案，公开了用于接收和存储来自机轮组件的测量数据并用于基于该测量数据提供预测性分析的非暂态计算机可读介质。一种具有存储在其上的指令的非暂态有形计算机可读介质，该指令响应于基于计算机的系统的指令而使得基于计算机的系统执行包括以下各项的操作：由边缘节点向与机轮组件相关联的一个或多个传感器发送信号；其中，由边缘节点发送信号激励所述一个或多个传感器，使得所述一个或多个传感器对所述一个或多个传感器的相应机轮组件部件执行测量；以及由边缘节点接收来自所述一个或多个传感器的返回信号，该返回信号编码有由所述一个或多个传感器感测的测量数据；以及将所感测的测量数据存储在位于机轮组件上、容纳在边缘节点中和/或在云端的远程服务器上的存储器存储装置上。
所公开的实施方案的附加目的和优点将在下面的说明书中部分地阐述，并且部分地将根据说明书变得显而易见，或者可通过实施所公开的实施方案来认识。所公开的实施方案的目的和优点将借助于所附权利要求书中特别指出的元件和组合来实现和获得。
应当理解，如所声明的那样，前述大体描述和下文详细描述两者均仅为示例性的和说明性的，而非局限于所公开的实施方案。
附图说明
结合到本说明书中并构成本说明书的一部分的附图示出了各种示例性实施方案，并且连同说明书一起用于解释所公开的实施方案的原理。
图1示出了用于经由边缘节点接收和存储测量数据的示例性运载工具部件环境(例如，起落架或机轮组件)和系统的框图。
图2示出了用于经由边缘节点接收和存储测量数据的示例性运载工具部件环境(例如，起落架或机轮组件)和系统的另一框图。
图3示出了经由边缘节点激励机轮组件上的传感器以便接收测量数据并将测量数据存储在存储器中的示例性方法的流程图。
图4示出了经由飞行管理系统激励机轮组件上的传感器以便接收测量数据并将测量数据存储在存储器中的示例性方法的流程图。
具体实施方式
虽然本文参照特定应用的示例性实施方案描述了本公开的原理，但应当理解，本公开不限于此。能够获得本文提供的教导内容的本领域的普通技术人员将认识到，相对于一个实施方案所示出或描述的特征可与另一个实施方案的特征组合。因此，附加的修改、应用、实施方案和等同物的取代均落入本文所述实施方案的范围内。因此，本发明不应视为被前述描述限制。
现在将描述本公开的各种非限制性实施方案，以提供对用于从易于维护的运载工具部件(例如，起落架和/或其他机轮组件)收集数据的系统和方法的结构、功能和使用的原理的全面理解。
如上所述，在航空领域需要用于接收和存储来自起落架(例如，机轮组件)的测量数据和基于所接收的测量数据提供预测性分析的系统和方法。测量数据可从运载工具机轮组件收集，存储在边缘节点、RFID卡和/或远程服务器处，并且与从其他运载工具上的其他运载工具机轮组件收集的数据进行比较以实施实时维护决策。以下系统和方法比现代视觉检查更准确地洞察机轮组件部件的健康和性能。
图1示出了示例性运载工具部件环境和系统100的框图，其中机轮组件102、边缘节点120和云服务140经由网络130交换运载工具部件测量信息116。在一个实施方案中，机轮组件102包括多个传感器107和RFID卡108。所述多个传感器107可包括轮胎压力和/或轮胎温度传感器或插件104和/或制动器磨损和/或制动器温度传感器或插件106。RFID卡108可包括存储器110和网络接口112。
在该实施方案中，边缘节点120可被配置为向传感器107中的一个或多个发送激励信号114，以用于激励所述多个传感器107，例如轮胎压力和/或轮胎温度104和/或制动器磨损和/或制动器温度传感器106。激励传感器107的激励信号114使得传感器107收集来自其相应的机轮组件部件的测量数据。然后，传感器107将测量信息116(例如，轮胎压力、轮胎温度、制动器磨损、制动器温度等)传输到边缘节点120。然后，边缘节点120将轮胎压力、轮胎温度、制动器磨损、制动器温度或其他测量信息116传输到RFID卡108和/或云服务140以供存储。
如上所述，机轮组件102可物理地容纳传感器107和RFID卡108两者。传感器107中的每一个可为无源传感器或有源插件传感器。另外，传感器107可经由位移差动部件、磁阻部件、电路部件和/或光学部件来进行测量。RFID卡108可为能够承受非加压环境或加压环境中的极端条件的无源卡或有源卡。RFID卡108容纳至少存储器110和网络接口112(例如，NFC天线)，该网络接口使得边缘节点120能够与RFID卡108通信而无需站点直连。RFID卡108的网络接口112可被配置用于经由低频(125至150KHz)、高频和近场通信(13.56MHz)和/或超高频(865至960kHz)进行通信。RFID卡108可为低内存RFID卡或高内存RFID卡。可将RFID卡108的存储器110分段，使得某些类型的数据被存储在不同节段。例如，存储器110的一节段可专用于将被永久存储但不能被改写的数据，诸如出生记录和串行数据。存储器的另一节段可被分配为存储可重写的数据。
边缘节点120可为能够发送和接收数据的任何设备，例如计算机、移动设备(例如，PDA、移动电话或平板电脑)、扫描仪或读取器等。边缘节点120还可具有存储介质，例如，基于可移动存储器的介质(USB存储器装置/读取器、可移动硬盘驱动器、闪存驱动器、拇指驱动器、跳跃驱动器、按键驱动器、可读取/可重写DVD、可读取/可重写CD和软盘)或存储器卡(SD卡、压缩闪存卡、迷你SD卡、微型SD卡和xD卡)等。边缘节点120还可被配置用于无线通信，例如，经由蓝牙(例如，蓝牙2.1+EDR)、Wi-Fi 802.11 b/g/n、WAN(例如WWAN)、GPS、3G/4G/5G无线信号、WiMax、CDMA、LTE等。可将传达至边缘节点120和从该边缘节点传达的所有信号和通信加密以满足ATA SPEC 2000中概述的标准。边缘节点120可被配置为由维护技术人员122操作，但也可由飞行员、机组人员和/或地面服务操作员使用。另外，边缘节点120激励传感器107以及从传感器107读取和接收数据的能力可为边缘节点120距传感器107(例如，轮胎压力和/或轮胎温度插件104，和/或制动器磨损和/或制动器温度插件106)的接近度(即，预先确定的距离)的函数。
云服务140可包括一个或多个服务器(例如，一个或多个远程服务器)、一个或多个计算机，并且可包括任何已知的计算部件，诸如处理单元142(例如，处理器和模块)和数据库144。另外，云服务处理单元142可包括被配置为处理和分析从传感器107获得的聚集测量信息116诸如轮胎压力、轮胎温度、制动器磨损、制动器温度或用于预测运载工具部件性能和健康的任何其他测量信息116的预测性维护模块。
云服务140的预测性维护模块可根据各种标准、触发条件、机器学习算法或它们的任何组合来选择信息。此外，云服务140可被配置为利用从其他运载工具接收的信息来交叉分析轮胎压力、轮胎温度、制动器磨损、制动器温度和/或任何其他测量信息116，以便分析一整队运载工具中易于维护的运载工具部件的性能。例如，在航空业中的飞机运载工具的语境中，可对航空公司机队内的所有飞机执行分析。可采取这种全机队范围内的分析来提供有关与零件相关的成本、性能好或差的部件、唯一零件标识号的附加数据、有关特定部件在某些条件下性能如何的信息等。
传感器107可传输测量信息116(例如，轮胎压力、轮胎温度、制动器磨损和/或制动器温度信息)，但可在从传感器107到边缘节点120的数据传输期间收集附加信息。例如，边缘节点120可另外接收历史信息、特定传感器的唯一标识号、特定部件的唯一标识号、有关部件在运载工具(例如，飞机)上的位置的位置信息等。类似地，一旦被激励，RFID卡108就可以被配置为返回有关已经存储在RFID卡存储器110上的数据的信息，诸如历史信息、特定传感器107的唯一标识号、与传感器相关联的特定部件的唯一标识号、有关部件在运载工具(例如，飞机)上的位置的位置信息、有关RFID卡108的唯一标识信息等。
网络130可以是互联网、VPN、LAN、WAN、机载无线网络(AWN)、运载工具到运载工具网络、3G/4G/5G无线信号、WiMax、CDMA、LTE、卫星上行链路或它们的任何组合。
图2示出了另选的运载工具部件环境和系统200，其在一些方面类似于图1的运载工具部件环境和系统100，不同的是在图2的系统中，提供了与机轮组件202和云服务240直接通信的飞行管理系统220。在此类实施方案中，飞行管理系统220发送激励传感器207的激励信号226，所述传感器诸如为轮胎压力和/或轮胎温度插件204，和/或制动器磨损和/或制动器温度插件206。在一个实施方案中，飞行管理系统220可将信号226发送到传感器207(类似于用于激励传感器107的激励信号114)，这使得传感器207收集来自其相应的机轮组件部件的测量数据。然后，传感器207将测量信息214(例如，轮胎压力、轮胎温度、制动器磨损、制动器温度和其他信息)传输回飞行管理系统220。然后，飞行管理系统220将测量信息214传输到RFID卡208和/或云服务240以供存储。
在一个实施方案中，机轮组件202容纳传感器207和RFID卡208。传感器207中的每一个可为无源传感器或有源插件传感器。另外，传感器207可经由位移差动部件、磁阻部件、电路部件和/或光学部件来进行测量。RFID卡208可为能够承受非加压环境或加压环境中的极端条件的无源卡或有源卡。RFID卡208容纳至少存储器210和网络接口212(例如，NFC天线)，该网络接口使得边缘节点120能够与RFID卡108通信而无需站点直连。RFID卡108网络接口可能够经由低频(125至150KHz)、高频和近场通信(13.56MHz)和/或超高频(865至960kHz)进行通信。RFID卡208可为低内存RFID卡或高内存RFID卡。可将RFID卡存储器210分段，使得某些类型的数据被存储在不同节段。例如，存储器的一节段可专用于将被永久存储但不能被改写的数据。存储器的另一节段可被分配为存储可重写的数据。
云服务240可为服务器(例如，远程服务器)、计算机或移动设备，并且其可包括计算部件，诸如处理单元(例如，处理器和模块)242和数据库244。另外，云服务处理单元242可以包括预测性维护模块，使得测量信息214(例如，聚集轮胎压力、轮胎温度、制动器磨损和制动器温度等)可用于预测轮胎压力和/或轮胎温度传感器204，和/或制动器磨损和/或制动器温度传感器206的性能和健康。预测性维护模块可根据各种标准、触发条件、机器学习算法或它们的任何组合来选择信息。此外，云服务240可利用从其他运载工具接收的信息来交叉分析测量信息214(例如，轮胎压力、轮胎温度、制动器磨损和制动器温度)，以分析一整队运载工具中易于维护的运载工具部件的性能。可采取这种交叉分析来提供有关与零件相关的成本、性能好或差的部件、唯一零件标识号的附加数据、有关特定部件在某些条件下性能如何的信息等。传达至云服务240和从该云服务传达的所有信号和通信将被加密以满足ATA SPEC 2000中概述的标准。
传感器207可传输测量信息214(例如，轮胎压力、轮胎温度、制动器磨损和/或制动器温度信息)，但可在从轮胎压力和/或轮胎温度传感器204，以及制动器磨损和/或制动器温度传感器206到飞行管理系统220的数据传输期间收集附加信息。例如，飞行管理系统220可另外接收历史信息、特定传感器的唯一标识号、特定部件的唯一标识号、有关部件在运载工具(例如，飞机)上的位置的位置信息等。类似地，一旦被激励，RFID卡208就可以返回有关已经存储在RFID卡存储器210上的数据的信息，诸如历史信息、特定传感器的唯一标识号、与传感器相关联的特定部件的唯一标识号、有关部件在运载工具(例如，飞机)上的位置的位置信息、有关RFID卡108的唯一标识信息等。
网络230可以是互联网、VPN、LAN、WAN、机载无线网络(AWN)、运载工具到运载工具网络、3G/4G/5G无线信号、WiMax、CDMA、LTE、卫星上行链路或它们的任何组合。
图3示出了用于从起落架部件收集数据的方法300的流程图。边缘节点120发送激励轮胎压力和/或轮胎温度104以及制动器磨损和/或制动器温度传感器106的信号114(步骤302)。激励传感器107的激励信号114使得传感器107收集来自其相应的机轮组件部件(未示出)的测量数据。然后，传感器107将测量信息116(例如，轮胎压力、轮胎温度、制动器磨损和/或制动器温度)传输到边缘节点120(步骤304)。然后，边缘节点120将测量信息116传输到RFID卡108和/或云服务140以供存储(步骤306)。在接收到测量信息116时，云服务140可分析所接收的信息以生成预测性分析和维护报告(步骤308)。
图4示出了用于从起落架部件收集数据的方法400的流程图。飞行管理系统220发送激励传感器207的激励信号226(步骤402)。激励传感器207的激励信号226使得传感器207收集来自其相应的机轮组件部件(未示出)的测量信息。然后，传感器207将测量信息214(例如，轮胎压力、轮胎温度、制动器磨损、制动器温度)传输到飞行管理系统(步骤404)。然后，飞行管理系统220将测量信息214传输到RFID卡208和/或云服务240以供存储(步骤406)。在接收到测量信息214时，云服务240可分析所接收的信息以生成预测性分析和维护报告(步骤408)。
本领域的普通技术人员应当理解，在理想的实施方案中，上述步骤将在运载工具启程之前(例如，飞行前)或在运载工具停放时发生。另外，应当理解，方法400是灵活的并且仅是例示性的。例如，步骤的布置仅出于例示性目的并且并非旨在以任何方式限制方法400；因此，应当理解，这些步骤可按任何顺序进行，并且可包括附加的或居间的步骤而不减损本发明的实施方案。
还应当理解，所收集的起落架信息的类型不限于在环境100中传达的示例。除了起落架信息之外，还可获得附加的相关信息，可包括但不限于：
起落架已经受的起落次数
制动器行经每条路线的次数
起落影响数据
过量下沉率事件
起落信息
起飞信息
服务中的负载历史
机场使用设备
制造商允许的起落周期数
理想负载信息(F＝m·g；其中F为所施加的力，m为飞机的质量，g为飞机的加速度(或减速度)
俯仰
俯仰速率
俯仰加速度
滚转
滚转速率
滚转加速度
偏航
偏航速率
偏航加速度
地形海拔
地形坡度
地形表面类型
飞机总重量
运载工具维护记录
执行维护的日期
执行的维护类型的描述
制造商信息
服务信
工作命令信息
故障诊断信息
运载工具唯一标识符信息
预测性维护分析数据
机轮速度
机轮自旋时间
防滑机轮滑动错误信息
防滑速度标引信息
机轮滑动速度
另外，还应当理解，起落架传感器的类型不限于在环境100中传达的示例。附加的起落架传感器可包括但不限于：
起落架负荷传感器；
机轮速度传感器；
接近传感器；
油压传感器；
位置传感器；
转向角传感器；
牵引传感器；
用于测量燃料数据的传感器；和/或
制动器流体传感器；
机器学习算法可被配置并用于按照某些阈值、标准和/或模式来处理前述数据，以作出实时决策，提供趋势分析，传输警示和/或提出建议。然而，利用所述数据的前提是确定是否存在足够的数据来产生合适的模型。因此，在一个实施方案中，机器学习算法通过将可用的样本数据与阈值进行比较以确定是否存在足够的样本数据来生成预测性模型。阈值可由机器学习算法建立或由维护技术人员122设定。在样本数据未超过阈值的情况下，可实现无监督的机器学习算法以实现聚类和关联技术，以对数据进行更多推论。在存在足够的样本数据的情况下，受监督的机器学习算法可实现线性回归或随机森林技术，以进一步微调用于预测结果的映射函数。此外，高性能的机器学习算法将能够在新数据变得可用时提供实时的预测性维护分析数据。该预测性维护分析数据可从云服务140传输到边缘节点120和RFID卡108。
聚集数据、机器学习算法和预测性维护分析数据可以是可感知的并且可经由与云服务140相关联并且/或者位于边缘节点120上或原本与该边缘节点相关联的用户界面(例如，计算机、键盘、鼠标、显示屏、仪表板和/或网站门户的组合)来操纵。
参照附图以举例的方式详细描述了本文所公开的系统、装置、设备和方法。本文所讨论的示例仅仅是示例，并且提供的目的是为了帮助解释本文所述的装置、设备、系统和方法。附图中示出或下文讨论的任何特征或部件不应被认为对于这些装置、设备、系统或方法中的任何一者的任何具体实施方式是强制性的，除非明确指出是强制性的。为便于阅读和清楚起见，某些部件、模块或方法可仅仅结合具体附图来描述。在本公开中，具体技术、布置等的任何指明要么与所提出的具体示例相关，要么仅仅是这种技术、布置等的一般性描述。具体细节或示例的指明并非旨在或不应被解释为强制性或限制性的，除非明确这样指出。未明确描述部件的组合或子组合的任何情况不应被理解为是对任何组合或子组合不可能的指示。应当理解，可对所公开和描述的示例、布置、配置、部件、元件、装置、设备、系统、方法等进行修改，并且这对于具体应用可为所需的。另外，对于所述的任何方法而言，不论该方法是否结合流程图来描述，都应当理解，除非上下文另外指明或要求，否则方法执行过程中执行的步骤的任何明示或暗示排序并不意味着这些步骤必须按照所提出的顺序执行，而是可按不同顺序或并行执行。
整个说明书中对“各种实施方案”、“一些实施方案”、“一个实施方案”、“一些示例性实施方案”、“一个示例性实施方案”或“实施方案”的引用是指结合任何实施方案描述的具体特征、结构或特性包括在至少一个实施方案中。因此，短语“在各种实施方案中”、“在一些实施方案中”、“在一个实施方案中”、“一些示例性实施方案”、“一个示例性实施方案”或“在实施方案中”出现在整个说明书中的多个地方不一定都是指同一个实施方案。此外，具体特征、结构或特性可在一个或多个实施方案中以任何合适的方式组合。
在整个本公开中，提到的部件或模块一般是指可在逻辑上组合在一起以执行一种功能或一组相关功能的物件。类似的附图标记一般旨在指代相同或类似的部件。部件和模块可在软件、硬件或软件与硬件的组合中实现。术语“软件”被广义地使用以便不仅包括可执行代码例如机器可执行或机器可解释指令，而且包括以任何合适电子格式存储的数据结构、数据存储和计算指令，包括固件和嵌入式软件。术语“信息”和“数据”被广泛使用并且包括各种各样的电子信息，包括可执行代码；内容诸如文本、视频数据和音频数据等等；以及各种代码或标记。术语“信息”、“数据”和“内容”在上下文允许时有时可互换使用。
应当注意，尽管为了清楚起见且为了帮助理解，本文所论述的一些示例可能将特定特征或功能描述为特定部件或模块的一部分，或者描述为在计算设备的特定层(例如，硬件层、操作系统层或应用层)处发生，但这些特征或功能可被实现为不同部件或模块的一部分或者在通信协议栈的不同层处操作。本领域的普通技术人员将认识到，本文所描述的系统、装置、设备和方法可应用于其他类型的设备或易于修改以与其他类型的设备一起使用，可使用计算系统(诸如客户端-服务器分布式系统)的其他布置，并且可使用其他协议，或者在通信协议栈中的其他层处操作，而不是像描述那样。
说明书和示例旨在仅被视为示例性的，其中本公开的真实范围和实质由以下权利要求书所指示。

Claims (3)

1.一种用于接收和存储来自机轮组件的测量数据的计算机实现的方法，所述方法包括：
由边缘节点向与机轮组件相关联的一个或多个传感器发送信号，所述信号激励所述一个或多个传感器并且使所述一个或多个传感器对所述一个或多个传感器的相应机轮组件部件执行测量；
由所述边缘节点接收来自所述一个或多个传感器的返回信号，所述返回信号编码有由所述一个或多个传感器感测的所述测量数据；以及
将所感测的测量数据存储在位于所述机轮组件上的存储器存储装置上、在容纳在所述边缘节点中的存储器上和/或在远程服务器上。
2.根据权利要求1所述的计算机实现的方法，其中所述边缘节点被配置为基于所述边缘节点与所述一个或多个传感器的接近度来发送信号和接收来自所述一个或多个传感器的返回信号。
3.根据权利要求1所述的计算机实现的方法，其中所述远程服务器利用机器学习算法来生成预测性维护分析数据。
CN201910498707.2A 2018-06-11 2019-06-10 用于从易于维护的运载工具部件收集数据的系统和方法 Pending CN110581881A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/004,861 2018-06-11
US16/004,861 US10789785B2 (en) 2018-06-11 2018-06-11 Systems and methods for data collection from maintenance-prone vehicle components

Publications (1)

Publication Number Publication Date
CN110581881A true CN110581881A (zh) 2019-12-17

Family

ID=66866920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498707.2A Pending CN110581881A (zh) 2018-06-11 2019-06-10 用于从易于维护的运载工具部件收集数据的系统和方法

Country Status (3)

Country Link
US (2) US10789785B2 (zh)
EP (2) EP3968246A1 (zh)
CN (1) CN110581881A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10789785B2 (en) * 2018-06-11 2020-09-29 Honeywell International Inc. Systems and methods for data collection from maintenance-prone vehicle components
US10960712B2 (en) * 2018-06-28 2021-03-30 Nissan North America, Inc. Tire wear estimation using a hybrid machine learning system and method
CN111178555B (zh) * 2019-12-24 2023-07-18 重庆特斯联智慧科技股份有限公司 一种基于边缘计算的社区安防设备报修方法和系统
JP7419201B2 (ja) * 2020-09-15 2024-01-22 株式会社東芝 情報処理装置、情報処理方法、プログラムおよび情報処理システム
GB2614881A (en) * 2022-01-19 2023-07-26 Airbus Operations Ltd Predicting tire pressure of a tire of an aircraft

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060144997A1 (en) * 2004-11-18 2006-07-06 Schmidt R K Method and system for health monitoring of aircraft landing gear
US20080164988A1 (en) * 2007-01-08 2008-07-10 Snap-On Incorporated Apparatus and method to transfer data from a tire pressure monitor tool to a remote output device such as a printer
US20110245999A1 (en) * 2010-03-30 2011-10-06 Aurora Flight Sciences Corporation Aircraft health monitoring and design for condition
US20120041639A1 (en) * 2010-08-11 2012-02-16 The Boeing Company System and Method to Assess and Report the Health of Landing Gear Related Components
US20120038492A1 (en) * 2010-08-11 2012-02-16 The Boeing Company System and Method to Assess and Report the Health of a Tire
CN106462158A (zh) * 2014-06-26 2017-02-22 庞巴迪公司 使用检测事件的潜在原因的发生概率辅助维护飞机和其它移动平台的方法和设备
US20180053356A1 (en) * 2015-03-17 2018-02-22 Sikorsky Aircraft Corporation Systems and methods for remotely triggered data acquisition
CN107791755A (zh) * 2016-08-29 2018-03-13 通用汽车环球科技运作有限责任公司 用于轮胎测量的系统和方法
CN108027887A (zh) * 2015-05-15 2018-05-11 空气融合有限公司 用于实时自动化多传感器数据融合和分析的决策支持的便携式设备和方法

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7786864B1 (en) 2000-09-08 2010-08-31 Automotive Technologies International, Inc. Vehicular RFID and sensor assemblies
US7095316B2 (en) * 2001-11-15 2006-08-22 Siemens Vdo Automotive Corporation Tire pressure monitoring system transmission protocol
US6659233B2 (en) 2001-12-04 2003-12-09 Hydro-Aire, Inc. System and method for aircraft braking system usage monitoring
US7698148B2 (en) * 2003-09-12 2010-04-13 Raytheon Company Web-based risk management tool and method
JP4222252B2 (ja) * 2004-05-07 2009-02-12 株式会社デンソー タイヤ空気圧検出装置
CA2587750C (en) * 2004-11-18 2013-08-27 Messier-Dowty Inc. Method and system for health monitoring of aircraft landing gear
US20060180647A1 (en) * 2005-02-11 2006-08-17 Hansen Scott R RFID applications
US7474214B2 (en) * 2005-06-22 2009-01-06 International Business Machines Corporation Method and system for locating tires using RFID
US7551086B2 (en) * 2005-09-20 2009-06-23 The Boeing Company System and methods for tracking aircraft components
US9715709B2 (en) * 2008-05-09 2017-07-25 Visa International Services Association Communication device including multi-part alias identifier
CN101638084B (zh) * 2008-07-30 2011-08-31 中国科学院自动化研究所 一种车辆防盗方法和车辆防盗系统
US9396279B1 (en) * 2009-02-17 2016-07-19 Jpmorgan Chase Bank, Na Collaborative virtual markup
US10454693B2 (en) * 2009-09-30 2019-10-22 Visa International Service Association Mobile payment application architecture
KR20130042674A (ko) * 2011-10-17 2013-04-29 엘지전자 주식회사 디스플레이기기 및 디스플레이기기의 카메라 제어 방법
KR20140078912A (ko) * 2012-12-18 2014-06-26 삼성전자주식회사 메모리 시스템 및 이를 포함하는 시스템 온 칩
US9384597B2 (en) 2013-03-14 2016-07-05 Telogis, Inc. System and method for crowdsourcing vehicle-related analytics
US20140278573A1 (en) * 2013-03-15 2014-09-18 State Farm Mutual Automobile Insurance Company Systems and methods for initiating insurance processing using ingested data
KR101420366B1 (ko) * 2013-07-23 2014-07-16 김현민 전기자동차용 무선전력 전송장치
FR3009152B1 (fr) 2013-07-25 2015-07-31 Thales Sa Procede de gestion des frequences hf en utilisation large bande
US9552611B2 (en) * 2013-12-02 2017-01-24 State Farm Mutual Automobile Insurance Company Systems and methods for modifying resources to manage loss events
US10089691B2 (en) * 2013-12-04 2018-10-02 State Farm Mutual Automobile Insurance Company Systems and methods for detecting potentially inaccurate insurance claims
US9510038B2 (en) * 2013-12-17 2016-11-29 Google Inc. Personal measurement devices for media consumption studies
US10017154B2 (en) * 2014-03-20 2018-07-10 Foxtrac Inc. Methods, devices and systems for tracking vehicles
US20160245279A1 (en) * 2015-02-23 2016-08-25 Biplab Pal Real time machine learning based predictive and preventive maintenance of vacuum pump
WO2016133547A1 (en) * 2015-02-20 2016-08-25 Hewlett-Packard Development Company, L.P. User authentication device
US9457627B1 (en) 2015-04-15 2016-10-04 Goodrich Corporation Handheld interrogation and display for remote sensors
US10956855B1 (en) * 2015-08-16 2021-03-23 Palidian Incorporated Integrated multi-location scheduling, routing, and task management
US9524315B1 (en) * 2016-03-31 2016-12-20 Sas Institute Inc. Date updating in support of data analysis
US20190174207A1 (en) * 2016-05-09 2019-06-06 StrongForce IoT Portfolio 2016, LLC Methods and systems for the industrial internet of things
US10732621B2 (en) * 2016-05-09 2020-08-04 Strong Force Iot Portfolio 2016, Llc Methods and systems for process adaptation in an internet of things downstream oil and gas environment
KR20180012009A (ko) * 2016-07-26 2018-02-05 에스케이하이닉스 주식회사 데이터 맵핑을 수행하는 반도체 장치 및 시스템
US10464212B2 (en) * 2017-03-28 2019-11-05 Amazon Technologies, Inc. Method and system for tele-operated inventory management system
KR20190000663A (ko) * 2017-06-23 2019-01-03 에스케이하이닉스 주식회사 메모리 장치 및 그 동작 방법
US10580228B2 (en) * 2017-07-07 2020-03-03 The Boeing Company Fault detection system and method for vehicle system prognosis
US10992337B2 (en) * 2017-08-31 2021-04-27 Tokay Systems Llc High-order PSK signaling (HOPS) techniques for low-power spread spectrum communications
FR3079298B1 (fr) * 2018-03-23 2020-11-27 Safran Landing Systems Dispositif de mesure d'une position d'un corps mobile par rapport a un corps fixe
EP3791236A4 (en) * 2018-05-07 2022-06-08 Strong Force Iot Portfolio 2016, LLC METHODS AND SYSTEMS FOR DATA COLLECTION, LEARNING AND STREAMING MACHINE SIGNALS FOR ANALYSIS AND MAINTENANCE USING THE INDUSTRIAL INTERNET OF THINGS
US10789785B2 (en) * 2018-06-11 2020-09-29 Honeywell International Inc. Systems and methods for data collection from maintenance-prone vehicle components
US11036370B2 (en) * 2018-09-25 2021-06-15 Intel Corporation Computer-assisted or autonomous driving vehicles social network
KR20200127752A (ko) * 2019-05-03 2020-11-11 에스케이하이닉스 주식회사 전자 장치 및 전자 장치의 동작 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060144997A1 (en) * 2004-11-18 2006-07-06 Schmidt R K Method and system for health monitoring of aircraft landing gear
US20080164988A1 (en) * 2007-01-08 2008-07-10 Snap-On Incorporated Apparatus and method to transfer data from a tire pressure monitor tool to a remote output device such as a printer
US20110245999A1 (en) * 2010-03-30 2011-10-06 Aurora Flight Sciences Corporation Aircraft health monitoring and design for condition
US20120041639A1 (en) * 2010-08-11 2012-02-16 The Boeing Company System and Method to Assess and Report the Health of Landing Gear Related Components
US20120038492A1 (en) * 2010-08-11 2012-02-16 The Boeing Company System and Method to Assess and Report the Health of a Tire
CN106462158A (zh) * 2014-06-26 2017-02-22 庞巴迪公司 使用检测事件的潜在原因的发生概率辅助维护飞机和其它移动平台的方法和设备
US20180053356A1 (en) * 2015-03-17 2018-02-22 Sikorsky Aircraft Corporation Systems and methods for remotely triggered data acquisition
CN108027887A (zh) * 2015-05-15 2018-05-11 空气融合有限公司 用于实时自动化多传感器数据融合和分析的决策支持的便携式设备和方法
CN107791755A (zh) * 2016-08-29 2018-03-13 通用汽车环球科技运作有限责任公司 用于轮胎测量的系统和方法

Also Published As

Publication number Publication date
US20200410779A1 (en) 2020-12-31
EP3968246A1 (en) 2022-03-16
US11495061B2 (en) 2022-11-08
US10789785B2 (en) 2020-09-29
US20190378353A1 (en) 2019-12-12
EP3582154A1 (en) 2019-12-18

Similar Documents

Publication Publication Date Title
US11495061B2 (en) Systems and methods for data collection from maintenance-prone vehicle components
US11144378B2 (en) Computer system and method for recommending an operating mode of an asset
US20230237857A1 (en) System and Method for Scheduling Vehicle Maintenance and Service
US8599044B2 (en) System and method to assess and report a health of a tire
EP3091410B1 (en) Methods and system for data analytics
EP2703297B1 (en) Long and short range storage and transmission system on aircraft parts
US10073811B2 (en) Systems and methods for monitoring health of vibration damping components
US8380389B2 (en) Health monitoring systems and methods with vehicle identification
US10196078B2 (en) Diagnostic system for a rail vehicle
US9811950B2 (en) Aircraft electric taxi system diagnostic and prognostic evaluation system and method
CN111511622B (zh) 以编程方式识别自主车辆的个性
US20160035152A1 (en) Vehicle data mining based on vehicle onboard analysis and cloud-based distributed data stream mining algorithm
US20110224865A1 (en) Health monitoring systems and methods with vehicle velocity
US20190102957A1 (en) Aircraft maintenance event prediction using higher-level and lower-level system information
CN104044413A (zh) 预测的基于同等的轮胎健康监测
CN107438093A (zh) 用于从远程系统进行数据采集的系统和方法
US10451526B2 (en) Method and system for sensor monitoring and analysis
CN105008875A (zh) 基于所感测的振动确定用于机动车辆的矫正动作
US20170151970A1 (en) Diagnostic System for a Rail Vehicle
US20130138632A1 (en) Aircraft trending systems and methods
CN112572546A (zh) 用于远程管理轨道交通工具的操作的系统、装置和方法
JP2023062668A (ja) 候補車両システムを識別するためのシステム及び方法
EP4184459A1 (en) Maintenance system
Harrison et al. Prognostic algorithms in condition based maintenance
Bates et al. Rotorcraft Dynamic Component Usage Based Maintenance 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