CN111798590A - 用于环境控制系统故障隔离的具有智能数据收集的模式分类系统 - Google Patents
用于环境控制系统故障隔离的具有智能数据收集的模式分类系统 Download PDFInfo
- Publication number
- CN111798590A CN111798590A CN202010267445.1A CN202010267445A CN111798590A CN 111798590 A CN111798590 A CN 111798590A CN 202010267445 A CN202010267445 A CN 202010267445A CN 111798590 A CN111798590 A CN 111798590A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- data
- processor
- receiving
- residual
- 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
Links
Images
Classifications
-
- 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
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
Abstract
本发明题为“用于环境控制系统故障隔离的具有智能数据收集的模式分类系统”。根据本公开的某些方面,公开了一种计算机实现的方法,该计算机实现的方法可用于检测环境控制系统的健康状态。该方法可包括接收飞机的飞机数据和接收飞机的飞行数据。基于所接收的飞机数据和所接收的飞行数据计算飞机的预测性能,以及生成至少一个模型标量或残差,其中该至少一个模型标量或残差是基于飞机的飞机数据生成的。根据至少一个模型标量或残差识别至少一个模式,以及将至少一个模式分类到多个分类中的至少一个分类中。根据分类识别模式或部件的故障,以及一旦识别到模式或部件的故障,则传输维护报告。
Description
技术领域
本公开的各种实施方案整体涉及飞机健康状态监测的连接的面向服务的架构,并且更具体地讲,涉及智能地收集数据并隔离环境控制系统(ECS)的故障。
背景技术
飞机在各种类型的地理区域(包括具有较高污染程度的区域)中操作。污染物可以包括灰尘、颗粒和其他类型的致污物。随时间推移污染物会累积在环境控制系统(ECS)的元件中,并且最终这些元件必须在维护操作中进行维修或更换。过早更换可能导致不必要的停机时间和成本,而延迟更换可能导致操作效率低下,诸如设备故障和乘客不适。本公开涉及克服这些问题中的一者或多者。
本发明提供的背景技术描述是为了大致给出本公开的背景。除非本发明另外指明,否则本部分中描述的材料不是本专利申请的权利要求书的现有技术,并且不会因为包括在本部分中而被承认为现有技术或现有技术的建议。
发明内容
根据本公开的某些方面,公开了用于使用实时数据和计算的预测性能来提供ECS故障隔离的系统和方法。
在一个实施方案中,公开了一种用于检测环境控制系统的健康状态的计算机实现的方法。计算机实现的方法可以包括:由处理器接收飞机的飞机数据;由处理器接收飞机的飞行数据;由处理器基于所接收的飞机数据和所接收的飞行数据计算飞机的预测性能;由处理器将飞机的预测性能与飞机在预先确定的时间段内的测量性能进行比较;由处理器确定飞机的预测性能与飞机在预先确定的时间段内的测量性能之间的差异;以及一旦所确定的差异大于预先确定的阈值,则由处理器传输维护报告。
在另一个实施方案中,公开了一种用于检测环境控制系统的健康状态的计算机实现的方法。计算机实现的方法可以包括:由处理器接收飞机的飞机数据;由处理器接收飞机的飞行数据;由处理器基于所接收的飞机数据和所接收的飞行数据计算飞机的预测性能;由处理器生成至少一个模型标量或残差,其中至少一个模型标量或残差是基于飞机的飞机数据生成的;由处理器根据至少一个模型标量或残差识别至少一个模式;由处理器将至少一个模式分类到多个分类中的至少一个分类中;由处理器根据分类识别模式或部件的故障;以及一旦识别到模式或部件的故障,则由处理器传输维护报告。
附图说明
结合到本说明书中并且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描绘了用于故障隔离的模式分类系统的概述。
图2描绘了用于故障隔离的模式分类系统的集中视图。
图3A描绘了用于ECS故障隔离的示例性方法的流程图。
图3B描绘了用于ECS故障隔离的另一个示例性方法的流程图。
图4描绘了用于智能飞机状况监测系统(ACMS)记录器(SAR)的示例性用户界面。
图5描绘了用于对SAR数据进行解码的示例性方法的流程图。
图6A描绘了ECS监测系统的示例性用户界面。
图6B描绘了ECS监测系统的另一个示例性用户界面。
图7示出了其中可以实现本公开的实施方案或其部分的示例性计算机设备或系统。
具体实施方式
如上所讨论,随着时间推移,污染物会累积在飞机的电子控制系统(“ECs”)的元件中,并且最终这些元件必须在维护操作中进行维修或更换。然而,准确预测维护操作和更换的适当时间可能是有挑战性的。因此,期望提供改善的维护系统和方法,其使得能够更及时和准确地更换或清洁ECS元件(特别是热交换器)以最小化干扰并改善效率。
与监测ECS健康的当前方式相比,这种独特方法组合了机载飞机数据、机外数据、系统分析模型结果和数据分析。在示例性系统中,使用飞机上的现有传感器以最小化成本。现有传感器可以包括冲压空气传感器、空调组件出口传感器、配平空气阀开关和温度控制阀开关。将向飞机添加接线以将这些连接到飞行数据记录系统和/或附加记录元件。还可以添加新传感器以实现附加监测能力。这些新传感器可以包括主热交换器出口温度传感器、预冷却入口压力传感器、辅助热交换器出口温度传感器、涡轮机入口温度传感器、配平空气调节压力传感器、空气循环机(ACM)速度传感器、空调组件入口压力传感器和冲压进气门位置传感器。
现在将在下文参照附图更充分地描述本说明书的主题,这些附图构成说明书的一部分并且以例证的方式示出具体示例性实施方案。本发明描述为“示例性”的实施方案或具体实施不应被解释为例如比其他实施方案或具体实施更为优选的或有利的;相反,其旨在反映或指示该一个或多个实施方案为一个或多个“示例性”实施方案。主题能够体现为多种不同形式,因此所涵盖或要求保护的主题旨在被解释为不限于本发明所阐述的任何示例性实施方案;提供示例性实施方案仅仅是为了说明。同样,旨在要求保护或所涵盖的主题拥有适当宽泛的范围。除了别的以外,例如,主题可具体体现为方法、设备、部件或系统。因此,实施方案可例如采用硬件、软件、固件或它们的任何组合(除软件本身之外)的形式。因此,以下具体实施方式并非旨在被视为具有限制意义。
在整个说明书和权利要求书中,除了明确说明的含义之外,术语可具有上下文中提出或暗示的有细微差别的含义。同样,如本发明所用的短语“在一个实施方案中”不一定指相同的实施方案,并且如本发明所用的短语“在另一个实施方案中”不一定指不同的实施方案。例如,要求保护的主题旨在全部或部分地包括示例性实施方案的组合。
下文所用的术语可以其最广泛的合理方式来解释,即使将其与本公开的某些具体示例的具体实施方式一起使用也是如此。实际上,某些术语甚至可在下文加以强调;然而,任何旨在以任何受限方式解释的术语将在本具体实施方式部分中被明确地和具体地定义。前述大体实施方式和下文具体实施方式均仅为示例性的和说明性的,而非局限于受权利要求书保护的特征。
在本公开中,术语“基于”是指“至少部分地基于”。单数形式“一个”、“一种”和“该”包括复数引用,除非上下文中另外指出其他情况。术语“示例性”以“示例”而非“理想”的意义使用。术语“或”旨在是包括性的并且表示任一、任何、若干、或所有的列出的项目。术语“包括”、“包含”、“具有”、“含有”或者它们的其他变型旨在涵盖非排他性包含,使得包括元素列表的过程、方法或产品不必须包括只有那些元素而是可包括未明确列出的或者这些过程、方法、制品或设备固有的其他元素。相对术语(诸如“基本上”和“大体”)用于指示陈述值或理解值的土10%的可能变化。
现在参考附图,图1示出了根据本公开的一个或多个实施方案的示例性环境100的示例性概述。例如,环境100可以包括飞机105、传感器110、第三方天气数据113、地面数据服务器115、移动应用程序120和维护报告125。在当前环境中,飞机105将经由传感器110获得的数据传输到地面数据服务器115。地面数据服务器115可以经由移动应用程序120交接以产生维护报告125。
如上所讨论,传感器110可以是飞机上的现有传感器或新传感器,并且将用于收集由地面数据服务器115和移动应用程序120使用的各种数据。在下表1中示出了可使用的一组传感器:
表1:传感器列表,所有的采样率的最小值均为1Hz
对于本领域技术人员应当清楚的是,可以将更多传感器添加到列表,或者可以将传感器从列表中删除,而不会影响ECS监测系统的功能。
如上所述,图1仅作为示例提供。其他示例是可能的,并且可以与关于图1描述的示例不同。图1所示的设备和网络的数量和布置作为示例而提供。实际上,与图1中所示的那些相比,可以有额外的设备、更少的设备和/或网络、不同的设备和/或网络、或者不同布置的设备和/或网络。此外,图1所示的两个或更多个设备(例如,传感器110、移动应用程序120和维护报告125)可以在单个设备内实现,或者图1所示的单个设备(例如,移动应用程序120)可以被实现为多个分布式设备。附加地或另选地,环境100的一组设备(例如,一个或多个设备)可以执行被描述为由环境100的另一组设备执行的一个或多个功能。
图2示出了示例性环境的集中框图。图2可以包括:飞机210,其对应于如图1所描绘的飞机105;地面数据服务器215,其对应于如图1所描绘的地面数据服务器115;以及移动应用程序216,其对应于如图1所描绘的移动应用程序120。飞机210可以包括环境控制系统(ECS)201、飞行数据获取单元202、通信系统203、其他成员系统204和第三方天气数据213。环境控制系统(ECS)201、飞行数据获取单元202、通信系统203和其他成员系统204组成机载系统并且提供用于计算的数据输入以确定ECS的健康状况。地面数据服务器215和移动应用程序216是地面系统220的部分。
图2所描绘的各种系统将在本文中描述。飞行数据获取单元202接收以下作为输入数据:来自ECS 201的混杂温度、压力和控制开关值,以及来自其他成员系统204的高度、空速、位置、引擎和辅助动力单元数据及其他相关信息。飞行数据获取单元202实时收集数据并且将报告传输到通信系统203。飞行数据获取单元可以由现有的飞行数据记录系统和/或附加的记录设备表示。可以从如图1所描绘的传感器110获取从ECS 201和其他成员系统204输入的数据。
通信系统203在从飞行数据获取单元202接收到报告之后,可以经由无线通信协议将报告传输到地面系统。通信可以经由飞机通信寻址和报告系统(ACARS)进行,或者它可以经由VHF、卫星、宽带、3G蜂窝网络、4G蜂窝网络、5G、无线互联网、或本领域普通技术人员显而易见的任何其他无线通信协议进行。地面系统220可以由地面数据服务器215和移动应用程序216组成。地面数据服务器215可以包括算法中心和数据库中心,并且它还可以从本地天气信息中心收集数据。一旦地面数据服务器215从机载系统接收到报告,算法中心就基于ECS模型执行分析,并且将结果保存到数据库。移动应用程序216在用户界面中为飞机人员呈现分析结果。用户界面可以使用不同的颜色来表示所需注意的各种级别。例如,显示器上的红色可表示警告状态,显示器上的黄色可表示咨询状态,并且显示器上的绿色可表示正常状态。维护工程师或飞机人员可以基于所需注意的级别执行动作,使得具有红色显示的状态的优先级将超过其他状态。
图2所示的模块、设备和网络的数量和布置作为示例而提供。实际上,与图2中所示的那些相比,可以有附加的模块和设备、更少的模块、设备和/或网络、不同的模块、设备和/或网络、或者不同布置的模块、设备和/或网络。此外,图2的环境200中包括的两个或更多个设备可在单个设备内实现,或者图2的环境200中的单个设备可被实现为多个分布式设备。附加地或另选地,图2的一组设备(例如,一个或多个设备)可以执行被描述为由图2的环境200中的另一组设备执行的一个或多个功能。
图3A描绘了用于分析和确定飞机系统的健康状态的示例性方法300A的流程图。
第一,示例性方法300可以在步骤301A处开始于接收飞机数据(例如,由图1所描绘的飞机传感器110供应),飞机数据可以包括混杂温度、飞机的压力和控制开关值、空调组件出口或脱水器温度、辅助动力单元(APU)放气压力、辅助动力单元放气温度、环境压力和环境温度。在步骤302A处,可以接收与飞机相关的飞行数据,其中飞行数据可以包括高度、空速、位置、飞机的引擎和辅助动力单元和/或本地天气数据。在步骤303A处,可以将输入数据馈送到系统分析模型中,该系统分析模型计算飞机元件的预测性能。在步骤304A处,可以将飞机元件的计算预测性能与飞机元件的测量性能进行比较,并且在步骤305A处,可以确定两者之间的差异并且确定该差异随时间推移的趋势。当预测性能和测量性能之间的差异超过预先确定的阈值时,则在步骤306A处,可以创建维护报告并且将其传输到维护工程师或飞机人员。
本文将相对于热交换器污染监测来描述方法300A的示例。在步骤301A和302A处,可以将许多参数馈送到系统分析模型中,该系统分析模型预测标称空调组件和热交换器性能(步骤303A)。这些参数可以包括空调组件出口或脱水器温度、APU放气压力、APU放气温度、环境压力和/或环境温度。可以从其他来源获得其他参数,诸如本地天气数据以及日期和时间。可以将实际空调组件性能与分析预测的标称性能进行比较,并且可以确定两者之间的差异随时间推移的趋势(步骤304A和305A)。可以通过与分析预测的标称压缩机温度相比的实际压缩机出口温度的缓慢增加来识别热交换器污染。当该温度上升持续数周时,可以提供维护者警报(步骤306A)。通过跟踪压缩机温度的变化速率,可以将此故障模式与其他故障模式(诸如空气循环机(ACM)风扇叶片故障)区分开。ACM故障通常具有压缩机温度的突然偏移,而不是与热交换器污染相关联的较慢偏移。
图3B描绘了用于分析和确定飞机系统的健康状态的示例性方法300B方法的流程图。
在另一个实施方案中,模型可以被反馈到机器学习方法中,该机器学习方法使用大数据集以便在某些操作状况下改善模型预测的准确性,并且生成取决于故障模式和部件的类型而不同表现的模型标量或残差,以及根据不同表现的多个标量和残差的组合对模式进行分类,这样实现了故障模式和部件的隔离。
第一,示例性方法300B可以在步骤301B处开始于接收飞机数据(例如,由图1所描绘的飞机传感器110供应),飞机数据可以包括混杂温度、飞机的压力和控制开关值、空调组件出口或脱水器温度、辅助动力单元(APU)放气压力、辅助动力单元放气温度、环境压力和环境温度。在步骤302B处,可以接收与飞机相关的飞行数据,其中飞行数据可以包括高度、空速、位置、飞机的引擎和辅助动力单元和/或本地天气数据。在步骤303B处,可以将输入数据馈送到系统分析模型中,该系统分析模型计算飞机元件的预测性能。在步骤304B处,可以生成多个模型标量或残差,并且在步骤305B处,可以基于多个标量或残差的不同表现来识别模式。在步骤306B处,可以基于模式对那些不同表现模式进行分类。在步骤307B处,基于模式的分类,可以识别故障模式或部件。例如,由于标量读数而隔离可能发生故障的部件。在步骤3068B处,可以创建维护报告并且将其传输到维护工程师或飞机人员。
尽管图3A和图3B示出了示例框,但是在一些具体实施中,过程300可以包括与图3所示的框相比的附加框、更少的框、不同的框或不同排列的框。除此之外或作为另外一种选择,可并行地执行过程300的框中的两个或更多个。
图4描绘了用于智能飞机状况监测系统(ACMS)记录器(SAR)的示例性用户界面405。
如图4所示,用于SAR的界面405被呈现给用户以从飞机上的各种传感器收集数据。SAR可以包括多个完全用户可编程的信道,其中每个信道具有多个参数和多个可编程的开始/停止触发器。使用SAR的益处可以包括优化存储器使用的可编程数据压缩、用户可定义的事件前历史长度、收集时间序列数据的能力,从而允许识别稳定范围内的数据并且定义ACMS报告触发逻辑。
图5描绘了用于对SAR数据进行解码的示例性方法的流程图。
如图4中的用户界面400所示,可以使用SAR来收集飞机数据。由于SAR具有长期获取大量数据的能力,因此可以使用读出工具将SAR数据作为界定ASCII文本文件导出,以经由以下步骤通过其他基于地面的计算机进行分析。在步骤501处,获得SAR文件以进行读出,在步骤502处,获得特定飞机和飞行的飞行号、时间和飞行阶段数据。在步骤503处,将多个SAR文件组合在一起,并且然后在步骤504处,将其解码为ASCII文本文件。在步骤506处,将ASCII文本文件转换为excel格式,并且然后获得并验证飞行数据和终端数据。最终在步骤507处,保存数据并且该数据可以用于通过其他基于地面的计算机进行分析。
图6A和图6B描绘了ECS监测系统的示例性用户界面。
如图6A所示,用户界面600A示出了移动应用程序中的ECS监测系统的主页的示例性界面。主页可以是显示航空公司所拥有的飞机的列表的仪表板。第一列示出了ECS健康状态,并且每架飞机包含两个重复的ECS部件(左和右)。ECS的健康状况由不同的颜色代码示出,例如,红色表示警告状态,黄色表示建议状态,绿色表示正常状态。不同的颜色代码允许维护工程师基于严重性级别执行操作。用户界面600A中的其他列可以基于航空公司的请求进行预定义以示出维护者的关注参数。
当维护工程师选择一个飞机行时,则向工程师呈现校正动作页面,如图6B所示。用户界面600B逐步指导工程师操作或更换发生故障或有故障的部件。例如,如600B中呈现的,向工程师呈现了针对左右ECS部件的一系列动作。在步骤1处,界面引导工程师清洁过滤器,并且然后在步骤2处,应当清洁热交换器,并且最终在步骤3处,引导工程师检查ACM。
如图6A所示,可以在移动应用程序中显示故障状态。在下表2中示出了可用于移动应用程序的故障模式的示例性列表:
表2:故障模式
通过观察这些传感器读取表现的组合,可以从传感器列表中检测到故障模式。例如,可以将传感器A读数较高、传感器B读数较低并且传感器C读数平稳的情形与传感器A读数较高、传感器B读数较低并且传感器C读数较高的另一个情形进行比较,并且可以根据读数的变化来做出确定。模式分类将用于捕获取决于故障模式而不同表现的这些模式。
对于本领域技术人员应当清楚的是,可以将更多故障模式添加到列表,或者可以将故障模式从列表中删除,而不会影响ECS监测系统的功能。
图7示出了示例性计算机设备或系统的高级功能框图,其中本公开的实施方案或其部分可实现为例如计算机可读代码。在一些实施方式中,地面数据服务器(在图1和图2中描绘)可以对应于设备700。另外,上文相对于图1至图6所述的示例性计算机服务器、数据库、用户界面、模块和方法中的每一个可以在设备700中使用硬件、软件、固件、其上存储有指令的有形计算机可读介质或它们的组合来实现,并且可以在一个或多个计算机系统或者其他处理系统中实现。硬件、软件或它们的任何组合可实现上文相对于图1至图6所述的示例性系统、用户界面和方法中的每一者。
如果使用可编程逻辑,则此类逻辑可在市售处理平台或专用设备上执行。本领域的普通技术人员可以理解,可使用各种计算机系统配置来实施所公开的主题的实施方案,这些计算机系统配置包括多核多处理器系统、小型计算机、大型计算机、与分布式功能链接或群集在一起的计算机、以及可嵌入几乎任何设备中的普适或微型计算机。
例如,至少一个处理器设备和存储器可用于实现上述实施方案。处理器设备可为单个处理器或多个处理器或它们的组合。处理器设备可具有一个或多个处理器“内核”。
如上文在图1至图6的示例中描述的本公开的各种实施方案可使用设备700来实现。在阅读了本说明书之后,对于相关领域的技术人员而言,如何使用其他计算机系统和/或计算机体系结构来实现本公开的实施方案将变得显而易见。尽管可将操作描述为顺序过程,但一些操作实际上可并行、并发和/或在分布式环境中执行,并且其中在本地和/或远程存储程序代码以供单处理器或多处理器机器访问。另外,在一些实施方案中,在不脱离所公开的主题的实质的情况下,可重新排列操作的顺序。
如图7所示,设备700可包括中央处理单元(CPU)720。CPU 720可以是任何类型的处理器设备,包括例如任何类型的专用或通用微处理器设备。相关领域的技术人员应当理解,CPU 720也可以是多核/多处理器系统(此类系统单独操作)中或在集群或服务器场中操作的计算设备集群中的单个处理器。CPU 720可以连接到数据通信基础结构710,例如总线、消息队列、网络或多核消息传递方案。
设备700还可包括主存储器740,例如随机存取存储器(RAM),并且还可包括辅助存储器730。辅助存储器730(例如只读存储器(ROM))可以是例如硬盘驱动器或可移除存储驱动器。此类可移除存储驱动器可包括例如软盘驱动器、磁带驱动器、光盘驱动器、闪存存储器等。可移除存储驱动器在该示例中以熟知的方式从可移除存储单元读取和/或写入可移除存储单元。可移除存储单元可包括由可移除存储驱动器读取和写入可移除存储驱动器的软盘、磁带、光盘等。相关领域的技术人员应当理解,此类可移除存储单元一般包括其中存储有计算机软件和/或数据的计算机可用存储介质。
在另选实施方式中,辅助存储器730可以包括允许计算机程序或其他指令加载到设备700中的其他类似装置。此类装置的示例可以包括程序盒式存储器和盒式存储器接口(诸如存在于视频游戏设备中的)、可移除存储器芯片(诸如EPROM或PROM)和相关联的插口、以及允许软件和数据从可移除存储单元传输到设备700的其他可移除存储单元和接口。
设备700还可包括通信接口(“COM”)760。通信接口760允许软件和数据在设备700与外部设备之间传输。通信接口760可以包括调制解调器、网络接口(诸如以太网卡)、通信端口、PCMCIA插槽和卡等。经由通信接口760传输的软件和数据可以是信号的形式,这些信号可以是能够被通信接口760接收的电子、电磁、光学或其他信号。可以经由设备700的通信路径将这些信号提供给通信接口760,该通信路径可以使用例如导线或电缆、光纤、电话线、蜂窝电话链路、RF链路或其他通信信道来实现。
此类设备的硬件元件、操作系统和编程语言本质上是常规的,因此推定本领域技术人员对此是足够熟悉的。设备700还可包括输入和输出端口750以与输入和输出设备(诸如键盘、鼠标、触摸屏、监视器、显示器等)连接。当然,各种服务器功能可在多个类似平台上以分布式的方式实现以分配处理负载。另选地,这些服务器可通过一个计算机硬件平台的适当编程来实现。
参照附图以举例的方式详细描述了本发明所公开的系统、装置、设备和方法。本发明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,要么仅仅是此类技术、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,并且这对于具体专利申请可为所需的。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。
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”被广义地使用以不仅包括可执行代码例如机器可执行或机器可解释指令,还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。
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 (20)
1.一种用于检测环境控制系统的健康状态的计算机实现的方法,所述方法包括:
由处理器接收飞机的飞机数据;
由所述处理器接收飞机的飞行数据;
由所述处理器基于所述接收的飞机数据和所述接收的飞行数据计算所述飞机的预测性能;
由所述处理器生成至少一个模型标量或残差,其中所述至少一个模型标量或残差是基于所述飞机的所述飞机数据生成的;
由所述处理器根据所述至少一个模型标量或残差识别至少一个模式;
由所述处理器将所述至少一个模式分类到多个分类中的至少一个分类中;
由所述处理器根据所述分类识别模式或部件的故障;以及
一旦识别到所述模式或部件的故障,则由所述处理器传输维护报告。
2.根据权利要求1所述的方法,其中所述飞机数据包括混杂温度、所述飞机的压力和控制开关值、空调组件出口或脱水器温度、辅助动力单元放气压力、辅助动力单元放气温度、环境压力和/或环境温度中的至少一者。
3.根据权利要求1所述的方法,其中所述飞行数据包括高度、空速、位置数据、引擎数据、辅助动力单元数据和/或天气数据中的至少一者。
4.根据权利要求1所述的方法,其中所述至少一个模型标量或残差由机器学习模型生成。
5.根据权利要求1所述的方法,还包括传输有关更换或维修所述故障模式或部件的指令。
6.根据权利要求1所述的方法,其中接收所述飞机数据和所述飞行数据还包括经由多个信道接收所述飞机的多个参数。
7.根据权利要求6所述的方法,其中所述多个信道还包括针对所述多个信道中的每一个的多个可编程开始/停止触发器。
8.一种用于检测环境控制系统的健康状态的计算机实现的方法,所述方法包括:
由处理器接收飞机的飞机数据;
由所述处理器接收飞机的飞行数据;
由所述处理器基于所述接收的飞机数据和所述接收的飞行数据计算所述飞机的预测性能;
由所述处理器将所述飞机的所述预测性能与所述飞机在预先确定的时间段内的测量性能进行比较;
由所述处理器确定所述飞机的所述预测性能与所述飞机在所述预先确定的时间段内的所述测量性能之间的差异;以及
一旦所述确定的差异大于预先确定的阈值,则由所述处理器传输维护报告。
9.根据权利要求8所述的方法,其中所述飞机数据包括混杂温度、所述飞机的压力和控制开关值、空调组件出口或脱水器温度、辅助动力单元放气压力、辅助动力单元放气温度、环境压力和/或环境温度中的至少一者。
10.根据权利要求8所述的方法,其中所述飞行数据包括高度、空速、位置数据、引擎数据、辅助动力单元数据和/或天气数据中的至少一者。
11.根据权利要求8所述的方法,还包括传输有关更换或维修所述故障模式或部件的指令。
12.根据权利要求8所述的方法,其中接收所述飞机数据和所述飞行数据还包括经由多个信道接收所述飞机的多个参数。
13.根据权利要求12所述的方法,其中所述多个信道还包括针对所述多个信道中的每一个的多个可编程开始/停止触发器。
14.一种用于检测环境控制系统的健康状态的计算机系统,所述计算机系统包括:
存储器,所述存储器具有存储在其中的处理器可读指令;和
至少一个处理器,所述至少一个处理器被配置为访问所述存储器并执行所述处理器可读指令,所述处理器可读指令在被所述处理器执行时将所述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:
接收飞机的飞机数据;
接收飞机的飞行数据;
基于所述接收的飞机数据和所述接收的飞行数据计算所述飞机的预测性能;
生成至少一个模型标量或残差,其中所述至少一个模型标量或残差是基于所述飞机的所述飞机数据生成的;
根据所述至少一个模型标量或残差识别至少一个模式;
将所述至少一个模式分类到多个分类中的至少一个分类中;
根据所述分类识别模式或部件的故障;以及
一旦识别到所述模式或部件的故障,则传输维护报告。
15.根据权利要求14所述的计算机系统,其中所述飞机数据包括混杂温度、所述飞机的压力和控制开关值、空调组件出口或脱水器温度、辅助动力单元放气压力、辅助动力单元放气温度、环境压力和/或环境温度中的至少一者。
16.根据权利要求14所述的计算机系统,其中所述飞行数据包括高度、空速、位置数据、引擎数据、辅助动力单元数据和/或天气数据中的至少一者。
17.根据权利要求14所述的计算机系统,其中所述至少一个模型标量或残差由机器学习模型生成。
18.根据权利要求14所述的计算机系统,其中所述功能还包括传输有关更换或维修所述故障模式或部件的指令。
19.根据权利要求14所述的计算机系统,其中接收所述飞机数据和所述飞行数据还包括经由多个信道接收所述飞机的多个参数。
20.根据权利要求19所述的计算机系统,其中所述多个信道还包括针对所述多个信道中的每一个的多个可编程开始/停止触发器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962829238P | 2019-04-04 | 2019-04-04 | |
US62/829,238 | 2019-04-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798590A true CN111798590A (zh) | 2020-10-20 |
Family
ID=70165901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010267445.1A Pending CN111798590A (zh) | 2019-04-04 | 2020-04-07 | 用于环境控制系统故障隔离的具有智能数据收集的模式分类系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11687067B2 (zh) |
EP (1) | EP3719602B1 (zh) |
CN (1) | CN111798590A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241162A (zh) * | 2020-10-28 | 2021-01-19 | 中国商用飞机有限责任公司 | 处理飞机故障的维护系统和维护方法 |
CN112486147A (zh) * | 2020-12-14 | 2021-03-12 | 江西洪都航空工业集团有限责任公司 | 一种飞机故障检测和维修管理系统及其管理方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11780591B2 (en) | 2020-11-23 | 2023-10-10 | Honeywell International Inc. | Environmental control system performance monitoring |
CN113955131A (zh) * | 2021-12-21 | 2022-01-21 | 山东欧龙电子科技有限公司 | 一种载人飞行器健康状态的数据智能监测处理平台 |
CN114978955A (zh) * | 2022-04-13 | 2022-08-30 | 杭州悟川科技有限公司 | 一种基于物联网的工业设备健康监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037772A1 (en) * | 2007-08-03 | 2009-02-05 | Wegerich Stephan W | Fuzzy classification approach to fault pattern matching |
US9174745B1 (en) * | 2014-05-30 | 2015-11-03 | Rockwell Collins, Inc. | Performance-based method and system for checking the fuel quantity of a vehicle |
US9724979B1 (en) * | 2016-04-27 | 2017-08-08 | The Boeing Company | Model-based method to detect abnormal operations in heat exchangers |
CN107085744A (zh) * | 2016-02-12 | 2017-08-22 | 波音公司 | 利用数据分析增强的飞机维护和检查 |
EP3346345A1 (en) * | 2017-01-10 | 2018-07-11 | Honeywell International Inc. | Diagnosis system for fouling prediction of aircraft aircondition systems |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5047942A (en) * | 1987-08-06 | 1991-09-10 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Airplane takeoff and landing performance monitoring system |
CA2940210A1 (en) * | 2014-02-21 | 2015-08-27 | Taleris Global Llp | Method for predicting a fault in an air-conditioning pack of an aircraft |
US9561864B2 (en) * | 2014-03-28 | 2017-02-07 | Bell Helicopter Textron Inc. | Aircraft prognostics health system |
US20160052640A1 (en) * | 2014-08-20 | 2016-02-25 | Ge Aviation Systems Llc | Health management unit and method for monitoring health information and method of reporting critical failure information |
US9811950B2 (en) * | 2014-09-18 | 2017-11-07 | Honeywell International Inc. | Aircraft electric taxi system diagnostic and prognostic evaluation system and method |
US10359779B2 (en) * | 2016-03-22 | 2019-07-23 | Aurora Flight Sciences Corporation | Aircrew automation system and method |
US10657736B2 (en) * | 2017-09-25 | 2020-05-19 | The Boeing Company | System and method for aircraft fault detection |
CN109795669A (zh) * | 2017-11-17 | 2019-05-24 | 空中客车运作有限责任公司 | 运行包括具有可折叠机翼尖端部分的机翼的飞行器的方法 |
CN108304661B (zh) * | 2018-02-05 | 2021-05-07 | 南京航空航天大学 | 基于tdp模型的诊断预测方法 |
CN108959778B (zh) * | 2018-07-06 | 2020-09-15 | 南京航空航天大学 | 一种基于退化模式一致性的航空发动机剩余寿命预测方法 |
US11598880B2 (en) * | 2018-10-04 | 2023-03-07 | The Boeing Company | Detecting fault states of an aircraft |
JP7242279B2 (ja) * | 2018-12-10 | 2023-03-20 | 株式会社Subaru | 故障診断システム |
CN109592045A (zh) * | 2018-12-21 | 2019-04-09 | 深圳飞马机器人科技有限公司 | 一种无人机应急开伞方法、装置、电子设备和介质 |
US11845570B2 (en) * | 2020-08-11 | 2023-12-19 | The Boeing Company | Aircraft system operational testing |
CN112749789A (zh) * | 2020-12-30 | 2021-05-04 | 西北工业大学 | 基于自联想型神经网络的航空发动机多重故障诊断器 |
-
2020
- 2020-04-01 US US16/837,194 patent/US11687067B2/en active Active
- 2020-04-02 EP EP20167846.3A patent/EP3719602B1/en active Active
- 2020-04-07 CN CN202010267445.1A patent/CN111798590A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037772A1 (en) * | 2007-08-03 | 2009-02-05 | Wegerich Stephan W | Fuzzy classification approach to fault pattern matching |
US9174745B1 (en) * | 2014-05-30 | 2015-11-03 | Rockwell Collins, Inc. | Performance-based method and system for checking the fuel quantity of a vehicle |
CN107085744A (zh) * | 2016-02-12 | 2017-08-22 | 波音公司 | 利用数据分析增强的飞机维护和检查 |
US9724979B1 (en) * | 2016-04-27 | 2017-08-08 | The Boeing Company | Model-based method to detect abnormal operations in heat exchangers |
EP3346345A1 (en) * | 2017-01-10 | 2018-07-11 | Honeywell International Inc. | Diagnosis system for fouling prediction of aircraft aircondition systems |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241162A (zh) * | 2020-10-28 | 2021-01-19 | 中国商用飞机有限责任公司 | 处理飞机故障的维护系统和维护方法 |
CN112486147A (zh) * | 2020-12-14 | 2021-03-12 | 江西洪都航空工业集团有限责任公司 | 一种飞机故障检测和维修管理系统及其管理方法 |
Also Published As
Publication number | Publication date |
---|---|
US11687067B2 (en) | 2023-06-27 |
EP3719602A1 (en) | 2020-10-07 |
EP3719602B1 (en) | 2023-07-19 |
US20200320803A1 (en) | 2020-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108284967B (zh) | 用于ecs结污预测的航空器维护系统和方法 | |
CN111798590A (zh) | 用于环境控制系统故障隔离的具有智能数据收集的模式分类系统 | |
US8437904B2 (en) | Systems and methods for health monitoring of complex systems | |
CN108284968B (zh) | 用于ecs预测性维护的航空器维护系统和方法 | |
US8478479B2 (en) | Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft | |
US9489340B2 (en) | Electrical power health monitoring system | |
US8296252B2 (en) | Process and apparatus for evaluating operational risks for aiding in vehicular maintenance decisions | |
US20170166328A1 (en) | Predictive aircraft maintenance systems and methods incorporating classifier ensembles | |
CN107807628B (zh) | 民用飞机空调系统热交换器性能退化评估方法 | |
KR20170117377A (ko) | 애셋 헬스 스코어들 및 그 사용 | |
GB2450241A (en) | Bayesian probability analysis for health monitoring and failure prediction of complex systems | |
WO2007046816A2 (en) | Method and apparatus for system monitoring and maintenance | |
US20180039956A1 (en) | Computer Architecture and Method for Recommending Asset Repairs | |
WO2016205132A1 (en) | Local analytics at an asset | |
Keller et al. | An architecture to implement integrated vehicle health management systems | |
KR102073810B1 (ko) | 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템 | |
EP3311345A1 (en) | Local analytics at an asset | |
CN113678075A (zh) | 用于监测至少一个航空器发动机的方法 | |
AU2013101422A4 (en) | Diagnostic and control system and method | |
CN113343364A (zh) | 航空大数据分析方法及工具 | |
Burnaev | Rare failure prediction via event matching for aerospace applications | |
CN107533675B (zh) | 用于汇集与飞机发动机有关的数据的系统 | |
Daouayry et al. | Data-centric helicopter failure anticipation: The mgb oil pressure virtual sensor case | |
Wang | Complexity as a Measure of the Difficulty of System Diagnosis in Next Generation Aircraft Health Monitoring System | |
Bi et al. | An Innovation of Creating Condition Based Work Items in Continuous Airworthiness Maintenance Program |
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 |