CN116562844A - 一种基于总线数据的飞机健康状态识别方法 - Google Patents
一种基于总线数据的飞机健康状态识别方法 Download PDFInfo
- Publication number
- CN116562844A CN116562844A CN202211703437.2A CN202211703437A CN116562844A CN 116562844 A CN116562844 A CN 116562844A CN 202211703437 A CN202211703437 A CN 202211703437A CN 116562844 A CN116562844 A CN 116562844A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- state
- data
- identification
- health
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000003862 health status Effects 0.000 title claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000036541 health Effects 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 11
- 238000013523 data management Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种基于总线数据的飞机健康状态识别方法,所述方法包括:获取飞行数据,并对所述飞行数据进行管理;对所述飞行数据进行预处理;根据所述状态识别对象参数,对飞机进行状态识别,获得识别结果;对所述识别结果,进行数据分析并展示;根据所述识别结果,利用报告模板,自动生成报告。
Description
技术领域
本申请涉及飞机预测与健康管理领域,具体涉及一种基于总线数据的飞机健康状态识别方法。
背景技术
预测与健康管理技术是缩小飞机后勤保障规模,减小维护保障压力,实现飞机视情维修的关键技术。构建飞机预测与健康管理系统通常需要三步:
第一步:搭建机载预测与健康管理系统软硬件架构;
第二步:研究适用于典型系统的预测与健康管理算法;
第三步:开发面向飞机健康状态识别的自主保障系统应用软件。
现有飞机自主保障系统软件具备基本的数据管理和绘图分析功能,支持飞行数据导入、飞机基础信息显示、历史数据查阅、信号搜索和解析。每次飞行结束后,地面保障人员登录自主保障系统软件,将飞行数据导入平台,对飞机的关键参数和故障进行查阅和绘图分析,然后依据维护手册、专家知识或经验对飞机进行维护操作,并将操作过程和设备履历登记在平台,完成一次完整的维护活动。
目前的飞机自主保障系统软件存在以下问题:
a、无法对历史数据进行统计;
b、关键参数的判读依赖人工,无法自动实现;
c、不具备预测功能;
d、不能对飞机当前的状态进行评估;
e、无法自动给出合理的任务执行建议和安排。
发明内容
本发明的目的是:提出一种基于总线数据的飞机健康状态识别方法,能够实现对飞机健康状态的自动识别和评估,并给出维护建议和任务安排。
技术方案:一种基于总线数据的飞机健康状态识别方法,所述方法包括:
a、获取飞行数据,并对所述飞行数据进行管理;
b、对所述飞行数据进行预处理;
c、根据所述状态识别对象参数,对飞机进行状态识别,获得识别结果;
d、对所述识别结果,进行数据分析并展示;
e、根据所述识别结果,利用报告模板,自动生成报告。
具体的,对所述飞行数据进行管理,包括:
按照飞机型号、飞机编号、飞行起止时间、飞行架次的层级对数据进行分类。
具体的,对所述飞行数据进行预处理,包括:
通过加载用户选择的接口控制文件(ICD,Interface ControlDocument),对数据进行解析和处理,并按照成品对数据进行拆分,获得状态识别参数。
具体的,所述状态识别参数包括成品参数、系统参数和飞机参数。
具体的,对飞管系统进行状态识别,包括:
建立飞机管理系统典型工况下的健康状态识别规则;
利用所述健康状态识别规则,对飞管系统进行状态识别,获得成品状态、系统状态和飞机状态信息。
具体的,飞机管理系统的典型工况包括起飞或着陆滑行阶段、空中飞行阶段以及地面停机或维护阶段。
具体的,健康状态识别规则包括:
一维值属性的状态界定规则;
一维时间属性的状态界定规则;
二维属性的状态界定规则;
多维属性的状态界定规则。
具体的,在建立飞机管理系统典型工况下的健康状态识别规则之后,方法还包括:
对健康状态识别规则进行管理。
本发明的优点是:发明一种基于总线数据的飞机健康状态识别方法,对多个型号飞机飞行数据或地面仿真数据进行自动智能分析。软件能够根据用户提供的数据和粗略规则,借助数据挖掘算法,实现飞管系统典型状态的智能识别,辨识系统、部件处于正常、异常或故障状态,同时自动给出维护策略和任务执行建议,解决现有飞机自主保障系统软件依赖人工进行判读分析数据的弊端,提升工作效率和维护策略的效果以及精准度。
附图说明
图1本申请提供的一种基于总线数据的飞机健康状态识别方法的流程示意图;
图2本申请提供的一种状态识别处理步骤示意图;
图3本申请提供的一种状态识别结果展示图;
图4本申请提供的一种系统/成品状态时间分布图。
具体实施方式
如图1所示,本发明的技术方案是:一种基于总线数据的飞机健康状态识别方法,基于总线数据进行自动化判读和分析。具体的,基于总线数据的飞机健康状态识别与规则软件由飞行数据管理、数据预处理、状态识别和结果展示四部分功能组成。
用户通过向平台导入飞行数据,多个型号飞机的数据管理,通过加载对应飞机型号的ICD,对飞行数据进行解析,实现数据预处理。用户通过状态识别功能添加规则模板,由软件生成状态识别规则并将其作用于飞行数据,实现飞行状态的识别和提示,由结果展示功能模块实现处理结果可视化、生成数据分析报告。
方法包括:
步骤1:获取飞行数据,并对所述飞行数据进行管理;
具体的,对所述飞行数据进行管理,包括:按照飞机型号、飞机编号、飞行起止时间、飞行架次的层级对数据进行分类。
需要说明的是,飞行数据管理功能用于实现数据加载和分类。支持外场总线数据、飞参数据、PHM数据加载以及试验室地面飞行仿真数据加载。软件自动识别飞行数据的命名规则,并展示其飞行起止时间、飞行架次、飞机编号、数据大小等信息。软件根据上述信息,按照飞机型号、飞机编号、飞行起止时间、飞行架次的层级对数据进行分类。软件支持用户对飞行数据添加相应的技术状态,如成品型号、件号等。飞行数据管理功能加载的数据供软件所有功能模块使用。用户能够在飞行数据管理功能界面完成数据的导入和删除。
步骤2:对所述飞行数据进行预处理;
具体的,对所述飞行数据进行预处理,包括:通过加载用户选择的ICD,对数据进行解析和处理,并按照成品对数据进行拆分,获得状态识别对象参数;
其中,所述状态识别参数包括成品参数、系统参数和飞机参数。
数据预处理功能模块用于飞行数据预处理。软件通过加载用户选择的ICD,对数据进行解析和处理,并按照成品对数据进行拆分,为状态识别奠定基础。
数据预处理功能还需要实现基本的数据统计。软件须对历史数据中关键参数的值域、变化特征等进行统计,并能够绘制不同架次的统计数据曲线。
步骤3:根据所述状态识别参数,对飞管系统进行状态识别,获得识别结果;
状态识别功能用于识别飞机状态,处于各类工况下的飞机均需进行状态识别。软件通过添加用户提供的模板,自动生成状态识别规则,根据用户定义的规则作用参数范围,对相关数据进行分析,并输出分析或统计结果给数据分析展示功能模块。
具体的,对飞管系统进行状态识别,包括:
步骤31:建立飞机管理系统典型工况下的健康状态识别规则;
具体的,飞机管理系统的典型工况包括起飞或着陆滑行阶段、空中飞行阶段以及地面停机或维护阶段。
a、起飞/着陆/滑行阶段
在此阶段,软件针对飞管计算机、传感器、作动器、控制器、系统总线及其相关软件在起飞、进场着陆过程中的工作特征(如系统上电初始化工作时间是否超时,是否在设计范围转入正常工作模式,自检测模式下系统工作状态是否异常,飞机从地面静止到滑行最后离地等典型工况下系统状态是否正常等),完成相应的状态识别规则开发,对飞管系统运行状态进行界定。
b、空中飞行阶段
在此阶段,软件针对飞管计算机、传感器、作动器、控制器、系统总线及其相关软件在飞机正常巡航、机动或执行特殊任务状态下的飞管系统工作特征,完成相应的状态识别规则开发,对飞管系统状态进行界定。
c、地面停机/维护阶段
在此阶段中,软件结合飞机使用流程,针对飞管计算机、传感器、作动器、控制器、系统总线及其相关软件在维护模式以及软件升级模式下的工作特征,完成相应的状态识别规则开发,对飞管系统运行状态进行界定。
优选的,健康状态识别规则,还可以通过导入方式获得。
实际应用中,软件根据用户在软件界面设定的状态界定规则或导入用户模板自动生成状态识别规则对数据进行分析与统计。对于单次小规则作用域的状态识别,用户可使用手动编辑规则的方式,对于多次大规则作用域的状态识别,软件支持用户导入模板。
健康状态识别规则分为(不限于以下分类):
a、一维值属性的状态界定规则;
例1:以舵面偏转角度delta为例,一个典型的一维值属性的舵面偏转角度状态界定规则定义如下:
b、一维时间属性的状态界定规则;
例2:以CPU响应时间tresponse为例,一个典型的一维时间属性的CPU状态界定规则定义如下:
c、二维属性的状态界定规则;
例3:以CPU温度和持续时间为例(不妨用Tcpu表示CPU温度,用tlast表示持续时间),一个典型的二维属性CPU状态界定规则定义如下:
d、多维属性的状态界定规则。
例4:以RVDT一致性为例,一个典型的多维属性的作动器状态界定规则定义如下:
20℃下的作动器状态界定:
30℃下的作动器状态界定:
步骤32:利用所述健康状态识别规则,对飞机进行状态识别,获得成品状态、系统状态和飞机状态信息。
状态识别提供基础的数据统计功能,包括但不限于以下功能:
a、统计数据值分布情况;
b、统计数据处于正常状态、异常状态或故障状态的时间及其占总飞行时长的比重;
c、计算方差、标准差等表征数据统计特征的关键参数;
d、能够记录本架飞机相关成品的历史数据,自动生成数据库,统计出本架飞机的成品或系统在整个寿命周期的状态;
e、对于处理后,处于正常状态的数据,软件应提示保存,对于异常或故障数据,必须进行保存。
f、软件在保存异常或故障数据时,要按照用户规定的格式进行存储或导出。
具体的,在步骤31之前,方法还包括:对健康状态识别规则进行管理。
软件为用户提供友好的编辑界面,方便用户添加、删除飞管系统或成品对应的参数及其状态识别规则。
软件具备状态识别规则库管理功能,状态识别规则库由一系列状态识别规则构成,软件规则库按照机型、机载软件版本、ICD版本、子系统/成品名称、规则版本、新建/修改时间等属性对规则库进行管理。
状态界定规则与相应版本的ICD对应,并能够被保存和复用。在复用时,需检查其与数据ICD的匹配性,若不匹配,需给予提示。
步骤4:对所述识别结果,进行数据分析并展示。
如图3所示,数据分析与展示功能用于实现飞管系统状态识别结果的可视化。软件主要展示以下内容。
a、以显著的方式展示本次数据分析结果,对相关参数、成品或系统给出正常、异常或故障状态;
b、绘制用户关心的异常或故障数据参数曲线,并在曲线图上标识正常、异常或故障数据段;
c、绘制用户关心的异常或故障数据参数的频数分布直方图;
d、绘制成品历史状态统计数据,如累计故障或异常状态时长或架次;
e、将分析后的数据生成分析报告,并以用户定义的格式输出为文本文件进行保存;
步骤5:根据所述识别结果,利用报告模板,自动生成报告。
其中,所述报告模板根据飞机型号以及系统设计的某一功能编辑相应的报告模板或统计模板。一个完整的状态识别报告包含对下列子系统的分析:
a)飞管系统总体运行情况分析
b)自检测数据分析
c)杆舵检查数据分析
d)传感器采集子系统分析
e)大气系统分析
f)惯导数据分析
g)供电数据分析
h)舵面控制系统数据分析
i)辅助控制子系统分析
用户可在软件界面选择上述内容中的部分或者全部,生成用户定义的状态识别报告模板,上述a)~i)中的每一部分分析,都应包括以下内容:
1、异常状态系统列表
2、异常状态成品列表
3、异常参数列表
4、异常参数随飞行时间变化的曲线
系统中只要有一个成品为故障或异常状态,则系统状态即为故障或异常。若成品中有一个参数处于异常或故障状态,则成品状态即为故障或异常。
如图4所示,状态识别报告模板需要包含系统/成品状态时间分布图。
以上所述,仅为本发明的具体实施例,对本发明进行详细描述,未详尽部分为常规技术。但本发明的保护范围不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于总线数据的飞机健康状态识别方法,其特征在于,所述方法包括:
获取飞行数据,并对所述飞行数据进行管理;
对所述飞行数据进行预处理;
根据所述状态识别参数,对飞管系统进行状态识别,获得识别结果;
对所述识别结果,进行数据分析并展示;
根据所述识别结果,利用报告模板,自动生成报告。
2.根据权利要求1所述的飞机健康状态识别方法,其特征在于,对所述飞行数据进行管理,包括:
按照飞机型号、飞机编号、飞行起止时间、飞行架次的层级对数据进行分类。
3.根据权利要求1所述的飞机健康状态识别方法,其特征在于,对所述飞行数据进行预处理,包括:
通过加载用户选择的接口控制文件(ICD,Interface ControlDocument),对数据进行解析和处理,并按照成品对数据进行拆分,获得状态识别对象参数。
4.根据权利要求3所述的飞机健康状态识别方法,其特征在于,所述状态识别参数包括成品参数、系统参数和飞机参数。
5.根据权利要求1所述的飞机健康状态识别方法,其特征在于,对飞机进行状态识别,包括:
建立飞机典型工况下的健康状态识别规则;
利用所述健康状态识别规则,对飞机进行状态识别,获得成品状态、系统状态和飞机状态信息。
6.根据权利要求5所述的飞机健康状态识别方法,其特征在于,飞机的典型工况包括起飞或着陆滑行阶段、空中飞行阶段以及地面停机或维护阶段。
7.根据权利要求1所述的飞机健康状态识别方法,其特征在于,健康状态识别规则包括:
一维值属性的状态界定规则;
一维时间属性的状态界定规则;
二维属性的状态界定规则;
多维属性的状态界定规则。
8.根据权利要求1所述的飞机健康状态识别方法,其特征在于,在建立飞机典型工况下的健康状态识别规则之后,方法还包括:
对健康状态识别规则进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211703437.2A CN116562844A (zh) | 2022-12-29 | 2022-12-29 | 一种基于总线数据的飞机健康状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211703437.2A CN116562844A (zh) | 2022-12-29 | 2022-12-29 | 一种基于总线数据的飞机健康状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116562844A true CN116562844A (zh) | 2023-08-08 |
Family
ID=87493509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211703437.2A Pending CN116562844A (zh) | 2022-12-29 | 2022-12-29 | 一种基于总线数据的飞机健康状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562844A (zh) |
-
2022
- 2022-12-29 CN CN202211703437.2A patent/CN116562844A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220027762A1 (en) | Predictive maintenance model design system | |
CN111259515B (zh) | 一种飞行器健康管理方法及系统 | |
CN105955243B (zh) | 一种基于故障案例的飞机诊断维修方法及其装置 | |
RU2573735C2 (ru) | Способ и система для анализа полетных данных, записанных во время полета летательного аппарата | |
US20170024649A1 (en) | Anomaly detection system and method for industrial asset | |
CN113486938B (zh) | 基于多分支时间卷积网络的重着陆的分析方法和装置 | |
RU2627257C2 (ru) | Способ анализа собранных воздушным судном полетных данных с целью их подразделения по фазам полета | |
EP3336636A1 (en) | Machine fault modelling | |
Mangortey et al. | Application of machine learning techniques to parameter selection for flight risk identification | |
US20190092495A1 (en) | System and method for aircraft failure prediction | |
Meseroll et al. | Data mining navy flight and maintenance data to affect repair | |
Wang et al. | Aircraft auxiliary power unit performance assessment and remaining useful life evaluation for predictive maintenance | |
Forest et al. | Large-scale vibration monitoring of aircraft engines from operational data using self-organized Models | |
CN116562844A (zh) | 一种基于总线数据的飞机健康状态识别方法 | |
EP4060310A1 (en) | Method and system for assessing compliance of aircraft engines | |
CN105868402A (zh) | 面向飞机维修品质分析的qar数据预处理方法及其装置 | |
CN112256830B (zh) | 一种设备排查信息获取方法、装置和设备故障排查系统 | |
Li et al. | Overview of application in data mining techniques to qar data ansys | |
CN113515560A (zh) | 车辆故障的分析方法、装置、电子设备及存储介质 | |
JP2022042989A (ja) | センサデータに基づく修理の自動予測 | |
Daouayry et al. | Data-centric helicopter failure anticipation: The mgb oil pressure virtual sensor case | |
JP2018005554A (ja) | 故障木作成装置 | |
Zaluski et al. | Developing data mining-based prognostic models for cf-18 aircraft | |
Liu et al. | Research on a case-based decision support system for aircraft maintenance review board report | |
Cai et al. | Risk identification of civil aviation engine control system based on particle swarm optimization-mean impact value-support vector machine |
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 |