CN117408668B - 基于飞机健康管理的检修方法、系统、设备和存储介质 - Google Patents
基于飞机健康管理的检修方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN117408668B CN117408668B CN202310993519.3A CN202310993519A CN117408668B CN 117408668 B CN117408668 B CN 117408668B CN 202310993519 A CN202310993519 A CN 202310993519A CN 117408668 B CN117408668 B CN 117408668B
- Authority
- CN
- China
- Prior art keywords
- failure
- type
- maintenance
- time
- overhaul
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000036541 health Effects 0.000 title claims abstract description 17
- 238000011084 recovery Methods 0.000 claims abstract description 40
- 230000015556 catabolic process Effects 0.000 claims abstract description 22
- 238000006731 degradation reaction Methods 0.000 claims abstract description 22
- 230000008439 repair process Effects 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 54
- 238000012937 correction Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 5
- 239000003921 oil Substances 0.000 description 63
- 238000012544 monitoring process Methods 0.000 description 43
- 239000010720 hydraulic oil Substances 0.000 description 37
- 238000004458 analytical method Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 15
- 229910052760 oxygen Inorganic materials 0.000 description 15
- 239000001301 oxygen Substances 0.000 description 15
- 239000010687 lubricating oil Substances 0.000 description 12
- 238000011161 development Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 239000000446 fuel Substances 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000010006 flight Effects 0.000 description 4
- 238000005461 lubrication Methods 0.000 description 4
- 239000010729 system oil Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 101000799969 Escherichia coli (strain K12) Alpha-2-macroglobulin Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000002828 fuel tank Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- IWEDIXLBFLAXBO-UHFFFAOYSA-N dicamba Chemical compound COC1=C(Cl)C=CC(Cl)=C1C(O)=O IWEDIXLBFLAXBO-UHFFFAOYSA-N 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了基于飞机健康管理的检修方法、系统、设备和存储介质,所述方法包括:基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;基于待维修项目的传感器数据确定失效类型;若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。综合考虑失效原因、失效影响等因素,确定可由智能检修系统替代人工检修的待维修项目,实现高效维修。
Description
技术领域
本申请实施例涉及飞机维修技术领域,具体涉及基于飞机健康管理的检修方法、系统、设备和存储介质。
背景技术
随着电子技术、信息技术以及新材料等技术的迅猛发展,现代民用客机日益趋于大型化、复杂化、高速化和自动化。飞机系统复杂性也随之增加,各部件间耦合性更为紧密。加之飞机工作环境与任务多变性,这就导致飞机失效存在一定的耦合性和随机性。
飞机维修方案是飞机维修活动的依据和标准,是航空公司针对飞机开展例行维修工作的指导性文件,也是保证飞机满足安全适航的指导性文件。航空公司作为公共航空运输承运人,在编制维修方案时,面临着保持飞机持续安全适航与成本效益最大化的压力。
目前,MSG-3是国际上主流的维修方案分析方法,MSG-3更多依靠工程判断和运行经验,存在一定的局限性,如在初始制定阶段没有确切的可靠性数据支持,导致检查类任务往往采用偏保守的检查间隔,在执行大量检查任务时没有发现失效,往往会导致维修不足、维修过剩、维修资源分配不合理。
发明内容
为此,本申请实施例提供基于飞机健康管理的检修方法、系统、设备和存储介质,综合考虑失效原因、失效影响等因素,确定可由智能检修系统替代人工检修的待维修项目,实现高效维修。
为了实现上述目的,本申请实施例提供如下技术方案:
根据本申请实施例的第一方面,提供了基于飞机健康管理的检修方法,所述方法包括:
基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
基于待维修项目的传感器数据确定失效类型;
若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;
基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。
可选地,所述方法还包括:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作。
可选地,所述方法还包括:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作;所述性能失效类型属于设备故障导致异常的类型。
可选地,所述检修预测模型按照如下公式:
xi+h=(Qi+hZi)pi-k
其中,xi+h表示下一时间i+h的预测值,Qi表示历史i个数据的维修项目的平滑值,Zi是趋势修正变量,pi是周期变量,k为周期;
可选地,所述Qi、Zi、pi按照如下公式表示:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1)
Zi=β(Qi-Qi-1)+(1-β)Zi-1
pi=γxi/Qi+(1-γ)pi-k
其中,α,β,γ为平滑参数。
可选地,基于待维修项目的传感器数据确定失效类型,包括:
根据待维修项目的项目类型和项目维修间隔确定失效原因;
根据所述失效原因、执行目的和性能衰减特征确定性能变化目标参数、采集参数和测量参数;
根据性能变化目标参数、采集参数和测量参数确定失效类型。
根据本申请实施例的第二方面,提供了基于飞机健康管理的检修系统,所述系统包括:
筛选模块,用于基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
失效类型确定模块,用于基于待维修项目的传感器数据确定失效类型;
检修预测模块,用于若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;
智能检修模块,用于基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。
可选地,所述检修预测模块,还用于:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作;所述性能失效类型属于设备故障导致异常的类型。
根据本申请实施例的第三方面,提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
综上所述,本申请实施例提供了基于飞机健康管理的检修方法、系统、设备和存储介质,通过基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;基于待维修项目的传感器数据确定失效类型;若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。综合考虑失效原因、失效影响等因素,确定可由智能检修系统替代人工检修的待维修项目,实现高效维修。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本申请实施例提供的基于飞机健康管理的检修飞机检修方法流程示意图;
图2为本申请实施例提供的AHM替代维修方案项目的流程示意图;
图3为本申请实施例提供的AHM需求分析流程示意图;
图4为本申请实施例提供的绿系统油量消耗趋势数据拟合监控示意图;
图5为本申请实施例提供的油量消耗趋势数据拟合监控示意图;
图6为本申请实施例提供的氧气消耗趋势数据拟合监控示意图;
图7为本申请实施例提供的基于飞机健康管理的检修飞机检修系统框图;
图8示出了本申请实施例提供的一种电子设备的结构示意图;
图9示出了本申请实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着飞机数字化及大数据技术的不断发展,现代飞机机载数据记录、数据传输、大数据分析技术已经广泛应用。在确保飞机满足持续安全适航的前提下,研究利用飞机传感器数据,应用AHM技术完全替代或部分替代现有维修方案项目,实现制定更加安全高效的飞机维修任务,成为航空公司从源头减少定期维修工作中的过度维修,提高飞机安全经济性的重要研究方向。
本申请实施例将预测性技术引入MSG-3实现维修方案预测性维修项目建立,探索AHM替代传统维修方案定期维修项目,以飞机液压油量监控为例开展研究,建立基于数据驱动的液压油量监控模型,验证将一个计划性维修方案项目转化为预测性维修项目的方法和过程。
图1示出了本申请实施例提供的飞机检修方法,所述方法包括如下步骤:
步骤101:基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
步骤102:基于待维修项目的传感器数据确定失效类型;
步骤103:若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;
步骤104:基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。
在一种可能的实施方式中,所述方法还包括:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作。所述性能失效类型属于设备故障导致异常的类型。
在一种可能的实施方式中,所述方法还包括:
若所述失效类型不属于勤务修复类型、功能降级类型和性能失效类型,则发出智能检修失败消息,以提醒维修人员采用非智能检修方式进行项目维修。
在一种可能的实施方式中,所述检修预测模型按照如下公式:
xi+h=(Qi+hZi)pi-k
xi+h表示下一时间i+h的预测值,Qi表示历史i个数据的维修项目的平滑值,Zi是趋势修正变量,pi是周期变量,k为周期。
在一种可能的实施方式中,所述Qi、Zi、pi按照如下公式表示:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1)
Zi=β(Qi-Qi-1)+(1-β)Zi-1
pi=γxi/Qi+(1-γ)pi-k
其中,α,β,γ为平滑参数。
在一种可能的实施方式中,基于待维修项目的传感器数据确定失效类型,包括:
根据待维修项目的项目类型和项目维修间隔确定失效原因;
根据所述失效原因、执行目的和性能衰减特征确定性能变化目标参数、采集参数和测量参数;
根据性能变化目标参数、采集参数和测量参数确定失效类型。
下面结合附图对本申请实施例提供的飞机检修方法进行详细描述。
图2示出了本申请实施例提供的AHM替代维修方案项目(Maintenance Schedule,MS)的整体流程,具体步骤如下:
步骤1:获取维修项目待选清单;
步骤2:分析此维修项目的执行目的、失效原因;
根据待替代维修项目的基本信息,包括基本技术原理介绍、项目类别(润滑、勤务、报废、恢复等)、项目间隔,基于系统原理分析,确定该维修项目的执行目的(如:确保某某功能、预防某某功能失效等)和可能失效的原因。
步骤3:分析并获得能覆盖维修项目每个执行目的的AHM算法需求;其中单个维修方案项目可能有多个执行目的;
步骤4:判断维修项目是否存在开发AHM算法所需的飞机传感器参数数据?若存在,执行步骤5;若不存在,则不能替代;
排除MS待选清单中,缺少飞机传感器数据的项目。对于有传感器数据的项目,根据维修项目执行目的、失效原因、性能衰减特征,梳理出能反映飞机系统、部件性能变化的目标参数,这部分参数可以为机载设备直接采集的参数,如整体驱动发电机滑油温度;也可以是经过多参数复合运算出来的测量参数,如双发滑油温度差值、某飞行阶段内滑油温度最大值。另外,目标参数在整个飞机运行过程中抓取的时间点,必须谨慎考虑。获取的目标参数必须准确有效的表征系统或部件的状态,可能还要依据AMM手册,查询目标参数记录时,飞机应处于的特定构型、相关系统状态等。
AHM阈值的设定对模型预测的准确度有重要的影响,需根据技术原理、运行标准文件、机队QAR历史数据分析结果等影响因数,综合考虑。最终形成完整的AHM计算逻辑方案。
基于AHM监控需求,分解出所需的QAR数据和ACARS报文数据清单。针对QAR数据,核查飞机原始标准飞机综合数据系统(AIDS)内是否记录所需数据,若未记录,则完成机载AIDS软件编程、机载软件更新。针对ACARS报文数据,执行自编ACARS报文工作。实现获取开发所需的参数数据。
步骤5:完成AHM预测性算法开发;
步骤6:分析AHM替代维修项目的候选对象所要发现的失效原因,针对每个失效原因执行步骤7-1、7-2;
步骤7-1:若润滑/勤务工作对减缓失效原因有效,AHM能监控到吗?若AHM能通过QAR或ACARS报文数据,获取准确的温度修正后液压油量,经与勤务标准对比后,可发现液压油箱需要执行勤务工作,则执行步骤8-1;若不能,则不能代替;
步骤8-1:判断AHM有效吗?若AHM取值满足AMM构型要求,监控参数经温度修正,能够反映实际油量与标准之间的变化状态,符合油量监控要求。基于QAR数据开发油量性能趋势监控;基于ACARS实时报文监控,实现最低油量实时预警、提升AHM监控的时效性,同时作为双备份,提升整个AHM监控系统的安全可靠性,则执行步骤9-1;若无效,则不能代替;在一种可能的实施方式中,根据本申请实施例提供的智能检修方法替代传统维修方法后,智能检修方法警告成功率超过门槛值,如90%,则说明有效。
步骤9-1:判断AHM是否可以预测润滑/勤务需求,并提供足够的时间来执行润滑/勤务工作吗?若AHM液压油量数据拟合趋势线,与正常油量消耗速率的基准线对比,以显示退化程度,并预估未来液压油量消耗趋势。根据设定留有裕度的警告阈值,在影响操作前的预测时间来执行勤务工作,则执行步骤10;若不能,则不能代替;
步骤7-2:AHM能探测功能降级吗?若能,则执行步骤8-2;若不能,则执行步骤7-3;
步骤8-2:判断AHM有效吗?若有效,则执行步骤9-2;若无效,则不能代替;
步骤9-2:判断AHM是否可以预测性能衰减,并提供足够的时间来执行性能恢复工作?若能,则执行步骤10;若不能,则不能代替;
步骤7-3:判断AHM能探测隐性失效吗(8、9类FEC)?若能,则执行步骤8-3;若不能,则不能代替;
步骤8-3:判断AHM有效吗?若有效,则执行步骤9-3;若无效,则不能代替;
步骤9-3:判断AHM是否可以预测性能失效,并提供足够的时间来执行失效纠正工作?若能,则执行步骤10;若不能,则不能代替;
步骤10:判断AHM能完全满足原维修项目的要求吗?若能部分满足,则执行步骤11;若能完全满足,则执行步骤12;
步骤11:AHM作为MS的补充;
步骤12:使用AHM替代方案;
步骤13:汇总分析维修项目所发现的失效原因的替代分析结论。
例如,AHM程序可以及时发现可能的失效原因1/2:正常消耗或油箱渗漏。针对可能的失效原因3:油箱指示器失效,当油量指示器的线性条带松脱或断裂、油量指示器的弹性组件卡阻或松脱时,油量会出现大幅度突变,或者持续较长时间油量不变等异常情况,AHM程序可以及时发现油量数值异常变化,并自动发出警告。
针对不同AHM开发需求,视情建立实时失效监控和趋势性监控。针对性能监控,可建立基于时间序列的目标特征参数监控或其他监控算法模型。针对实时失效监控,开发失效特征监控算法。利用大数据分析等软件信息技术,完成模型开发。下面是本申请实施例提供的数据平滑算法:
数据平滑算法基于以下的递推关系:
Qi=αxi+(1-α)Qi-1
其中α是平滑参数,根据不同的飞机维修项目,设定合理的数值,取值范围为[0,1],如α=0.8,Qi是维修项目历史i个数据的平滑值,α越接近1,平滑后的值越接近当前时间的数据值,数据越不平滑,α越接近0,平滑后的值越接近前i个数据的平滑值,数据越平滑。
在此基础上添加新的变量Z来表示平滑后的趋势,表示数据随时间趋势是增加或递减:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1)
Zi=β(Qi-Qi-1)+(1-β)Zi-1
预测未来数据公式为:
xi+h=Qi+hZi
另外添加了一个新的参数p来表示平滑后数据的周期性。
pi=γxi/Qi+(1-γ)pi-k
利用修正维修项目标准值算法,获取现有维修项目的修正值:
Q修正(绿)=Q原始绿系统维修项目值+0.05(20-T);
Q修正(黄)=Q原始黄系统维修项目值+0.05(20-T)
Q修正(蓝)=Q原始蓝系统维修项目值+0.025(20-T)
T为此时维修项目相关设备的温度;不同的航班维修项目相关设备温度不同,因而传感器记录的维修项目相关设备需要统一修正到设定温度。
再利用维修项目数据平滑算法获取维修项目预测值:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1);
Zi=β(Qi-Qi-1)+(1-β)Zi-1,新的变量Z表示平滑后的趋势,Zi是为了引入预测趋势(向上或者向下趋势)的趋势修正变量。
pi=γxi/Qi+(1-γ)pi-k,其中k为周期,新的变量pi是为了引入周期性变化,表示周期的长度。
Qi表示历史i个数据的维修项目的平滑值,Qi-1表示之前i-1个数据的维修项目的平滑值,α是平滑参数,取值为[0,1],α越接近1,平滑后的值越接近当前时间的数据值,数据越不平滑,α越接近0,数据越平滑。α,β,γ的取值可以为0.45,0.05,0.91。
预测公式为:
xi+h=(Qi+hZi)pi-k
xi+h表示预测未来的数值,α,β,γ的值都位于[0,1]之间,需要与技术原理结合并多试验以达到最佳效果。Q,Z,p初始值的选取对于算法整体的影响不是特别大,通常的取值为Q0=x0,Z0=x1-x0,累加时p=0,累乘时p=1。
下面结合图3对本申请实施例提供的AHM需求分析流程进行总结。
第一方面:汇总替代分析结论。
根据AHM对维修项目系统功能失效原因的覆盖能力,通过AHM分析产生三类输出:
a)无法建立预测性维修项目。AHM能力不足以覆盖失效原因,保留MSG-3两级逻辑决断产生的维修项目。
b)能建立预测性维修替代项目。AHM能力完全覆盖失效原因,替代MSG-3两级逻辑决断产生的维修项目。
c)能建立预测性维修项目,但需与MSG-3项目并行使用。AHM能力部分覆盖失效原因,保留修订后的MSG-3两级逻辑决断产生的维修项目,修订包括:延长间隔、减少工作范围和根据AHM参数监控情况执行。
第二方面:数据分析。
AHM替代维修项目实践中积累数据,包括真假警告率数据、失效发生率、机号、机龄、例行工卡执行次数、例行工卡执行发现问题、部件送修数据、运行数据、连续的工卡检查数据、非例行维修数据、延误取消、使用困难报告等。执行数据分析,论证AHM系统可靠性。
第三方面,工程分析及结论。
通过剖析系统原理,综合考虑失效影响、计算间隔结果、缓解/监控措施(若有)、定检任务组包、航线环境等因素,确定最终的客户化AHM替代或部分替代维修项目。
第四方面,替代风险评估。
首先需分析待替代维修项目要确保的功能,以及一旦失效会造成的影响和后果。其次需分析少执行或者不执行该维修方案项目而导致关联失效发生的可能性(即关联失效发生时,有无缓解措施)以及失效后果的严重性。通过风险分析方法(如风险矩阵等)综合评估维修间隔改变可能导致的风险,确保风险在可控范围内则继续执行后续分析,否则终止分析。
需要说明的是,维修方案项目数量较多,如A320机型维修方案项目目前就有1500余条。本申请实施例将以MS“检查液压油箱指示器上的液压油量指示”项目为例,详细介绍AHM替代维修项目流程。
下面将主要以“检查液压油箱指示器上的液压油量指示”为例,详细介绍AHM替代维修项目流程。
(一)维修项目简述
飞机液压系统是指飞机上以油液为工作介质,靠油压驱动执行机构完成特定操纵动作的整套装置。液压油箱是飞机液压系统的重要组成之一。液压油箱上安装有油量指示器,指示器表盘显示油量并发送油量电信号给ECAM显示。该指示装置的浮子组件机械地连接到同步变送器上,机械指示器的指针与同步变送器相连,当浮子移动时,同步变送器和指针一起转动,从而表盘指针油量和电信号油量同步变动。另外油箱还装有低油量传感器。
黄绿蓝系统油箱正常加油量分别为:12L、14L、6L;直读表最大油位指示分别为:18L、18L、8L。维修方案是关于检查液压油箱指示器上的液压油量指示项目。
(二)AHM需求分析
AHM模型的开发目标是建立稳定可靠、数据准确、监控有效的液压油量监控算法,替代目前人工执行维修方案项目——检查液压油箱指示器上的油量指示的工作。MS项目目的为检查主液压油箱油量指示。经查液压油箱指示器上的油量指示可知,获取准确的液压系统油箱油量时,飞机应处于特定维护构型。AHM需求分析及所需参数数据,如表1所示。
表1AHM需求分析及所需参数数据
根据油量勤务标准以及机队历史QAR数据分析,分别针对设定油量性能趋势监控和实时最低油量监控设定合理的阈值。通过基于数据拟合的趋势监控,将液压油量测量值与基线曲线进行比较,以显示退化程度或异常油量消耗趋势。可在影响操作前,预测到油箱油量需勤务的需求,提前下发执行,提高安全裕度。
分析某航司机队34万个航班的QAR数据,黄系统液压油量在11L至17L,占比98.85%;油量小于11L,占比为0.79%,油量分布呈现正态分布状态,主要集中在正常的油量14.5±1;绿系统液压油量在13L至17L,占比98.92%;油量小于13L的占比为0.61%。综合评估设定合理的阈值,当温度为20℃,黄绿蓝系统油量性能趋势监控的阈值分别设定为11L、13L、5.5L。
黄绿蓝系统低油位警告:(3.0±0.4)L、(3.0±0.4)L、(2.0到2.3)L。为提供足够的时间裕度来执行相应的纠正工作。当温度为20℃,实时监控最低油量预警设定两级阈值分别为6L、6L、4L;以及3.5L、3.5L、2.4L。
(三)开发AHM监控模型
基于AHM监控需求目标,开发油量性能趋势监控和实时最低油量监控。航司受限于无法获取部件设计数据,如性能衰减模式等信息。通过历史QAR数据分析,探究液压油量消耗模式,发现液压油量在两次加油工作之间,正常油量数据消耗数据呈现线性衰减趋势。
因而引入曲线拟合技术,依据参数变化特点选择直线拟合方式,设定较高拟合阶次,进行多项式拟合训练或应用最小二乘法,通过最小化误差的平方和寻找数据的最佳函数匹配。
油箱油量正常消耗呈现周期性衰减,通过数学计算获得拟合公式,那么利用数据拟合的直线公式及阈值,即可预测出未来X天内需要执行油量勤务的飞机,完成黄绿蓝系统监控开发。
图4示出了绿系统油量消耗趋势数据拟合监控示意图,涉及单周期内液压油量数据预测,包括绿系统液压油量的分布,数据拟合趋势线和移动平均线。图5示出了完整周期性液压油量预测图。包括监控开发液压油量的分布,以及液压油量移动的平均线,还有预测出的油量预测线。可以看出,实验中的油量预测线与液压油量移动的平均线趋势相近,本算法有效。
本申请实施例提供的AHM监控模型开发方法中,利用ACARS报文数据执行液压油量实时监控渗漏算法开发。以及设定单位时间内液压系统快漏预警算法。例如按参考黄绿系统每1000FH小时执行4L/次勤务工作,则理论油量消耗速率应约为250FH/升,同理蓝系统理论油量消耗速率约为500FH/升。利用历史QAR大数据分析,可得实际油量消耗速率,综合评估,设定合理油量消耗速率阈值区间,作为快速渗漏的警告门槛值,实现实时液压油量监控,提高安全裕度。结合大数据分析技术,实现复合型AHM监控模型开发。
由于不同航班飞机所处的环境温度不同,如北京飞三亚,因而连续两个航班的原始油量参数,需要进行修正。先利用修正标准油量算法,获取20摄氏度下现有液压系统的油量:
Q修正(绿)=Q原始绿系统油量+0.05(20-Z);
Q修正(黄)=Q原始黄系统油量+0.05(20-Z)
Q修正(蓝)=Q原始蓝系统油量+0.025(20-Z)
Z为此时油箱的温度;不同的航班油箱温度不同,因而传感器记录的油箱需要统一修正到设定温度。
再利用油量平滑算法获取预测油量值:
Qi=αxi+(1-α)Qi-1
其中α是平滑参数,根据不同的飞机维修项目,设定合理的数值,取值范围为[0,1],如α=0.8,Qi是维修项目历史i个数据的平滑值,α越接近1,平滑后的值越接近当前时间的数据值,数据越不平滑,α越接近0,平滑后的值越接近前i个数据的平滑值,数据越平滑。
在此基础上添加新的变量Z来表示平滑后的趋势,表示数据随时间趋势是增加或递减:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1)
Zi=β(Qi-Qi-1)+(1-β)Zi-1
预测未来数据公式为:
xi+h=Qi+hZi
另外添加了一个新的参数p来表示平滑后数据的周期性。
pi=γxi/Qi+(1-γ)pi-k
(四)AHM替代维修项目分析
表2维修方案项目失效原因分析
AHM措施总结:
描述:液压油箱油量指示数据读取、分析。
间隔:系统每天自动收取数据,每两周人工复核数据。
工作步骤:具有相应授权的工程师,接收AHM系统自动发送的警告和数据报表,每两周复核AHM液压油箱油量数据,一旦发现异常编写、下发工卡,明确纠正措施和期限。
(五)替代风险评估
参考系统原理可知,指示系统包括:A、油量显示系统B、低油量警告系统。飞机液压油量一旦低于低油量阈值会触发失效信息和ECAM警告信息,机组可依FCOM手册执行非正常操作程序。目前A航司已建立针对飞机液压油量的实时监控和趋势监控模型,一旦液压油量消耗率异常或触发设定的阈值,系统将自动发出警告,工程师适时下发工作指令进行检查、排故或勤务工作。
本申请实施例提供的AHM采用基于ACARS报文数据的实时监控和基于QAR的趋势监型,具有双链路相互对比备份功能,提升AHM可靠性。另外若AHM系统故障,机载低油量警告系统为备份的冗余系统。
(六)数据分析
在具体的实验应用中,本申请实施例提供的基于飞机健康管理的检修方法,在“检查液压油箱指示器上的油量指示的工作”时,准确率超过99%,有效代替传统的检修方法。
(七)工程分析及结论
综合考虑失效原因、失效影响、AHM有效性等因素,确定最终的客户化AHM替代或部分替代维修项目。通过统计维修方案项目的执行情况,以及关联航线/定检维修中的缺陷发现情况,经可靠性分析和工程评估后,认为项目总体安全性满足要求,风险可控,决议此项目被AHM等效替代。
上面为以“检查液压油箱指示器上的液压油量指示”为例介绍的AHM替代维修项目流程。如果运用在氧气瓶压力方面,也可以运用本申请实施例提供的方法,首先获取氧气瓶压力这个待维修项目的传感器数据,进一步根据氧气瓶压力的项目类型和项目维修间隔确定失效原因;根据失效原因、执行目的和性能衰减特征确定氧气瓶压力性能变化目标参数、采集参数和测量参数;进一步根据氧气瓶压力性能变化目标参数、采集参数和测量参数确定氧气瓶压力失效类型。如果氧气瓶压力失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间,并基于预测的勤务工作的时间执行勤务工作;或者若氧气瓶压力失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间,并基于预测的功能恢复的时间执行功能恢复工作。
图6示出了氧气瓶压力检测维修预测示意图,横坐标代表时间,纵坐标代表氧气瓶的压力PSI。根据氧气瓶历史压力变化结合数据预测算法计算出氧气瓶的压力阈值为950psi。机组氧气瓶压力从最开始的1900psi,在使用过程中由于测试或使用,逐步降低至950psi以下时,发出警告。整体氧气压力是周期性的,从1900psi降到950psi以下,进行新氧气瓶的更换。
同理,如果运用在整体驱动发电机IDG滑油温度的替代维修检测方面,首先获取IDG滑油温度待维修项目的温度传感器数据,进一步根据IDG滑油温度项目类型和项目维修间隔确定IDG滑油温度失效原因;根据IDG滑油温度失效原因、执行目的和性能衰减特征确定IDG滑油温度性能变化目标参数、温度采集参数和温度测量参数;进一步根据IDG滑油温度性能变化目标参数、采集参数和测量参数确定IDG滑油温度失效类型。如果IDG滑油温度失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间,并基于预测的勤务工作的时间执行勤务工作;如果IDG滑油温度失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间,并基于预测的功能恢复的时间执行功能恢复工作。
综上所述,本申请实施例提供了基于飞机健康管理的检修方法,通过基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;基于待维修项目的传感器数据确定失效类型;若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。综合考虑失效原因、失效影响等因素,确定可由智能检修系统替代人工检修的待维修项目,实现高效维修。
基于相同的技术构思,本申请实施例还提供了基于飞机健康管理的检修系统,图7所示,所述系统包括:
筛选模块701,用于基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
失效类型确定模块702,用于基于待维修项目的传感器数据确定失效类型;
检修预测模块703,用于若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;
智能检修模块704,用于基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作。
在一种可能的实施方式中,所述检修预测模块703,还用于:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作。
本申请实施方式还提供一种与前述实施方式所提供的方法对应的电子设备。请参考图8,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。所述电子设备20可以包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个物理端口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的方法对应的计算机可读存储介质,请参考图9,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.基于飞机健康管理的检修方法,其特征在于,所述方法包括:
基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
基于待维修项目的传感器数据确定失效类型;
若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;
基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作;
所述检修预测模型按照如下公式:
xi+h=(Qi+hZi)pi-k
其中,xi+h表示下一时间i+h的预测值,Qi表示历史i个数据的维修项目的平滑值,Zi是趋势修正变量,pi是周期变量,k为周期。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作;所述性能失效类型属于设备故障导致异常的类型。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
若所述失效类型不属于勤务修复类型、功能降级类型和性能失效类型,则发出智能检修失败消息,以提醒维修人员采用非智能检修方式进行项目维修。
4. 如权利要求1所述的方法,其特征在于,所述Qi、Zi、pi按照如下公式表示:
Qi=αxi/pi-k+(1-α)(Qi-1+Zi-1)
Zi=ß(Qi-Qi-1)+(1-ß)Zi-1
pi=γxi/Qi+(1-γ)pi-k
其中,α、ß、γ为平滑参数。
5.如权利要求1所述的方法,其特征在于,基于待维修项目的传感器数据确定失效类型,包括:
根据待维修项目的项目类型和项目维修间隔确定失效原因;
根据所述失效原因、执行目的和性能衰减特征确定性能变化目标参数、采集参数和测量参数;
根据性能变化目标参数、采集参数和测量参数确定失效类型。
6.基于飞机健康管理的检修系统,其特征在于,所述系统包括:
筛选模块,用于基于待维修项目信息筛选检测到飞机上拥有传感器数据的待维修项目;
失效类型确定模块,用于基于待维修项目的传感器数据确定失效类型;
检修预测模块,用于若所述失效类型属于勤务修复类型,则基于检修预测模型预测出勤务工作的时间;或者若所述失效类型属于功能降级类型,则基于检修预测模型预测出功能恢复的时间;所述勤务修复类型属于可通过工作人员的勤务工作进行修复的类型;所述功能降级类型是属于可进行性能恢复工作的类型;
智能检修模块,用于基于预测的勤务工作的时间执行勤务工作;或者基于预测的功能恢复的时间执行功能恢复工作;
所述检修预测模型按照如下公式:
xi+h=(Qi+hZi)pi-k
其中,xi+h表示下一时间i+h的预测值,Qi表示历史i个数据的维修项目的平滑值,Zi是趋势修正变量,pi是周期变量,k为周期。
7.如权利要求6所述的系统,其特征在于,所述检修预测模块,还用于:
若所述失效类型属于性能失效类型,则基于检修预测模型预测出性能失效时间,以基于预测的性能失效的时间执行失效纠正的工作;所述性能失效类型属于设备故障导致异常的类型。
8.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行以实现如权利要求1-5任一项所述的基于飞机健康管理的检修方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1-5任一项所述的基于飞机健康管理的检修方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993519.3A CN117408668B (zh) | 2023-08-07 | 2023-08-07 | 基于飞机健康管理的检修方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993519.3A CN117408668B (zh) | 2023-08-07 | 2023-08-07 | 基于飞机健康管理的检修方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117408668A CN117408668A (zh) | 2024-01-16 |
CN117408668B true CN117408668B (zh) | 2024-05-10 |
Family
ID=89489723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310993519.3A Active CN117408668B (zh) | 2023-08-07 | 2023-08-07 | 基于飞机健康管理的检修方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408668B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201611992D0 (en) * | 2016-07-11 | 2016-08-24 | Ge Aviat Systems Ltd | Prognostic rules for predicting a part failure |
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于系统级寿命信息的成组维修决策方法 |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及系统 |
CN112036771A (zh) * | 2020-09-27 | 2020-12-04 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种飞机健康管理系统 |
CN113886951A (zh) * | 2021-09-26 | 2022-01-04 | 湖北航天技术研究院总体设计所 | 一种飞行器健康管理系统及方法 |
CN114925862A (zh) * | 2022-05-18 | 2022-08-19 | 杉数科技(北京)有限公司 | 一种航空发动机修理时间预测方法及装置 |
CN115130595A (zh) * | 2022-07-05 | 2022-09-30 | 重庆电子工程职业学院 | 基于预测的飞行器数据分析与维修系统 |
CN115330045A (zh) * | 2022-08-10 | 2022-11-11 | 北京航空航天大学 | 一种基于飞机状态的备件动态规划方法及系统 |
WO2023000829A1 (zh) * | 2021-07-20 | 2023-01-26 | 海尔(深圳)研发有限责任公司 | 用于空调故障分析处理的方法及装置、服务器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340854B2 (en) * | 2006-12-19 | 2012-12-25 | The Boeing Company | Methods and systems for centrally managed maintenance program for aircraft fleets |
US20170043884A1 (en) * | 2015-08-13 | 2017-02-16 | Airbus (S.A.S.) | Methods and systems for health management of a fleet of aircraft |
US9747564B1 (en) * | 2016-02-12 | 2017-08-29 | The Boeing Company | Aircraft maintenance and inspection with data analytics enhancement |
US20170243413A1 (en) * | 2016-02-22 | 2017-08-24 | Hamilton Sundstrand Corporation | Method for determining aircraft sensor failure without a redundant sensor and correct sensor measurement when redundant aircraft sensors give inconsistent readings |
-
2023
- 2023-08-07 CN CN202310993519.3A patent/CN117408668B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201611992D0 (en) * | 2016-07-11 | 2016-08-24 | Ge Aviat Systems Ltd | Prognostic rules for predicting a part failure |
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于系统级寿命信息的成组维修决策方法 |
CN111259515A (zh) * | 2020-01-07 | 2020-06-09 | 珠海欧比特宇航科技股份有限公司 | 一种飞行器健康管理方法及系统 |
CN112036771A (zh) * | 2020-09-27 | 2020-12-04 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种飞机健康管理系统 |
WO2023000829A1 (zh) * | 2021-07-20 | 2023-01-26 | 海尔(深圳)研发有限责任公司 | 用于空调故障分析处理的方法及装置、服务器 |
CN113886951A (zh) * | 2021-09-26 | 2022-01-04 | 湖北航天技术研究院总体设计所 | 一种飞行器健康管理系统及方法 |
CN114925862A (zh) * | 2022-05-18 | 2022-08-19 | 杉数科技(北京)有限公司 | 一种航空发动机修理时间预测方法及装置 |
CN115130595A (zh) * | 2022-07-05 | 2022-09-30 | 重庆电子工程职业学院 | 基于预测的飞行器数据分析与维修系统 |
CN115330045A (zh) * | 2022-08-10 | 2022-11-11 | 北京航空航天大学 | 一种基于飞机状态的备件动态规划方法及系统 |
Non-Patent Citations (3)
Title |
---|
大型客机运行监控与健康管理系统设计;马小骏;左洪福;刘昕;;交通运输工程学报;20111215(06);全文 * |
民机故障预测与健康管理系统顶层架构设计技术研究;谢娜;雷江妮;;计算机测量与控制;20200225(02);全文 * |
飞机维修的新理念――飞机健康管理;刘槟;田玲玲;;国际航空;20101115(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117408668A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617110B (zh) | 服务器设备状态检修系统 | |
US8296252B2 (en) | Process and apparatus for evaluating operational risks for aiding in vehicular maintenance decisions | |
US8301328B2 (en) | Method for servicing a vehicle | |
US10963797B2 (en) | System for analyzing machine data | |
CN104573845A (zh) | 信息系统设备状态检修辅助决策方法 | |
CN107544457A (zh) | 基于可靠性分析的炼化装置运行周期专家决策系统及方法 | |
CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
CN116307259B (zh) | 一种矿山设备的维修性预测方法、装置、设备和介质 | |
CN117764422B (zh) | 智慧节能运维管理云平台 | |
CN117408668B (zh) | 基于飞机健康管理的检修方法、系统、设备和存储介质 | |
KR102041683B1 (ko) | 결함 예측 방법 | |
CN111626646B (zh) | 一种装备完好性检查信息融合方法 | |
CN113010843A (zh) | 测量参数集的确定方法及装置、验证方法及故障诊断方法 | |
CN116882695A (zh) | 自动巡检方法、装置、计算机设备及存储介质 | |
Makarova et al. | Selection of the method to predict vehicle operation reliability | |
CN110705787A (zh) | 一种飞机维修任务优化方法 | |
CN113050595B (zh) | 一种基于pfmea和hra方法的潜在故障分析方法 | |
CN115271405A (zh) | 一种船舶监控与复查管理的方法及系统 | |
Pipe | Practical prognostics for condition based maintenance | |
CN112150010A (zh) | 炼化装置腐蚀完整性操作窗口的创建方法、系统和设备 | |
CN116414086A (zh) | 基于fmeda失效预测技术集成安全控制系统的装置 | |
CN116324638A (zh) | 预防性维护和使用寿命分析工具 | |
CN113945255A (zh) | 一种飞机燃油测量与管理系统 | |
CN112949063A (zh) | 基于风险控制的有形资产全寿命周期维修方案优化方法 | |
RU115527U1 (ru) | Информационно-аналитическая система мониторинга остаточного ресурса линейной части магистрального газопровода |
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 |