JP2012512350A - 航空エンジンを監視するために使用されるデータの標準化 - Google Patents

Abstract

本発明は、航空機エンジン（１）を監視するために使用されるデータを標準化するための方法およびシステムに関し、前記航空機エンジン（１）に対する時間的測定値を時間をかけて収集するための手段（５）と、前記時間的測定値に基づき前記エンジンの要素に特有の１組の指標

を計算するための手段（５）と、前記時間的測定値に基づき前記１組の指標Ｆに対して干渉する外部状況を表す１組の外因的データＸ＝（＊，，・・・，＊，，）を識別するための手段（５）と、前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｉ，・・・，ｙ_ｎ）に対応する１組の推定量Ｙ＝（ｙ_ｉ，・・・，ｙ］，・・・ｙ_ｍ）を形成するために、前記１組の指標Ｆに属する指標を同時に管理する一方で、前記１組の外因的データＸを考慮する条件付多次元モデルを定義するための手段（５）と、１組の標準化された値Ｆ＝（〜ｙ_ｉ，・・・，〜ｙ_ｊ，・・・，〜ｙ_ｍ）を形成するために、対応する指標ｙ｝の基準値の関数として、および前記各推定量

と前記対応する指標ｙ｝の間の偏差の関数として各推定量ｙ｝を正規化するための手段（５）とを含む。

Description

本発明は航空エンジン（航空機エンジン）を監視する分野に関する。詳細には、本発明は、航空エンジンを監視するために使用されるデータの標準化に関する。

数多くの産業、たとえば航空機産業または宇宙産業では、エンジンの設計および保守の効率を改善するために、エンジンの挙動を熟知することが基本的に重要である。熟知することは、監視センサにより測定されるデータを取得し処理する能力に依存する。

測定値を解釈するまたは分析するときにエンジン専門家により遭遇される問題の１つが、所与のエンジンが正確に同じ条件の下で動作することが決してないということである。運航上の飛行を行っている航空機エンジンでは、測定値取得条件が常に異なる。測定値取得条件は操縦、天候、飛行経路、エンジンの状態などに依存する。

効果的な異常検出器が、状況に関係なく欠陥を検出できなければならない。それにもかかわらず、連続監視の適用を維持することは非常に費用がかかり、さらに、飛行の各段階に対しておよび各外部条件に対して、特定の計算を行うことが非常に困難である。

したがって、監視ツールが、外部取得およびデータ条件に関係なく全く同じに動作することができなければならない。したがって、任意の監視を開始する前に、データを標準的環境に還元することが必要である。

現在、データを標準化する方法は、航空機エンジンから収集される測定値から定義されるような各監視指標の平均を計算し、前記平均と得られた測定値の間の差を計算し、次に、標準偏差により差を除算することにすぎない従来の正規化法である。平均および標準偏差は、以前にデジタル化されたデータ系列に対して先験的に計算される。

この方法の欠点は、この方法が外因的データに対する依存性を処理することができず、また指標自体の間の依存関係を処理することもできないことである。

圧縮アルゴリズムたとえば主成分分析（ＰＣＡ）に基づき多変量正規化を作り出すことにある別の方法が存在する。それにもかかわらず、他の方法は大量の計算時間を必要とし、エンジン専門家にとって意味のない無次元指標を導く。

本発明は航空エンジンを監視するために使用されるデータを標準化する方法を提供し、方法は：
前記航空エンジンに関して時間をかけて時系列測定値を収集するステップと、
前記時系列測定値から、前記エンジンの要素に特有の１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）を計算するステップと、
前記時系列測定値から、前記１組の指標Ｙに作用する外部状況を表す１組の外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）を識別するステップと、
前記１組の指標Ｙに属する指標を同時に処理する条件付多次元モデルを定義する一方で、前記１組の外因的データＸを考慮して、前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に対応する１組の推定量

を形成するステップと、
対応する指標ｙ_ｊに対する基準値の関数として、およびそれぞれの前記推定量

と前記対応する指標ｙ_ｊの間の差の関数として各推定量

を正規化して、1組の標準化された値

を形成するステップとを含む。

この方法は、外部状況に対する依存性をなくすことにより指標を正規化することができるようにする一方で、指標自体の間の確率的相互依存関係を処理する。したがって、航空エンジン監視は、外部取得条件に関係なく全く同じに行われることがある。標準化された値は、エンジンが監視されるそれぞれの場合に対して、または航空機の各飛行に対して、厳密に同じ条件の下で取得された観測結果と考えられることができる。

本発明の別の様態では、前記条件付多次元モデルの定義が：
前記１組の指標Ｙに属する各指標ｙ_ｊに対して、各前記指標ｙ_ｊを除く前記１組の指標Ｙに属する指標のすべてを含む指標のサブセットＹ^（ｊ）＝（ｙ_１，・・・，ｙ_ｊ−１，ｙ_ｊ＋１，・・・ｙ_ｍ）の解析的変換により、および前記１組の外因的データＸにより生成される投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）を構築するステップと、
前記１組の指標Ｙに属する各指標ｙ_ｊについて、前記投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）に対して回帰法を使用して前記指標ｙ_ｊを投影することにより対応する推定量

を計算し、それにより１組の推定量

を形成するステップとを含む。

解析的変換は当然、恒等変換を含むことがある。したがって、空間は指標のサブセットから、および外因的データセットから、また前記データに対して行われる分析適用により形成されることがある。このことが、標準化されているデータの物理現象に関する情報を提供することができるようにし、任意選択で、モデルの妥当性を改善することがある知識が入り込むことができるようにする。さらに、標準化された値は、抽象的次元ではなく、最初の指標の本物の標準化されたシグネチャであり、同じ次元を有するが、取得状況との依存関係が取り除かれている。このことが、エンジン監視を標準環境に還元することだけでなく、専門家による監視の解釈を容易にすることも可能にする。

有利には、前記時系列測定値は、前記航空エンジンの正常動作中に収集される。

したがって、一般にエンジンは正常に動作しているので、時系列測定値を取得することは非常に容易である。さらに、較正目的のために正常動作データだけを利用することにより、多次元モデルは、そのような測定値のより大きな可用性を考慮すれば、堅牢性に関して容易に検証される。

それぞれの標準化された値

は、次式：

を使用して、対応する指標

に対する平均または基準値を、対応する指標ｙ_ｊと対応する推定値

の間の差に加えることにより計算されることがある。

したがって、標準化された値は、計算することが容易であり、専門家にとって明白であるが飛行条件に依存しない意味を有し続ける。

有利には、方法は、最適投影空間を選択するのに役立つ相互評価法を使用して、各推定量の堅牢性を分析するステップを含む。

相互評価法は、大量の正常動作データのために、実装するのが非常に容易である。

本発明の特徴によれば、前記投影空間は、指標間、ならびに指標と外因的データの間の関係の物理的定式化の助けにより専門家の基準を使用して構築される。

したがって、データが測定値に関する物理的知識から相互に連結される方法を識別することにより、エンジン専門家は常にモデルを用いて解釈し相互作用させることができ続ける。

別の特徴によれば、前記空間はニューラルネットワークを使用することにより自動的に構築される。

したがって、専門家が指標自体の間の関係、および／または指標と外因的データの間の関係に関する先験的知識を有しないとき、モデル自体が正常動作データを分析することによりそのような関係を探索することができる。

具体的には、前記ニューラルネットワークはノードを有するモデルでもよい。

有利には、前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に属する指標は、前記エンジンの物理的要素および／または論理的要素に特有である。

したがって、指標は１組のエンジン要素全体からの特定の要素または特定のタスクを示すことがあり、したがって、エンジンの状態の性能がよりよく分析されることができるようにする。

前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に属する指標は、ＦＭＥＣＡ（故障モード影響クリティカリティ解析）を構築することにより専門家の基準を使用して計算されることがある。

このことが、エンジンを分析するときに有用な指標を収集するために、エンジン専門家の知識を使用することを可能にする。

指標は、前記時系列測定値を表すある種の曲線の詳細または形状を要約する特定の点または特定の関数を参照することにより識別されることがある。

有利には、指標に作用する外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）は、指標に関連する状況データが列挙されることができるようにする依存性分析により専門家の基準を使用して識別される。

本発明の特徴によれば、前記回帰は線形回帰でもよい。

本発明はまた、航空エンジンを監視するために使用されるデータを標準化するためのシステムを提供し、システムは：
前記航空エンジンから時系列測定値を収集するために時間をかけて動作するための手段と、
前記時系列測定値から前記エンジンの要素に特有の１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）を計算するための手段と、
前記時系列測定値から前記１組の指標Ｙに作用する外部状況を表す１組の外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）を識別するための手段と、
前記１組の指標Ｙに属する指標を同時に処理する条件付多次元モデルを定義する一方で、前記１組の外因的データＸを考慮して、前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に対応する１組の推定量

を形成するための手段と、
１組の標準化された値

を形成するために、対応する指標ｙ_ｊに対する基準値の関数として、およびそれぞれの前記推定量

と前記対応する指標ｙ_ｊの間の差の関数として、各推定値

を正規化するための手段とを含む。

本発明はまた、プロセッサ手段により実行されたときに上記のステップを使用して標準化方法を実現するための命令を含むコンピュータプログラムを提供する。

本発明の機器および方法の別の特徴および有利な点が、添付の図面を参照して制限しない指示によって行われる以下の説明を読むことでよりよく見えてくる。

本発明による、航空エンジンを監視する際に使用されるデータを標準化するために使用されることがあるシステムまたは方法に実装されるハードウェア手段を示す。 図１の航空エンジンを監視するために使用されるデータを標準化するための主要ステップを示すフローチャートである。 図１の航空エンジンを始動した直後の油温を示すグラフ表示である。 図１の航空エンジンの始動ステップ遅延を示すグラフ表示である。 図１の航空エンジンが始動されたそれぞれの場合の後に低圧シャフトの最大加速度に到達するために必要とされる時間を示すグラフ表示である。 図１の航空エンジンが始動されたそれぞれの場合の後に低圧シャフトの最大加速度に到達するために必要とされる時間を示すグラフ表示である。 図１の航空エンジンに対して測定されるような排気ガス温度の勾配を示すグラフ表示である。 図１の航空エンジンに対して測定されるような排気ガス温度の勾配を示すグラフ表示である。

図１は、航空エンジン１を監視するために使用されるデータを標準化するための本発明のシステム内に実装されるハードウェア手段または方法を示す。

システムは、エンジン１の状態を反映するデータ、およびエンジン１の動作に影響を及ぼすことがある外部または内部の状況データを測定するための複数のセンサ３ａから３ｆを含む。システムはまた、データプロセッサ手段５たとえば本発明の方法を実現するように設計されるコンピュータプログラムを実行するために使用されることができる計算機またはコンピュータを含む。プロセッサ手段５は、コンピュータ内に通常見つけ出されるべきハードウェア手段を含む。より具体的には、プロセッサ手段５は、本発明の方法のプログラム命令のシーケンスを実行する中央装置７、データおよび実行されるプログラムを記憶する中央メモリ９、データを保存するためのデジタルデータ記憶手段または媒体１１、入力周辺装置（センサ３ａから３ｆ、キーボード、マウス、・・・）、ならびに標準化の結果を読み取るための出力周辺装置（スクリーン１３、プリンタ１５、・・・）を含む。

本発明によれば、図２は、航空エンジンを監視するために使用されるデータを標準化するために、プロセッサ手段５により実行される主要ステップを示す。

ステップＥ１は、監視されるべき航空エンジン１に関する有用な情報を抽出することが先験的に可能な未処理の測定値を識別することと関係がある。プロセッサ手段５は、外部環境条件を表す、センサ３ａから３ｃにより取得される状況測定値と一緒に、動作している間に、航空エンジン１のセンサ３ｄから３ｆにより取得される時系列測定値を時間をかけて収集しデジタル化するために動作するように構成される。

動作条件の下では、センサ３ａから３ｆの数は非常に多いわけではないが、取得は異なる周波数で行われ、取得物から演繹されることができる要素は非常に数が多いことがある。たとえば、ＣＦＭエンジンについては、９から１２のセンサが低い周波数３２ヘルツ（Ｈｚ）で圧力、流量、および温度を測定するために取り付けられることがあり、４つのセンサが２０キロヘルツ（ｋＨｚ）以上も高くなることがある高周波でエンジン１のシャフトの回転の速度、およびエンジン１の振動を測定するために取り付けられることがある。

さらに、時系列測定値は、そのような測定値の大きな可用性を考慮すれば、航空エンジン１の正常動作で非常に容易に収集されることがあることが観察されるべきである。

ステップＥ２は、指標を定義することに関係がある。したがって、プロセッサ手段５は時系列測定値からエンジン１の要素に特有な１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）を計算するように構成される。

指標は、物理的な、すなわちエンジン１の特定の要素を示す要素に特有でも、論理的な、すなわちエンジン１の１組の要素全体の特定のタスクを示す要素に特有でもよいことが観察されるべきである。より具体的には、物理的要素が、エンジン１の実際の要素、たとえば高圧（ＨＰ）エンジン本体、ステータバルブなどのようなものである。論理的要素またはシステムが、何らかの特定のタスク、たとえば始動システム、給油システム、運転などのようなものを行うエンジン１の構成要素のグループを指す。

さらに、指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）は、専門家の基準に基づき計算されることがある。たとえば、専門家は「故障モード影響クリティカリティ解析」（ＦＭＥＣＡ）として知られる書類に指標を定式化することがある。その書類は故障、関係のある装置の部分、原因、結果、および現象が識別されることができるようにする、上記の測定値から計算される指標も列挙し、それぞれ観測された影響の説明に関連付けられる。さらに、各障害が、時系列測定値から計算される特定の結果に対して観測される影響により説明されることがある。

指標は「ポインタ」により、たとえば時系列測定値を表すある種の曲線の詳細または形状を要約する特定の点または特定の関数を識別することによるなどで識別されることがある。

たとえば、エンジン１の始動能力を分析するために、専門家は様々な継続時間および特定の値を抽出する、または始動に関して明白な意味がある計算を行う。これらの指標の中でも、燃料弁が開かれた後に所与の速度に到達するためにエンジンのＨＰシャフトにより必要とされる時間を示す遅延指標が定義されることがある。ＨＰシャフトの最大加速度に関する指標、および多くの別の類似の指標も考慮されることがある。

性能を分析するために、専門家はたとえば温度、圧力、および燃料の流れの測定値に集中する。その後、専門家は、例として、ある飛行から別の飛行までの燃料消費に関して表現される消耗指標を構築することができる。

エンジン１の軸受けを分析するために、振動の専門家が、シャフトの様々な要素、すなわち輪の半径、球体の直径などの大きさに依存する回転の時間を分離するために特定の周波数から観測する。

ステップＥ３は、外部条件を識別することに関する。より具体的には、プロセッサ手段５は、時系列測定値から１組の指標Ｙに作用する外部状況を表す１組の外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）を識別するように構成される。

飛行中に収集される各測定値は、特定の外部条件または内部条件の下で取られる。これらの条件は、指標がどのように理解されるかに対して影響があることがあるが、それ自体が記録される。外部条件は、外部の温度および圧力、飛行姿勢および飛行機の相対速度、さらに、飛行がどこで行われているか（海、砂漠、陸地などの上）、天候条件（雨、雪、着氷など）、湿度などを含むことがある。内部条件はエンジンの特定の使用（シャフト速度、排気ガス温度、燃料のタイプなど）に関係があることがある。これらの測定値のすべてが外因的データを構成すると考えられることがある。

外因的データの一例として、図３はエンジン始動直後の油温を示すグラフ表示である。コールドスタートおよびホットスタートに対応する２つのタイプの始動があることが直ちに理解されることができる。このことは典型的には、内部測定値（油温）が、データを分析するときに考慮される必要がある２つのクラスの始動の間の明白な区別を提供する状況データを構成すると考えられるときに適用される。

有利には、指標に関与する外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）は、専門家の基準に基づき識別されることがある。さらに、自動依存性分析（相互関係または相互情報を調べることによる）も指標に関連する状況データを迅速に列挙するのに役立つ。

指標は状況に依存することがあるので、指標自体の間に関係が存在する可能性もあることも観測されるべきである。結果が指標内に含まれる情報のすべてを破壊することになるので、指標により状況依存性指標を直接除去することはできない。一般に、エンジン専門家は相互依存関係にある情報の内容を知っており、エンジン専門家はまた、独立した指標を構築することに伴う困難さを知っている。

例として、図４は、エンジン１がエンジン１の公称対地速度に到達するために必要とされる時間の長さの関数として、補助動力装置（ＡＰＵ）を使用するときのエンジン１の始動遅延のグラフ表示である。破線曲線Ｃ１は平均の周りの第１のレベルのばらつきを示し、実線曲線Ｃ２は平均の周りの第２のレベルのばらつきを示す。

したがって、図４の点の分布は、エンジン１の始動遅延とエンジン１がエンジン１の公称対地速度に到達するために必要とされる時間の間に関係が存在することを明白に示す。当然、これら２つの指標の間の関係は、外因的データたとえばＡＰＵからの出口での外側の温度または圧力に依存することがある。

ステップＥ４およびＥ５は、ステップＥ２で計算された指標に関連する推定量を構築することに関する。

プロセッサ手段５は、１組の指標Ｙに属する指標を同時に処理する条件付多次元モデルを定義するように構成される一方で、１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に対応する１組の推定量

を形成するために１組の外因的データＸを考慮する。

より具体的には、ステップＥ４は、１組の指標Ｙに属するそれぞれの所与の指標ｙ_ｊに対する投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）を構築することにある。この投影空間は、１組の外因的データＸにより、およびサブセットが所与の指標ｙ_ｊ以外の１組の指標Ｙに属する指標すべてを含む指標のサブセットＹ^（ｊ）＝（ｙ_１，・・・，ｙ_ｊ−１，ｙ_ｊ＋１，・・・ｙ_ｍ）の解析的変換により生成される。解析的変換は指標間の物理的関係を表現し、解析的変換は専門家により定義され得る。解析的変換は恒等変換、線形変換または非線形変換、または異なる指標間の相互関係に関する情報を提供する変換をさらに含むことがある。

１組の指標Ｙに属するそれぞれの所与の指標ｙ_ｊに対して、ステップＥ５は、所与の指標ｙ_ｊを投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）上に投影する回帰法を使用することにより対応する推定量

を計算し、したがって、１組の推定量

を形成することにある。

換言すれば、各指標ｙ_ｊに対して、Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）をｍの指標のベクトルとし、Ｘを外因的データベクトルとし、Ｙ^（ｊ）＝（ｙ_１，・・・，ｙ_ｊ−１，ｙ_ｊ＋１，・・・ｙ_ｍ）をｙ_ｊ以外の指標のすべてのベクトルとする。次に、回帰法を使用して、推定量

を決定するために、指標ｙ_ｊが投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）上に投影される。回帰は、たとえばノードおよび最小二乗最小化を有するモデルを使用するニューラルネットワークのタイプでもよい。変形例では、回帰は線形タイプでもよい。

したがって、各指標に対して観測結果の回帰が別の指標、状況データ、専門家の分析から得られる表現、およびたとえばノードを有するモデルの形態で実現される別の関数により生成される空間上に構築される。観測結果が投影される構築される空間は、指標の最初の数よりもはるかに大きな次元からできている。

有利には、投影空間は、指標間の関係、ならびに指標と外因的データの間の関係の物理的定式化の助けにより専門家の基準を使用して構築されることがある。専門家の専門的知識が、変数を識別するためだけでなく、投影空間を定義するためにも使用されることがある。たとえば、別のパラメータの測定値に対数で依存する１つのパラメータの測定値があることがある。別の従来の例が、状態変数たとえばエンタルピまたはエネルギに関係があることがある。例として、エネルギが２つの指標の積に対応する場合、一定のエネルギに対して、一方の指標の逆数がもう一方の指標を予測するのに役立つ。

そうでなければ、専門家が変数間の関係に関する先験的知識を有しないとき、正常動作での自動的分析がそのような関係を見つけ出すことがある。

したがって、投影空間はまた、たとえばノードを有するモデルを含むタイプのニューラルネットワークを使用することにより自動的に構築されることがある。そのような状況の下で、すべての選択肢がデフォルトで同時に使用されることがある。さらに、時には予測することがより容易となり得る指標の非線形変換が考慮されることがある。これらの変換は可能性のリスト（対数、逆数、飽和、・・・）から選択されることがある。デフォルトで、すべての受け入れられる変換が試験され、堅牢性の基準に基づき選択が行われる。

各推定量の堅牢性は、最良の投影空間を選択するのに役立つ相互評価法を使用して分析されることがある。この技法は、専門家が分析した後、それぞれの投影された推定量の可逆関数に対して再適用されることがある。例として、最良の回帰は一定に保たれるべきであり、指標の値自体よりも指標の対数をモデル化するほうが容易なことがある。

ステップＥ６では、プロセッサ手段５が、１組の標準化された値

を形成するために、対応する指標ｙ_ｊに対する基準値の関数として、およびそれぞれの所与の推定量

と対応する指標ｙ_ｊの間の差の関数として、各推定量

を正規化するように構成される。

具体的には、モデルの剰余（観測結果から推定量を引く）が、指標の標準値であると考えられる平均または基準値に加えられることがある。

換言すれば、それぞれの標準化された値

は、次式

を使用して、対応する指標

の平均値または基準値を、対応する指標ｙ_ｊと対応する推定量

の間の差に加えることにより計算されることがある。

この計算が最初の指標と同じ次元を有する新しい観測結果を与え、外因的データ、および指標間の相互関係を考慮して、本当に観測された結果と観測されるべき結果の間の差を示す。

標準化された指標は、モデルの予測誤差の関数として、標準化された指標それぞれの平均値の周りで振動する。正常な観測結果は当然、剰余のすべてが小さい（すなわち、任意の事象で知られている推定誤差分布の標準偏差σの倍数よりも小さい）観測結果である。対照的に、異常な観測結果については、信号は信号の平均値をはるかに超える。

第１の例が、低圧（ＬＰ）シャフトがエンジンのそれぞれの始動後（横軸に沿う）に最大加速度（縦軸の上方向）に到達するのを待つための遅延を表す指標のグラフ表示である図５Ａおよび図５Ｂに示されている。破線ｃ１１は平均値の周りの±３σレベルを示し、一点鎖線ｃ１２は平均値の周りの±６σレベルを示す。

図５Ａは標準化前の最初の指標の信号を示し、図５Ｂは本発明による標準化後の指標の信号を示す。

図５Ａは、平均からそれ、かつ始動がより遅い６つの信号Ｓ１からＳ６（始動サイクル番号５０と９０の間）があることを示す。

それにもかかわらず、外部状況に対する依存性を除去する図５Ｂの標準化は、始動サイクル６７に対する信号Ｓ１だけが平均からそれることを示す。このことは、信号Ｓ２からＳ６の離れた位置が単に外部条件によるものであったこと、および信号Ｓ１だけが持続し、その上、この場合、図５Ａの対応する信号よりも平均からさらに離れていることを明白に示している。信号Ｓ１は、１組の観測結果からはるかにかけ離れており、かつ正常な観測データを構築する専門家が数少ない異常をしばしば無視するということによる単集合または異常な点である。任意の事象で、この単集合は、堅牢性を分析するときに省かれ、その分析は相互評価法または補償尤度法（ｃｏｍｐｅｎｓａｔｅｄ ｌｉｋｅｌｉｈｏｏｄ ｔｅｃｈｎｉｑｕｅ）を使用して行われることがある。この分析は較正のために測定値のサブセットをランダムな方法で選択し、その他の観測結果に対して結果を試験する。

別の例が図６Ａおよび図６Ｂに示されている。図６Ａは、連続飛行中に正常動作の航空エンジンに対して測定された排気ガスの温度勾配を表す標準化されていない最初の指標の値のグラフ表示である。

エンジンが正常に動作していることを考慮すると、図６Ａで観測された値と平均値の間の相違は、本質的に異なる取得条件による。

対照的に、図６Ｂは本発明により図６Ａの指標が標準化された後のグラフ表示を示す。このグラフ表示は、標準化された指標の値が、エンジンが航空機の各飛行で監視されるそれぞれの場合に対して厳密に同じとなる条件の下で取得された観測結果と考えられることがあることを示す。本発明により指標を標準化することは、外部状況に対する依存性をなくすという効果があり、指標自体の間の確率的相互依存関係を考慮する。

図６Ｂは、エンジンの正常動作では、平均値を３σよりも大きい値だけそれる信号を観測する確率が３×１０^−３未満であり、かつ６σよりも大きいだけそれる値を観測する確率が２×１０^−９未満であることを示す。このことは、航空エンジンの要素を監視することが外部取得条件に関係なく同じ方法で行われることがあることを明白に示す。したがって、異常検出器ツールへの適用がより簡単に行われるだけでなく、専門家が解釈するのもより容易にされる。

さらに、好ましい実装では、本発明の方法の様々なステップがプログラムコード命令を用いて実行される。

結局、本発明はまた、プロセッサ手段またはコンピュータシステム内に実装されるのに適した、上記で説明される本発明の方法を実現するように適合されるコード命令を含む前記コンピュータプログラムを提供する。

プログラムは、任意のプログラミング言語を利用することがあり、プログラムはソースコード、オブジェクトコード、またはソースコードとオブジェクトコードの中間のコードの形態、たとえば部分的にコンパイルされた形態または任意の別の所望の形態でもよい。

上記で言及されるようなコンピュータプログラム命令を含むコンピュータ読み出し可能データ媒体を使用することができる。

データ媒体はプログラムを記憶することができる任意の実体または機器でもよい。たとえば、媒体は記憶手段たとえば読み出し専用メモリ（ＲＯＭ）、たとえばコンパクトディスク（ＣＤ）ＲＯＭ、または超小型電子回路ＲＯＭ、または任意の別の記録手段を含むことがある。

さらに、情報媒体は、無線によりまたは別の手段により、電気ケーブルまたは光ケーブルを介して運ばれることがある伝送できる媒体たとえば電気信号または光信号でもよい。

あるいは、情報媒体は、本発明の方法を実行するように、または本発明の方法の実行で使用されるように適合される、プログラムが組み入れられる集積回路でもよい。

Claims (14)

1. 航空エンジン（１）を監視するために使用されるデータを標準化する方法であって、
   前記航空エンジン（１）に関係のある時系列測定値を時間をかけて収集するステップと、
   前記時系列測定値から、前記エンジンの要素に特有な１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）を計算するステップと、
   前記時系列測定値から、前記１組の指標Ｙに対して作用する外部状況を表す１組の外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）を識別するステップと、
   前記１組の指標Ｙに属する各指標ｙ_ｊに対して、各前記ｙ_ｊを除く前記１組の指標Ｙに属する指標のすべてを含む指標のサブセットＹ^（ｊ）＝（ｙ_１，・・・，ｙ_ｊ−１，ｙ_ｊ＋１，・・・ｙ_ｍ）の解析的変換により、および前記１組の外因的データＸにより生成される投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）を構築するステップと、
   前記１組の指標Ｙに属する各指標ｙ_ｊに対して、回帰法を使用して前記指標ｙ_ｊを前記投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）上に投影することにより対応する推定量
   

   

   を計算し、それにより前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に対応する１組の推定量
   

   

   を形成するステップと、
   各推定量
   

   

   を対応する指標ｙ_ｊに対する基準値の関数として、および各前記推定量
   

   

   と前記対応する指標ｙ_ｊの間の差の関数として正規化して、１組の標準化された値
   

   

   を形成するステップとを含むことを特徴とする、方法。
2. 前記時系列測定値が前記航空エンジンの正常動作中に収集されることを特徴とする、請求項１に記載の方法。
3. それぞれの標準化された値
   

   

   が、以下の式：
   

   

   を使用して、対応する指標
   

   

   に対する平均値または基準値を、対応する指標ｙ_ｊと対応する推定量
   

   

   の間の差に加えることにより計算されることを特徴とする、請求項１または２に記載の方法。
4. 最適な投影空間を選択するのに役立つ相互評価法を使用して各推定量の堅牢性を分析するステップを含むことを特徴とする、請求項１から３のいずれか一項に記載の方法。
5. 前記投影空間が、指標間の、および指標と外因的データの間の関係の物理的定式化の助けにより専門家の基準を使用して構築されることを特徴とする、請求項１から４のいずれか一項に記載の方法。
6. 前記空間がニューラルネットワークを使用することにより自動的に構築されることを特徴とする、請求項１から５のいずれか一項に記載の方法。
7. 前記ニューラルネットワークがノードを有するモデルであることを特徴とする、請求項６に記載の方法。
8. 前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に属する指標が、前記エンジンの物理的要素および／または論理的要素に特有であることを特徴とする、請求項１から７のいずれか一項に記載の方法。
9. 前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に属する指標が、ＦＭＥＣＡを構築することにより専門家の基準を使用して計算されることを特徴とする、請求項１から８のいずれか一項に記載の方法。
10. 指標が、前記時系列測定値を表すある種の曲線の詳細または形状を要約する特定の点または特定の関数を参照することにより識別されることを特徴とする、請求項１から９のいずれか一項に記載の方法。
11. 指標に作用する外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）が、指標に関連する状況データが列挙されることができるようにする依存性分析により専門家の基準を使用して識別されることを特徴とする、請求項１から１０のいずれか一項に記載の方法。
12. 前記回帰が線形回帰であることを特徴とする、請求項１から１１のいずれか一項に記載の方法。
13. 航空エンジン（１）を監視するために使用されるデータを標準化するためのシステムであって、
    前記航空エンジン（１）から時系列測定値を収集するために時間をかけて動作するための手段（５）と、
    前記時系列測定値から前記エンジンの要素に特有な１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）を計算するための手段（５）と、
    前記時系列測定値から前記１組の指標Ｙに対して作用する外部状況を表す１組の外因的データＸ＝（ｘ_１，・・・，ｘ_ｎ）を識別するための手段（５）と、
    前記１組の識別子Ｙに属する各指標ｙ_ｊに対して、各前記指標ｙ_ｊを除く前記１組の指標Ｙに属する指標のすべてを含む指標のサブセットＹ^（ｊ）＝（ｙ_１，・・・，ｙ_ｊ−１，ｙ_ｊ＋１，・・・ｙ_ｍ）の解析的変換により、および前記１組の外因的データＸにより生成される投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）を構築するための手段（５）と、
    前記１組の指標Ｙに属する各前記指標ｙ_ｊに対して、回帰法を使用して、各前記指標ｙ_ｊを前記投影空間Ｅ^（ｊ）＝σ（Ｙ^（ｊ），Ｘ）上に投影することにより対応する推定量
    

    

    を計算し、前記１組の指標Ｙ＝（ｙ_１，・・・，ｙ_ｊ，・・・，ｙ_ｍ）に対応する１組の推定量
    

    

    を形成するための手段（５）と、
    １組の標準化された値
    

    

    を形成するために、対応する指標ｙ_ｊに対する基準値の関数として、および各前記推定量
    

    

    と前記対応するｙ_ｊの間の差の関数として各推定量
    

    

    を正規化するための手段（５）とを含むことを特徴とする、システム。
14. コンピュータプログラムがプロセッサ手段により実行されるとき、請求項１から１２のいずれか一項に記載の標準化方法を実現するための命令を含む、コンピュータプログラム。

Images