JP5575792B2 - 航空機エンジンの異常検出 - Google Patents

Description

本発明は、航空エンジンの監視の分野に関する。特に、本発明は、航空エンジンの制御手段の異常の検出に関する。より詳細には、本発明は、ターボジェットの圧縮機におけるステータ弁を調節する回路の動作異常の検出に関する。

航空産業または宇宙産業などの多くの産業において、監視ツールを利用するのが一般的である。

しかしながら、航空エンジンの異常の監視または検出は、経時的に別個に不連続的に非常に多くのエンジン要素を観察することで行われることが多い。

このような観察により、分析にかなりの計算時間を要する非常に多量のデータが生じる。

また、異常が間違って示される、またはエンジン要素の正確な動作を連続して監視する適切な指標がないために事象が検知されずに、前記要素が故障していることもあり得る。

本発明は、航空エンジンの異常を検出する方法であって：
前記航空エンジンの制御手段の挙動モデルを、前記制御手段に関する、および以前の挙動の測定値と前記制御手段の状態および制御の測定値とを含むデータセットの関数として前記制御手段の挙動をモデル化する時系列回帰を使用して、定義するステップと、
各新規データセットに対して前記挙動モデルを連続して再計算するステップと、
前記エンジンの動作異常を表す前記制御手段の挙動異常を検出するために、前記挙動モデルの統計的変動を監視するステップとを含む方法を提供する。

したがって、方法により、最小数の測定値および最適計算時間を使用する粗いモデルを使用してエンジンの挙動異常を検出することができる。特に、毎回ごく少数の測定値を使用しながら連続して制御手段の挙動の粗いモデルを再計算することによって、また経時的にモデルの変動を追跡することによって、制御手段のドリフトを予測して検出することができる。

方法はさらに：
前記制御手段に関する初期データセットを収集するステップと、
前記初期データを、専門家によって確立された基準を使用して定義された状況指標によって識別された異なる飛行状況を表す複数の一定区間に分割するステップと、
各飛行状況に対して基準挙動モデルを定義するステップとを含む。

したがって、方法は、エンジンの利用条件を考慮に入れ、飛行段階を分析および分類するためのツールを組み込んで、操作を連続的にすることができる。さらに、条件付きの保守要件に関しては、外部条件が安定し予め定義されているテストでは方法を適用するだけで十分である。

方法はさらに：
経時的に、前記制御手段に関する現在のデータセットを収集するように作動するステップと、
前記現在のデータセットのコンテンツを所定時間メモリバッファに記憶するステップと、
前記現在のデータセットから、推定される状況指標を計算して前記所定の時間に固有の現在の飛行状況を識別するステップと、
前記現在のデータセットおよび前記現在の飛行状況に対応する現在の挙動モデルを計算するステップと、
前記現在の挙動モデルと前記現在の飛行状況に対応する前記基準挙動モデルとの間の挙動距離を推定するステップと、
前記挙動距離が所定の正規性閾値より大きい場合に、前記制御手段の挙動異常を検出するステップとを含む。

したがって、挙動モデルは較正されると、エンジンの動作不具合を検出するために、エンジンの少ない数の要素の挙動に焦点を絞って、基準モデルと現在のモデルとの距離を計算することによってリアルタイムで容易に適用される。当然、不具合の検出によって、続いて不具合の位置を特定するのが容易になる。

本発明の第２の態様では、前記挙動モデルは、以下のステップで定義された有理フィルタである：
ローパスフィルタを差し引いて、各飛行状況で推定される局所分散に対して正規化することで前記初期データセットを標準化するステップと、
前記制御手段の現在の挙動を表す現在の瞬間における出力ベクトルｙ（ｔ）を、前の挙動測定値を表す前の瞬間における出力ベクトルｙ（ｔ−ｉ）の関数として、また現在の瞬間における入力ベクトルｘ（ｔ）および前の瞬間における入力ベクトルｘ（ｔ−ｉ）を含む入力ベクトルの関数として表す数式であり、各入力ベクトルｘは前記制御手段の前記コマンドおよび状態の測定値を統合することで構成される複数の数式を定義するステップと、
前記複数の数式を使用して、各飛行状況に対して基準有理フィルタを定義するステップと、
前記複数の数式を使用して、前記現在のデータセットおよび前記現在の飛行状況に関する現在の有理フィルタを計算するステップ。

したがって、有理フィルタを使用して制御手段をモデル化することによって、ほとんど計算時間を必要とせず、粗いモデルから挙動の重要な変動を検出することができる非常に優れた外挿法が得られる。

前記複数の数式の各々の数式は、
Ａ（ｑ）ｙ＝Ｂ（ｑ）ｘ
によって時間領域において解析的に示された前記出力ベクトルｙと入力ベクトルｘとの一次方程式に対応することができる。

この場合、Ａ（ｑ）は、
Ａ（ｑ）＝１＋ａ_１ｑ^−１＋ａ_２ｑ^−２＋・・・＋ａ_ｒａｑ^−ｒａ
の形の実多項形式であり、
また、Ｂ（ｑ）は、実多項式であり、各々の係数は入力ベクトルｘと同じ次元の線形ベクトルであり、以下の式を有する：
Ｂ（ｑ）＝ｂ_０＋ｂ_１ｑ^−１＋ｂ_２ｑ^−２＋・・・＋ｂ_ｒｂｑ^−ｒｂ
この場合、
ｑ^−１（ｘ（ｔ））＝ｘ（ｔ−１）
である。

したがって、有理フィルタは、複素平面における零点と極とによる特有の方法で容易に識別され得る。このことにより、挙動モデルの状態変化を追跡することが容易になる。

変形例では、方法は、
前記現在の飛行状況に対応する前記現在の有理フィルタに関連付けられた多項式から現在の零点と極とを抽出するステップと、
専門的基準を使用して、前記現在の零点および極から、また前記制御手段に関する取得コンテンツを表す他の情報から、前記現在の飛行状況の正規性指標を計算するステップと、
前記正規性指標と対応する正規性閾値との距離が所定値より大きい場合に、前記制御手段の挙動異常を検出するステップとを含む。

したがって、有理分数の固有の特徴（零点と極）から制御手段の挙動異常を検出するために、これらの特徴の統計的変動を追跡するのを容易にする距離を定義することができる。

変形例では、方法は：
前記制御手段のダイナミックレンジに適した関数を使用して、距離を定義するステップと、
基準有理フィルタと現在の有理フィルタとの前記距離が所定値より大きい場合に、前記制御手段の挙動異常を検出するステップとを含む。

したがって、制御手段の挙動異常を検出するのに、零点と極とを使用せずにより一般的な基準を直接使用することができる。

本発明の一実施例では、前記制御手段は、ターボジェットの低圧圧縮機および高圧圧縮機におけるステータ弁を制御し、飛行状況に応じて前記圧縮機の構造を変更する働きをするアクチュエータを操作する調整回路に相当し、前記調整回路に関する前記データセットは、アクチュエータの位置に関するデータ、および前記低圧圧縮機のシャフトの第１の回転速度Ｎ１と、前記高圧圧縮機のシャフトの第２の回転速度Ｎ２と、圧縮機から下流側の圧力Ｐと、燃料流量Ｗと、アクチュエータのためのコマンドｕを含む外部データを含む。

したがって、方法は、非常に少ない数のパラメータの変動を観察することによって、弁調整回路のドリフトを予測して検出するのに役立つ。

この実施例では、方法は：
アクチュエータの前の位置に対応する前の瞬間における出力変数ｙ（ｓ；ｓ＜ｔ）の関数として、また過去と現在の瞬間における前記外部データに対応する入力変数
ｘ（ｓ）＝（ｘ_ｊ（ｓ）；ｓ≦ｔ）_{ｊ＝１・・・ｋ}
の関数として、アクチュエータの現在の位置に対応する現在の瞬間における出力変数ｙ（ｔ）の挙動をモデル化するために、

の形の多項式の分数の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}による周波数スペクトルｗで表され、
この場合、

であり、また

である定常状況離散自己回帰フィルタを定義するステップと、
ベンチテストの段階で測定され記憶された初期入力および出力変数（ｘ^０（ｓ），ｙ^０（ｓ））を表す初期デジタルデータを収集するステップと、
前記初期デジタルデータから飛行状況を識別するステップと、
各飛行状況に対して、前記有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}の前記多項式の分数の階数ｒ_ｊとｒ_０との最適な組を計算するステップと、
各飛行状況に対して、基準有理フィルタ

を計算するステップとを含む。

上述の方法により、有効で非常に実装しやすい挙動モデルを構築することができる。また、階数の最適な組を選択することは、挙動モデルの尤度さらにロバスト性を最適化する。

方法はさらに：
入力および出力変数（ｘ（ｓ），ｙ（ｓ））を表すデジタル測定値をメモリバッファに経時的に記憶して、Ｎ測定値サンプル：
Ｉ_ｔ＝｛（ｘ（ｓ），ｙ（ｓ））；ｓ∈［ｔ−Ｎ＋１，・・・ｔ］｝
を形成するステップと、
前記Ｎ測定値サンプルの安定性をテストするステップと、
現在の飛行状況を識別し、その分類の質
Ｑ_ＦＲ∈［０，１］
を推定するステップと、
前記現在の飛行状況に関連付けられた最適な組の階数に対する現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を推定するステップと、
前記現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を、同じ飛行状況に対応する基準有理フィルタ

と比較するステップと、
前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ

との差が所定値より大きい場合に、前記調整回路の挙動異常を示すステップとを含む。

上述の方法により、外部条件に応じて、また弁のコマンド入力に応じてアクチュエータの位置の変動を観察するだけで、エンジンの異常を検出することができる。

本発明の方法の一態様によれば、前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ

とを比較するステップは：、
ベンチテスト段階で測定されたアクチュエータの実位置を表す出力変数と前記現在の基準有理フィルタ

により推定されるアクチュエータの位置を表す対応出力変数との基準平均二乗誤差ＭＳＥ_０を計算するステップと、
リアルタイム測定で測定されたアクチュエータの実位置を表す現在の出力変数と現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋによって推定されるアクチュエータの位置を表す対応出力変数との現在の平均二乗誤差ＭＳＥを計算するステップと、
前記現在の平均二乗誤差ＭＳＥと前記基準平均二乗誤差ＭＳＥ_０との比ｅ_０：

によって定義される差を計算するステップと、
前記比ｅ_０が所定値より大きい場合に異常を示すステップとを含む。

本発明の方法の別の態様によれば、前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ

とを比較するステップは：
ぞれぞれの入力変数ｘ_ｊ（ｔ）の周波数帯域にわたって、前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ

とによって重み付けされた積分によって、局所指標ｅ_ｊ：

この場合、

また、
Ｒ_ｊｊ（τ）＝Ｅ［ｘ_ｊ（ｔ），ｘ_ｊ（ｔ−τ）］
の数列ｅ＝（ｅ_ｊ）_{ｊ＝１・・・ｋ}を計算するステップと、
前記局所指標ｅ_ｊ間の相関技術を使用して、局所的スコア

の数列ｚ＝（ｚ_ｊ）_{ｊ＝１・・・ｋ}を計算するステップであって、この場合、

は局所指標ｅ_ｊと他の局所指標との間の推定量であり：

この場合、ｃ_ｊ，ｉは回帰係数であるステップと、
マハラノビス距離を使用して、大域的スコアＺ^２

この場合、

は、共分散行列Σを使用してベンチテスト段階で計算されたｚの平均であるようなＺ^２を計算するステップと、
大域的スコアＺ^２に飛行状況の分類の質係数Ｑ_ＦＲ∈［０，１］を掛けることによって、最終スコア
Ｑ_ＦＲ×Ｚ^２
を計算するステップと、
最終スコアＱ_ＦＲ×Ｚ^２の値が所定値を超えた場合に、挙動異常警告を示すステップとを含む。

本発明はさらに：
制御手段に関するデータセットで前記制御手段の前の挙動の測定値とコマンドおよび状態の測定値とを含むデータセットの関数として前記制御手段の挙動をモデル化する時系列回帰を使用して、前記航空エンジンの制御手段の挙動モデルを定義するための手段と、
各新規データセットに対して前記挙動モデルを連続して再計算するための手段と、
前記エンジンの動作異常を表す前記制御手段の挙動異常を検出するために、前記挙動モデルの統計的変動を監視するための手段とを備える、航空エンジンの異常を検出するシステムを提供する。

本発明はさらに、プロセッサ手段によって実行されるときに、上述のステップに従う検出方法を実施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。

本発明の装置および方法の他の特徴および利点は、非限定的な例として添付図面を参照して考察された以下の説明を読めばより明らかになる。

航空エンジンの異常を検出するのに適した本発明のシステムおよび方法を実装されたハードウェア手段の斜視図である。 図１の航空エンジンの異常を検出する際の主なステップを示したフローチャートである。 図１の航空エンジンの飛行状況の一例を示す図である。 本発明の有理フィルタによって航空エンジンを監視するための手段の挙動をモデル化する際の主なステップを示したフローチャートである。 航空エンジンの調整回路のための本発明の検出システムの一例の高度な略式図である。 図５の調整回路の挙動をモデル化するための主なステップを示す図である。 図５の調整回路の挙動をモデル化するための主なステップを示す図である。

図１は、航空エンジンまたはターボジェット１の異常を検出するための本発明のシステムまたは方法において実装されるハードウェア手段を示す。システムは、エンジン１の状態を表す制御信号またはデータと共にエンジン１の動作に影響を与える可能性のある外部または内部コンテキストデータを測定するための複数のセンサ３ａ−３ｅを含む。システムはさらに、本発明の方法を実施するように設計されたコンピュータプログラムを実行するのに適したコンピュータまたはコントローラなどのデータプロセッサ手段５を有する。プロセッサ手段５は、通常はコンピュータ内で見られるハードウェア手段を備える。より詳細には、これらのプロセッサ手段５は、本発明の方法のプログラムの命令シーケンスを実行する中央ユニット７と、実行されるデータおよびプログラムを記憶する中央メモリ９と、データを保存するデジタルデータ格納手段または媒体１１と、入力周辺機器（センサ３ａ−３ｅ、キーボード、マウス・・・）と、検出結果を利用可能にするための出力周辺機器（音放射体１３、光信号１５、スクリーン１７、プリンタ１９・・・）とを備える。

本発明は、エンジン１の挙動の異常の検出、特に、エンジン１の制御または調整手段２１の挙動異常の検出によるものであり、この異常がエンジン１の動作の異常を表す。

本発明によれば、プロセッサ手段５は、航空エンジン１の制御手段２１の挙動モデルを時系列回帰として定義するように設定される。制御手段２１の挙動は、制御手段２１に関するデータセットで制御手段２１の前の挙動の測定値とコマンドおよび／または状態の測定値とを含むデータセットの関数としてモデル化される。

さらに、プロセッサ手段５は、制御手段２１の挙動異常を検出するために、各新規データセットに対して、連続してこの挙動モデルを再計算して、挙動モデルの統計的変動を監視するように設定される。特に、計算を容易にするために、一定の確率論的定式化を実施する離散回帰モデルで制御手段２１の時間挙動を表すことが有利である。

図２は、航空エンジン１の異常を検出するための本発明の方法の主なステップを示す。これらのステップは、本発明の検出システムのプロセッサ手段５によって実施されるものと留意されるべきである。

ステップＥ１からＥ３は、挙動モデルを制御手段２１の前の挙動の測定値とコマンドおよび状態の測定値との関数として定義するステップに関する。

ステップＥ４からＥ７は、各新規測定値に対して時間の経過と共に挙動モデルを再計算するステップに関する。

ステップＥ８、Ｅ９は、挙動モデルの変動を測定するステップに関し、制御手段２１の異常の検出につながる。

特に、ステップＥ１で、プロセッサ手段５は、制御手段２１に関するデータで、ベンチテスト段階で測定され格納手段１１に記憶されるデータに対応する初期データを収集するように設定される。

ステップＥ２で、プロセッサ手段５は、初期データセットを、実際の飛行状況時に観測される区間と同様の区間を表す複数の一定区間に分割するように設定される。種々の飛行状況は、専門家によって規定された基準を使用して定義された複数の状況指標によって識別され得る。

この選択または分割は、これらの段階のそれぞれに対する確率的指標を提案する専門家によって規定された定義を適用して達成される。したがって、これらの指標は、識別された飛行状況のそれぞれに対する所与の飛行状況における確率に関する指標となる。その後、最も可能性の高い飛行状況ＦＲが、指標に対して確率閾値によって定義された分類の質係数または基準
Ｑ_ＦＲ∈［０，１］
を適用して承認され得る。

図３はエンジンの回転速度の関数として定義された飛行状況の一例を示す図である。この例では、安定飛行状況は、地上におけるアイドリング段階Ｒ１、Ｒ６（地上アイドル）と、巡航段階Ｒ３とを含む。定常（安定）区間または段階は、エンジンの回転速度の準定常測定値によって定義される。離陸時Ｒ２の加速、下降時Ｒ４の減速、または逆推力Ｒ５などの遷移段階は定常段階ではなく、したがって、定常確率過程をモデル化するのに使用できない。

さらに、飛行状況は、基本的に３つの状況指標、つまり、最小の区間時間、区間が特定のクラスの飛行状況の一部を形成することを示す基準値、公差値によって識別され得る。この分類が基本的に地上で実施される場合、航空機の高度または姿勢などの他のパラメータを含む必要がないことは留意されるべきである。

ステップＥ３で、プロセッサ手段５は、各飛行状況に対して制御手段２１の挙動を予測するのに適した基準挙動モデルを、前の挙動の関数として、また前および現在の両方の他の測定値の関数として定義するように設定される。

その後、基準挙動モデルがリアルタイムで適用される。

したがって、ステップＥ４で、プロセッサ手段５は、制御手段２１に関する現在のデータセットを経時的に収集することから始める。このデータは、例えば、エンジン１の環境を感知する種々のセンサ３ａから３ｅから得られたものである。

ステップＥ５で、プロセッサ手段５は、所定時間の間、現在のデータセットのコンテンツをメモリバッファ２３（例えば、格納手段１１内に含まれる）に記憶するように設定される。

ステップＥ６で、プロセッサ手段５は、現在のデータセットを使用して、所定の時間に固有の現在の飛行状況を識別するための状況指標の推定値を計算するように設定される。現在の飛行状況が識別された場合、方法は次のステップＥ７に移り、識別されなかった場合、続いて新規データが取得される。

現在の飛行状況が識別されると、プロセッサ手段５は、ステップＥ７のときに、現在のデータセットおよび現在の飛行状況に対応する現在の挙動モデルを計算するように設定される。現在の挙動モデルは、同じ飛行状況に対応する基準挙動モデルに関するステップＥ３の定義を使用して計算される。

ステップＥ８で、プロセッサ手段５は、現在の挙動モデルと同じ飛行状況に対応する基準挙動モデルとの挙動距離を推定するように設定される。

その後、ステップＥ９で、プロセッサ手段５は、挙動距離が所定の正規性閾値より大きい場合に制御手段２１の挙動異常を検出するように設定される。

例として、制御手段２１の挙動は、線形または非線形有理関数に基づいた有理フィルタによってモデル化されてもよい。特に、有理フィルタは、自己回帰定常過程モデル化において非常に有効であると言える。

図４は、有理フィルタによって制御手段２１の挙動をモデル化するための主なステップを示す。

ステップＥ１１で、プロセッサ手段５は、有理フィルタを較正するために、各飛行状況に対して制御手段２１のベンチテストの段階で測定され記憶されたデジタルデータに対応する初期データセットを構成するように設定される。

ステップＥ１２で、プロセッサ手段５は、ローパスフィルタを差し引いて、各飛行状況に対して推定される局所的分散に対して正規化することによって、このデジタルデータを標準化するように設定される。

ステップＥ１３で、プロセッサ手段５は、複数の数式を定義するように設定される。各数式は、例えば、制御手段２１の現在の挙動を表す現在の瞬間ｔにおける出力セクタｙ（ｔ）を、前の挙動測定値を表す前の瞬間（すなわち、瞬間ｔ−１，．．．，ｔ−ｉ，．．．０）における出力ベクトルｙ（ｔ−ｉ）の関数として、また現在の瞬間における現在の入力ベクトルｘ（ｔ）と前の瞬間における入力ベクトルｘ（ｔ−ｉ）とを含む入力ベクトルの関数として表すことができる。各入力ベクトルｘ（現在または前）は、制御手段２１の（現在または前の）コマンドおよび状態の測定値を統合することで構成され得る。

例として、各数式は、
Ａ（ｑ）ｙ＝Ｂ（ｑ）ｘ
の形を有する一次方程式によって時間領域で分析的に示された出力ベクトルｙと入力ベクトルｘとの関係に対応することができる。この場合、Ａ（ｑ）は、
Ａ（ｑ）＝１＋ａ_１ｑ^−１＋ａ_２ｑ^−２＋・・・＋ａ_ｒａｑ^−ｒａ
の形の最高が１である実多項式であり、
Ｂ（ｑ）は、
Ｂ（ｑ）＝ｂ_０＋ｂ_１ｑ^−１＋ｂ_２ｑ^−２＋・・・＋ｂ_ｒｂｑ^−ｒｂ
の形を有する、各係数が入力ベクトルｘと同じ次元の線形ベクトルである実多項式である。この場合、ｑ^−１は、
ｑ^−１（ｘ（ｔ））＝ｘ（ｔ−１）
によって定義される遅延演算子である。

これらの多項式は、複素平面における根（零点および極）によって一意的に識別され得る。

ステップＥ１４で、プロセッサ手段５は、複数の数式を使用して、各飛行状況に対して基準有理フィルタ（基準挙動モデルに対応する）を定義するように設定される。

有理フィルタの第１の較正ステップは、多項式Ａ（ｑ）およびＢ（ｑ）の階数を定義するステップを含む。値は、多項式Ａ（ｑ）の次数に対して、さらにＢ（ｑ）によって、追跡された変数の各々に対して定義された各多項式の次数に対して選択される必要がある。

モデルの尤度は、当然、モデルによって使用されるパラメータの数とともに増大するので、推定されるモデルの質およびロバスト性を効果的に監視することができる補償基準を使用するのが有利である。

多項式の係数は、自己回帰式を満たすモデル化プロシージャのときに測定された値に回帰を行うことで、従来の補間予測技術によって計算され得る。階数を選択するのに、これらの回帰技術が大量のデータに適用され、それにより同時に多項式の係数を推定して補償尤度を推定し、挙動モデルのロバスト性をテストすることができる。ロバスト性は、挙動モデルの係数を推定するのに使用されなかったデータで実行されるモデルの質の尺度である。

自己回帰一次方程式で維持される階数は、専門知識により決定された基準にしたがって、挙動モデルの尤度およびそのロバスト性を最適化する階数である。

有理フィルタは較正されると、リアルタイムでの適用に適するようになる。したがって、ステップＥ１５で、プロセッサ手段５は、経時的に、制御手段２１に関する現在のデータセットを収集し、メモリバッファ２３内に記憶するために作動するように設定される。

有利には、メモリバッファ２３は、前のステップで推定された階数、および飛行状況を識別し多項式Ａ（ｑ）およびＢ（ｑ）の係数の計算に必要な回帰技術を適用するのに必要である最小量のデータを使用して定義された固定サイズのメモリバッファである。メモリバッファ２３は、新規測定値の余地を残すために最も古いデータが削除されるようにスライドバッファとして動作することができる。

各瞬間において、飛行状況指標が推定される。この推定により、メモリバッファ２３に記憶されている測定時間全体にわたって承認されている飛行状況の１つが得られる。特定の状況が識別されると、方法は次のステップＥ１６に移る。

ステップＥ１６で、現在の飛行状況が識別されると、プロセッサ手段５は、複数の数式を使用して、現在のデータセットおよび現在の飛行状況に関する現在の有理フィルタ（現在の挙動モデルに対応する）を計算するように設定される。

現在の有理フィルタの選択または計算は、現在の飛行状況に対応し、自己回帰モデルのトレーニング技術を実行する標準化の近似を含む。この較正は、以前に地上での較正時に計算された係数を適応させる方法を使用して、多項式Ａ（ｑ）およびＢ（ｑ）に対する数式を推論するために、メモリバッファ２３のデータにおいて実行される。計算された係数のいくつかは信頼できない可能性がある場合もある。このような状況では、方法は、直接次のステップＥ１７に移る。

線形有理フィルタは、多項式の係数よりも、より安定的な固有の指標（零点および極）によって定義することができない。

ステップＥ１７で、プロセッサ手段５は、各飛行状況に対して、現在の有理フィルタに関連付けられた多項式Ａ（ｑ）およびＢ（ｑ）の複素平面における現在の零点（Ｂ（ｑ）の根）および極（Ａ（ｑ）の根）を抽出するように設定される。実際の大きさ（例えば、複素共役零点の組の絶対値および位相）のみを保存する前処理の後、これらの現在の零点および極はテーブル（例えば、格納手段１１に記憶されている）に、エンジン１の制御手段２１に関する取得コンテキストを表す他の情報（例えば、外部温度、圧力、航空機の高度など）と共に記憶される。

各飛行状況に対してこのように作成されたテーブルは、較正プロシージャ（後述する）で使用されることができ、較正プロシージャにより、例えば、専門家の基準に従って、正規性閾値の定義（すなわち、制御手段２１の正規性拒否検査）につながる係数の分布が定義される。

極および零点の通常の仮定の下で尤度として計算される正規性指標の場合には、これらの正規性閾値の１つを超えることにより、異常警告が発せられる。この場合、これらの事象の発生を管理して警告を管理するために、決定論理が実装され得る。

特定の飛行状況に対して、経時的に有理フィルタの零点および極を計算して記憶した後、較正プロシージャは、最初に、取得コンテキストから開放されるように、コンテキスト測定値および他の係数における回帰によって各係数に再調整を適用するステップを含むことは留意されるべきである。

その後、回帰有理フィルタに関する偏差が、全体として見た再調整係数のベクトルの分布を推定することでモデル化される。例えば、分布推定のモデルとしてホテリングＴ乗を使用することが可能である。

この分布モデルのパラメータは、専門家によって正規であると見なされるデータ系列において推定される。正規性閾値は、この分布の量として定義される。このモデルにより、通常のノイズとして現れるものと制御手段２１の挙動の変化とを区別することができる。

したがって、現在の飛行状況に対して、もし異常が少しでもあれば、その異常を検出するために、プロセッサ手段５は、ステップＥ１８で、専門的な基準を基に、現在の零点および極から、また制御手段２１に関する取得コンテキストを表す他の情報から正規性指標を計算するように設定される。プロセッサ手段５は、その後、正規性指標と対応する正規性閾値との距離が所定値より大きい場合に、制御手段２１の挙動の異常を検出することができる。

さらに、零点および極を利用せずに、制御手段２１のダイナミックレンジに適した関数を使用して、例えば、残留エネルギー変動を利用することで距離を推定することも可能であることは留意されるべきである。この条件では、制御手段２１の挙動異常は、基準有理フィルタと現在の有理フィルタとの距離が所定値より大きい場合に検出することができる。

本発明の一例では、制御手段２１は、ターボジェットの圧縮機のステータ弁を制御するアクチュエータを操作する調整回路に相当する。

図５は、ターボジェット１の軸方向圧縮機２７ａ、２７ｂのステータ弁２５ａ、２５ｂの動作異常を検出するために調整回路２１ａ（実線で示されている）とサーボ制御ループ２１ｂ（破線で示されている）とを含む本発明の検出システムの一例の高度の略式図である。

一般に、ターボジェット１は、上流側に低圧（ＬＰ）圧縮機２７ａと、下流側に高圧（ＨＰ）圧縮機２７ｂとを有する。

さらに、ステータ弁２５ａ、２５ｂは、飛行状況、外部条件、コマンド入力に応じて圧縮機２７ａ、２７ｂの構造（ｇｅｏｍｅｔｒｙ）を変更する働きをする。これらのステータ弁は、結合された２つのアクチュエータ２９（例えば、油圧アクチュエータ）を操作する閉調整回路２１ａによって制御される。当然、アクチュエータ２９は、同様に十分な電気機械的または電気的アクチュエータとすることができる。

したがって、この例では、制御手段２１は、有理フィルタ３１を含むサーボ制御ループ２１ｂによってモデル化されたアクチュエータ２９を操作する調整回路２１ａに相当する。

アクチュエータ２９の出口における位置または運動ｙは、線形可変差動変圧器（ＬＶＤＴ）位置センサ３ａによって測定される。アクチュエータ２９は、比例積分微分（ＰＩＤ）調整器３３によって送られる入力コマンドｕによって制御される。

入力コマンドｕは、全自動デジタルエンジンコントローラ（ＦＡＤＥＣ）３９によって送信されたコマンド値を使用して算術演算子３７を介して修正された飛行中のパワー要求に応じてセットポイント３５によって定義される。ＦＡＤＥＣ３９は、ＬＶＤＴ位置センサ３ａによって測定されたアクチュエータの出口位置ｙに応じてコマンド値を計算する。

さらに、システムは、コマンド測定値ｕおよびアクチュエータ２９に関する位置測定値ｙの他に、エンジン１の環境に関する他の測定値を含む。したがって、システムは、低圧圧縮機のシャフトの回転速度Ｎ１、高圧圧縮機のシャフトの回転速度Ｎ２、圧縮機から下流側の圧力Ｐ、燃料流量Ｗをそれぞれ測定するためのセンサ３ｂから３ｅを有する。

したがって、サーボ制御ループ２１ｂは、有理フィルタ３１が、アクチュエータの実位置ｙ、入力コマンドｕ、ならびにＨＰおよびＬＰ圧縮機の回転速度Ｎ１、Ｎ２と燃料流量Ｗと空気圧Ｐとを含むエンジン環境の外部測定値を含む入力データの関数として、アクチュエータの位置

（フィルタ３１の出力）をモデル化することを示している。

油圧アクチュエータのパラメータ、つまり、シリンダ容積Ｖ、ピストン面積Ａ、流体密度ρ、流体の体積弾性率κ、等価負荷質量ｍ、負荷剛性Ｋ、ダンピングｃ、さらに外部および内部漏れの特定の測定値Ｌを知ることで、時間ｔにおいて連続的である以下の解析公式を使用してコマンドｕとアクチュエータ２９の位置ｙとの関係を定義することができることは留意されるべきである：

アクチュエータ２９の位置ｙとアクチュエータ２９のための入力コマンドｕとの間のこの時間公式は、調整回路２１ｂの挙動を示しており、定常状況離散自己回帰フィルタによって合理的に近似値が求められてもよい。デジタル回帰は、以下のように、時間において離散的な確率方程式によって表される場合がある：

変数ｘ_ｊは、入力コマンドｕ、エンジン１の環境の測定値、および場合によっては調整回路２１ａに関する他のコンテキスト測定値を含むｋ個の外部入力の全てをまとめてグループ化する。この離散方程式は、式
ａｙ＝ｂｘ
この場合、

かつ

であるベクトルの形式で表され得る。

ベクトルパラメータａ、ｂは、これらがコンテキストとコマンドと位置との関係を表しているので状態パラメータである。

したがって、定常状態離散自己回帰フィルタは、アクチュエータ２９の現在位置に対応する現在の瞬間における出力変数ｙ（ｔ）の挙動を、アクチュエータ２９の前の位置に対応する前の瞬間における出力変数ｙ（ｓ；ｓ＜ｔ）の関数として、また現在および前の瞬間における外部データに対応する入力変数
ｘ（ｓ）＝（ｘ_ｊ（ｓ）；ｓ≦ｔ）_{ｊ＝１・・・ｋ}
の関数としてモデル化する働きをする。この自己回帰フィルタは、

の形を有する多項式分数の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}３１によって周波数スペクトルｗで表され得る。この場合、

かつ

である。

モデルの適合性をテストする適切な基準は、例えば、アクチュエータ２９の測定された実位置ｙ（ｔ）と、以下の数式：

を使用してフィルタによって推定されたアクチュエータ２９の位置

との間のサンプル数Ｎに対する平均二乗誤差（ＭＳＥ）の測定に相当する。

図６Ａおよび図６Ｂは、有理フィルタ３１によって調整回路２１ａの挙動をモデル化するための主なステップを示す。

これらの図およびその前の図は、航空エンジン１の異常を検出するための本発明のシステムの主な手段の例であることは留意されるべきである。

より詳細には、図６Ａは、地上での測定時の有理フィルタ３１の較正を示す。

ステップＥ２１で、プロセッサ手段５は、ベンチテスト段階で測定され記憶された初期入力および出力変数（ｘ^０（ｓ），ｙ^０（ｓ））を表す初期デジタルデータを収集するためにエンジン１の操作を監視するように設定される。

この初期デジタルデータは、飛行状況を識別または分類して、多項式のパラメータを決定するのに役立つ。

したがって、ステップＥ２２で、プロセッサ手段５は、飛行段階のそれぞれに対して、確率的指標（専門家によって提案された）を使用して飛行状況を分類するように設定される。

ステップＥ２３で、プロセッサ手段５は、飛行状況を分類した後、各飛行状況に対して回帰技術を使用して、有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}３１に関連付けられた多項式分数の最適な階数ｒ_ｊ、ｒ_０の組を計算するように設定される。このことにより、プロセッサ手段５は、ステップＥ２４で、各飛行状況に対して、前の位置に応じて、また他の前および現在の測定値に応じてアクチュエータ２９の出力位置を予測する働きをする基準有理フィルタ

を定義することができる。

より詳細には（ステップＥ２３、Ｅ２４で）、各飛行状況に対応するデータは、最初に、例えば、平均回転速度を含む外部コンテキスト情報を使用して正規化される。

デジタルデータを正規化した後、圧縮機シャフトの回転速度Ｎ_１およびＮ_２、圧縮機から下流側の圧力Ｐ、燃料流量Ｗ、弁コマンドｕを含む測定値を統合することによって、入力ベクトル
ｘ＝（Ｎ_１，Ｎ_２，Ｐ，Ｗ，ｕ）
を構成することができる。回転速度に関する外部測定値は、コンテキスト変動により高いロバスト性を提供することは留意されるべきである。

その後、各飛行状況に対して、最大尤度基準を使用してモデルを最適化することによって階数が計算される。赤池情報基準（ＡＩＣ）を使用することも可能である。このＡＩＣ基準は、モデルの最適なサイズを見つけるために、異なるサイズのモデルを比較するのに適している。ＡＩＣ基準は、以下の数式を使用して推定されるパラメータｄの数によって、平均二乗誤差ＭＳＥにおける対数尤度ｌｏｇ（Ｌ）を補償する働きをする：

および
ｌｏｇ（Ｌ）＝−Ｎ（ｌｏｇ（２πＭＳＥ）＋１）

このとき、ＡＩＣ基準を最小化することは、平均二乗誤差（ＭＳＥ）を最小化することに相当し、推定されるパラメータの数を最小限度にすることに相当する。

有利には、新規データに対してロバスト性を有するモデルを定義するために、補償された尤度ロバスト性テストが利用される。このテストは、モデルを較正するのに使用されなかったデータにおいてモデルの質を評価するものである。したがって、サイズＮのサンプルの所与の階数
ｒ＝（ｒ_０，．．．，ｒ_ｋ）
この場合、
ｒ_０≧１、かつｒ_ｊ≧０
のモデルをテストするために、モデルは、サンプルの第１の部分（例えば、サンプルのサイズの８０％）で較正され、残りの部分でテストされる。

このロバスト性テストにより、階数のこの選択に固有の尤度が得られ，較正に使用されなかった信号の一部でＭＳＥが計算される。それにより、サイズＮのサンプルに正規化が適用されるようにＡＩＣ基準を変更して、一定の整合性のある値を保存することができる。定数部分を消去した後、正則化パラメータλを使用して調節された、
α_λ（ｒ）＝ｌｏｇ（ＭＳＥ）＋λｄ
の形の基準α_λ（ｒ）が得られる。

その結果、階数を選択するために、方法は、ｒ_０＝（１，．．．，０）で始まり、基準α_０＝α_λ（ｒ_０）が計算される。この基準は、ｙが正規化（σ＝１）されるので
ｌｏｇ（σ^２）≒０
に等しく、信号はその平均（μ＝０）によって推定される。その後、ｒの各成分ｊに対して、ｊ番目の階数に１を足すことによって、階数の新規の組がテストされる。階数ｒ_１の次の組は、α（ｒ）を最小にする組に相当する。その結果、数列（α_ｎ）_ｎ＝０は、有理フィルタ３１の階数の組の最良の選択に対応する最小値が得られるまで減少する。

最適な組の階数の選択後、今度は全ての較正信号を使用して従来の回帰方法によってフィルタ３１のパラメータが計算される。このことにより、各飛行状況に対して、以下のように、基準多項式Ａ^０（ｗ）、

の関数として基準有理フィルタ

を求めることができる：

時系列回帰技術により、アクチュエータの位置ｙ（ｔ）の粗い推定値を求めることができることは留意されるべきである。有利には、モデルは、固定点付近で本発明の方法を安定させることによって改善されることができる。

しかしながら、回帰の質より状態の傾向を知ることがより有利であるので、これらのパラメータの粗い推定値で十分である。また、正確なモデルは過剰にパラメータ化されやすい可能性があり、そのことで、挙動モデルが非局所的な変動のために速く急激な変化や調節を受けやすくなる。

図６Ｂは、有理フィルタの変動を監視する主なステップを示す。

飛行状況が識別された後、新規の有理フィルタが定期的に計算され、各飛行状況に対する多変数時間信号（ａ（ｎ），ｂ（ｎ））が得られる。時間インデックスｎは、定期的観測値
ｔ（ｎ）＝ｔ_０＋ｎΔｔ
に相当する。

また、この時間インデックスｎは、長期メンテナンスでは飛行数を表すす場合もある。実際に、各時間インデックスｎに対して、ｔ（ｎ）前後の時間間隔Ｉ_ｔ（ｎ）の間に、パラメータの新規推定値が計算される。

したがって、動作時の調整回路２１ａを監視する目的は、状態パラメータ（ａ（ｎ），ｂ（ｎ））の変動を監視することによって、回路の異常を検出することである。

より詳細には、基準フィルタ

が定義された後、プロセッサ手段５は、時間ｔ（ｎ）（より簡潔に、ｔで示される場合が多い）にわたって測定値を記録することから始める。

ステップＥ２５で、入力および出力変数（ｘ（ｓ），ｙ（ｓ））を表すデジタル測定値が、時間ｔの間に所定の容量のメモリバッファ２３に記憶されて、Ｎ個の測定値を占める区間またはサンプルを形成する：
Ｉ_ｔ＝｛（ｘ（ｓ），ｙ（ｓ））；ｓ∈［ｔ−Ｎ＋１，・・・ｔ］｝

ステップＥ２６で、プロセッサ手段５は、各々の周期的瞬間ｔ（ｎ）＝ｎΔｔ（この場合、Δｔは、プロセッサ手段５の計算速度によって決まる所定の時間である）において、Ｎ測定値サンプルの安定性をテストするように設定される。

ステップＥ２７で、Ｎ測定値サンプルが安定している場合、プロセッサ手段５は、現在の飛行状況を識別するように設定される。安定性が見られる場合、最も可能性の高い現在の飛行状況が識別され、その分類の質が推定される：
Ｑ∈［０，１］

ステップ２８で、プロセッサ手段５は、ステップＥ２７で識別された現在の飛行状況に関連付けられた階数の最適な組に対して現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を推定するように設定される。

ステップＥ２９で、プロセッサ手段５は、ステップＥ２８で計算された現在の多項式（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を、ステップＥ２４で計算された同じ飛行状況に対応する基準有理フィルタ

と比較するように設定される。

ステップＥ３０で、プロセッサ手段５は、現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}と基準有理フィルタ

との差が所定値より大きい場合に、調整回路２１ａの挙動の異常があることを示すように設定される。

２つの有理フィルタ間の差（偏差）または距離は、多項式の零点および極から計算されてもよく、場合によっては、調整回路２１ａに関する取得コンテキストを表す他の情報から計算されてもよい。

零点（Ｂ_ｊの根）および極（Ａの根）は、有理フィルタの固有の特性である。したがって、調整回路２１ａの挙動の異常を検出するために、これらの根の統計的変動が追跡されることが可能である。根のいくつかは複素数としてもよいが、多項式の全ては実数であり、このような条件下では、各々の複素根に対して、複素共役根が存在する。したがって、実数部分と正の虚数部分とのみ考慮に入れることができる。専門家たちは、異常を特定する働きをするこれらの根の特定の組み合わせから指標を定義することができる。

専門的基準がない場合に、自動的に指標を計算することも可能であることは留意されるべきである。

また、多項式がその根の全てによって表される場合、入力信号のスペクトル全体にわたって調整回路２１ａの挙動を支配することができることは留意されるべきである。しかしながら、本当に有意なわずかな特定の周波数の前後でモデルの挙動を支配するのがより有利である。

現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}と基準有理フィルタ

とを比較する第１の技術は、２つのフィルタ間の統計的差分を推定するステップを含む。

例として、プロセッサ手段５は、測定された位置ｙと現在のフィルタによって推定される位置

との平均二乗誤差（ＭＳＥ）を計算し、その後、この現在の誤差を、基準フィルタの地上での較正時に得られた対応する基準誤差ＭＳＥ_０と比較するように設定され得る。

より詳細には、最初に、ベンチテスト段階で測定されたアクチュエータ２９の実位置を表す出力変数と、基準有理フィルタ

によって推定されるアクチュエータ２９の位置を表す対応する出力変数との基準平均二乗誤差（ＭＳＥ_０）が計算される。

その後、リアルタイム測定値で測定されたアクチュエータ２９の実位置を表す現在の出力変数と、現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}によって推定されるアクチュエータ２９の位置を表す対応する出力変数との現在の平均二乗誤差（ＭＳＥ）が計算される。

したがって、現在の平均二乗誤差（ＭＳＥ）と基準平均二乗誤差（ＭＳＥ_０）との比ｅ_０によって２つのフィルタ間の差分を計算することができる：

この比は、基準フィルタに対する現在のフィルタの精度をテストするのに役立つ。比ｅ_０の値は、ベンチテストのときに、現在のフィルタが基準フィルタの場合より十分に局所的に調節される場合１未満であると考えられる。一方、比ｅ_０の値が所定値より大きい場合（例えば、標準的な初期データによる比の統計的研究の結果として）、挙動異常が示される。

現在のモデルと基準モデルとを比較する別の技術は、プロセッサ手段５が残留エネルギー変動を追跡する指標を計算するステップを含む。

したがって、（ｋ個の入力の中から）各入力変数ｘ_ｊ（ｔ）に対して、信号の入力変数ｘ_ｊ（ｔ）の自己相関関数Ｒ_ｊｊ（τ）フーリエ変換によってパワースペクトル密度｜Ｘ_ｊ（ｗ）｜^２が計算される：

その後、各入力変数ｘ_ｊ（ｔ）の周波数帯域にわたって、現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}と基準有理フィルタ

とによって重み付けされた積分によって、局所指標ｅ_ｊの数列ｅ＝（ｅ）_{ｊ＝１・・・ｋ}が計算される：

項Ｆ_ｊ（ｗ）｜Ｘ_ｊ（ｗ）｜^２は、入力変数ｘ_ｊ（ｔ）のパワー密度スペクトルに相当する。

より迅速に計算するために、積分を計算せずに、各パワースペクトル｜Ｘ_ｊ（ｗ）｜^２に対する周波数応答のみを考慮に入れてもよいことは留意されるべきである。

その後、局所指標ｅ_ｊ間の相関技術を使用して、局所的スコア

の数列ｚ＝（ｚ_ｊ）_{ｊ＝１・・・ｋ}が計算される。この場合、

は局所指標ｅ_ｊと他の局所指標との間の回帰推定量であり：

この場合、ｃ_ｊ，ｉは回帰係数である。

さらに、大域的スコアＺ^２を、留数

の数列ｚ＝（ｚ_ｊ）_{ｊ＝１・・・ｋ}と、ベンチテスト段階で共分散行列Σを使用して計算されたｚの平均

との相違点を測定するマハラノビス距離として計算することができる。大域的スコアＺ^２は以下の式：

によって与えられる。

飛行状況の識別が不十分な場合の誤差のリスクを最小限に抑えるために、大域的スコアＺ^２に飛行状況分類の質係数
Ｑ_ＦＲ∈［０，１］
を掛けることにより最終スコアＱ_ＦＲ×Ｚ^２を定義することができる。

次に、最終スコアＱ_ＦＲ×Ｚ^２の値が所定値を超えると、挙動異常警告が示される。例として、この値は、Ｚ^２の分布（この場合、Ｚ^２は知られている分布則、すなわち、変位置が知られているカイ二乗（χ^２）分布に従う）を考慮することによって決定され得る。

異常が検出されると、エンジン１の調整回路２１ａの故障要素を発見するために、指標をより詳細に分析することができる。

それぞれの正規化された局所指標

を追跡することができる。
この場合、σ_ｊは共分散行列Σのｊ番目の対角要素である。

好適な実施形態では、本発明の方法の種々のステップは、プログラムコード命令によって実行される。

したがって、本発明はさらに、プロセッサ手段またはコンピュータシステムで実施されるのに適しており、上述の本発明の方法を実施するように構成されたコード命令を含むコンピュータプログラム製品を提供する。

プログラムは、任意のプログラミング言語を使用することができ、ソースコード、オブジェクトコード、または部分的にコンパイルされた形式のようなソースコードとオブジェクトコードとの中間のコードの形式、または任意の他の望ましい形式とすることができる。

本発明はさらに、コンピュータによって読み出し可能であり、上述のコンピュータプログラムの命令を含むデータ媒体を提供する。

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エンティティまたはデバイスとすることができる。例えば、データ媒体は、リードオンリメモリ（ＲＯＭ）、例えば、コンパクトディスク（ＣＤ）ＲＯＭ、または超小型電子回路ＲＯＭなどの格納手段、またはいくつかの他の格納手段を含むことができる。

さらに、データ媒体は、電気もしくは光ケーブル経由で、または無線機によって、または他の手段によって伝達され得る電気または光信号などの伝達可能な媒体とすることができる。

あるいは、データ媒体は、プログラムが組み込まれた集積回路とすることができる。集積回路は、当該方法を実行するように、または実行の際に使用するように構成される。

Claims (15)

1. 航空エンジンの異常を検出する方法であって、
   前記航空エンジン（１）の制御手段（２１）の挙動モデルを、前記制御手段に関する、および以前の挙動の測定値と前記制御手段（２１）の状態および制御の測定値とを含むデータセットの関数として前記制御手段（２１）の挙動をモデル化する時系列回帰を使用して、定義するステップと、
   各新規データセットに対して、前記挙動モデルを連続して再計算するステップと、
   前記エンジン（１）の動作異常を表す前記制御手段（２１）の挙動異常を検出するために、前記挙動モデルの統計的変動を監視するステップとを含むことを特徴とする、方法。
2. 前記制御手段（２１）に関する初期データセットを収集するステップと、
   前記初期データセットを、専門家によって規定された基準を使用して定義された状況指標によって識別される異なる飛行状況（Ｒ１からＲ６）を表す複数の一定区間に分割するステップと、
   各飛行状況に対して基準挙動モデルを定義するステップとを含む、請求項１に記載の方法。
3. 航空エンジン（１）の異常を検出するシステムであって、
   前記航空エンジン（１）の制御手段（２１）の挙動モデルを、前記制御手段に関する、および以前の挙動の測定値と前記制御手段（２１）のコマンドおよび状態の測定値とを含むデータセットの関数として前記制御手段（２１）の挙動をモデル化する時系列回帰を使用して、定義するための手段（５）と、
   各新規データセットに対して前記挙動モデルを連続して再計算するための手段（５）と、
   前記エンジン（１）の動作異常を表す前記制御手段の挙動異常を検出するために、前記挙動モデルの統計的変動を監視するための手段（５）とを備えることを特徴とする、システム。
4. 前記制御手段（２１）に関する初期データセットを収集するための手段（５）と、
   前記初期データセットを、専門家によって規定された基準を使用して定義された状況指標によって識別される異なる飛行状況（Ｒ１からＲ６）を表す複数の一定区間に分割するための手段（５）と、
   各飛行状況に対して基準挙動モデルを定義するための手段（５）とを含む、請求項３に記載のシステム。
5. 経時的に、前記制御手段（２１）に関する現在のデータセットを収集するように作動するための手段（５）と、
   前記現在のデータセットのコンテンツを所定時間メモリバッファ（２３）に記憶するための手段（５）と、
   前記現在のデータセットを使用して、状況指標の推定値を計算して前記所定時間に固有の現在の飛行状況を識別するための手段（５）と、
   前記現在のデータセットおよび前記現在の飛行状況に対応する現在の挙動モデルを計算するための手段（５）と、
   前記現在の挙動モデルと前記現在の飛行状況に対応する前記基準挙動モデルとの間の挙動距離を推定するための手段（５）と、
   前記挙動距離が所定の正規性閾値より大きい場合に、前記制御手段（２１）の挙動異常を検出するための手段（５）とを含む、請求項４に記載のシステム。
6. 前記挙動モデルが有理フィルタであることを特徴とし、
   ローパスフィルタを差し引いて、各飛行状況に対して推定される局所分散に対して正規化することで前記初期データセットを標準化するための手段（５）と、
   前記制御手段（２１）の現在の挙動を表す現在の瞬間における出力ベクトルｙ（ｔ）を、前の挙動測定値を表す前の瞬間における出力ベクトルｙ（ｔ−ｉ）の関数として、また現在の瞬間における入力ベクトルｘ（ｔ）および前の瞬間における入力ベクトルｘ（ｔ−ｉ）を含む入力ベクトルの関数として表す数式であり、各入力ベクトルｘが前記制御手段の前記コマンドおよび状態の測定値を統合することで構成される複数の数式を定義するための手段（５）と、
   前記複数の数式を使用して、各飛行状況に対して基準有理フィルタを定義するための手段（５）と、
   前記複数の数式を使用して、前記現在のデータセットおよび前記現在の飛行状況に関する現在の有理フィルタを計算するための手段（５）とを備える、請求項５に記載のシステム。
7. 前記複数の数式の各々の数式が、
   Ａ（ｑ）ｙ＝Ｂ（ｑ）ｘ
   によって時間領域において解析的に示された前記出力ベクトルｙと入力ベクトルｘとの一次方程式に対応し、
   この場合、Ａ（ｑ）が、
   Ａ（ｑ）＝１＋ａ_１ｑ^−１＋ａ_２ｑ^−２＋・・・＋ａ_ｒａｑ^−ｒａ
   の形の実多項式であり、
   また、Ｂ（ｑ）が、実多項式であり、各係数が入力ベクトルｘと同じ次元の線形ベクトルであり、
   Ｂ（ｑ）＝ｂ_０＋ｂ_１ｑ^−１＋ｂ_２ｑ^−２＋・・・＋ｂ_ｒｂｑ^−ｒｂ
   の形を有し、
   この場合、
   ｑ^−１（ｘ（ｔ））＝ｘ（ｔ−１）
   であることを特徴とする、請求項６に記載のシステム。
8. 前記現在の飛行状況に対応する前記現在の有理フィルタに関連付けられた多項式から現在の零点と極とを抽出するための手段（５）と、
   専門的基準を使用して、前記現在の零点および極から、また前記制御手段（２１）に関する取得コンテンツを表す他の情報から、前記現在の飛行状況の正規性指標を計算するための手段（５）と、
   前記正規性指標と対応する正規性閾値との距離が所定値より大きい場合に、前記制御手段（２１）の挙動異常を検出するための手段（５）とを備えることを特徴とする、請求項７に記載のシステム。
9. 前記制御手段（２１）のダイナミックレンジに適した関数を使用して、距離を定義するための手段（５）と、
   基準有理フィルタと現在の有理フィルタとの前記距離が所定値より大きい場合に、前記制御手段（２１）の挙動異常を検出するための手段（５）とを備えることを特徴とする、請求項７に記載のシステム。
10. 前記制御手段（２１）が、ターボジェット（１）の低圧圧縮機（２７ａ）および高圧圧縮機（２７ｂ）におけるステータベーン（２５ａ、２５ｂ）を制御し、飛行状況に応じて圧縮機（２７ａ、２７ｂ）の構造を変更する働きをするアクチュエータ（２９）を操作する調整回路（２１ａ）に相当すること、および前記調整回路（２１ａ）に関する前記データセットが、アクチュエータ（２９）の位置に関するデータ、および前記低圧圧縮機（２７ａ）のシャフトの第１の回転速度Ｎ１と、前記高圧圧縮機（２７ｂ）のシャフトの第２の回転速度Ｎ２と、圧縮機から下流側の圧力Ｐと、燃料流量Ｗと、アクチュエータ（２９）のためのコマンドｕとを含む外部データを含むことを特徴とする、請求項３から９のいずれか一項に記載のシステム。
11. アクチュエータ（２９）の前の位置に対応する前の瞬間における出力変数ｙ（ｓ；ｓ＜ｔ）の関数として、また過去と現在の瞬間における前記外部データに対応する入力変数
    ｘ（ｓ）＝（ｘ_ｊ（ｓ）；ｓ≦ｔ）_{ｊ＝１・・・ｋ}
    の関数として、アクチュエータ（２９）の現在の位置に対応する現在の瞬間における出力変数ｙ（ｔ）の挙動をモデル化するために、
    

    

    の形の多項式の分数の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}（３１）による周波数スペクトルｗで表され、
    この場合、
    

    

    であり、また
    

    

    である定常状況離散自己回帰フィルタを定義するための手段（５）と、
    ベンチテストの段階で測定され記憶された初期入力および出力変数（ｘ^０（ｓ），ｙ^０（ｓ））を表す初期デジタルデータを収集するための手段（５）と、
    前記初期デジタルデータから飛行状況を識別するための手段（５）と、
    各飛行状況に対して、前記有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}の前記多項式の分数の階数ｒ_ｊとｒ_０との最適な組を計算するための手段（５）と、
    各飛行状況に対して、基準有理フィルタ
    

    

    を計算するための手段（５）とを備えることを特徴とする、請求項１０に記載のシステム。
12. 入力および出力変数（ｘ（ｓ），ｙ（ｓ））を表すデジタル測定値をメモリバッファ（２３）に経時的に記憶して、Ｎ測定値サンプル：
    Ｉ_ｔ＝｛（ｘ（ｓ），ｙ（ｓ））；ｓ∈［ｔ−Ｎ＋１，・・・ｔ］｝
    を形成するための手段（５）と、
    前記Ｎ測定値サンプルの安定性をテストするための手段（５）と、
    現在の飛行状況を識別し、その分類の質
    Ｑ_ＦＲ∈［０，１］
    を推定するための手段（５）と、
    前記現在の飛行状況に関連付けられた最適な組の階数に対する現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を推定するための手段（５）と、
    前記現在の有理フィルタ（Ｆ_ｊ（ｗ））_{ｊ＝１・・・ｋ}を、同じ飛行状況に対応する基準有理フィルタ
    

    

    と比較するための手段（５）と、
    前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ
    

    

    との差が所定値より大きい場合に、前記調整回路（２１ａ）の挙動異常を示すための手段（５）とを備えることを特徴とする、請求項１１に記載のシステム。
13. ベンチテスト段階で測定されたアクチュエータ（２９）の実位置を表す出力変数と前記現在の基準有理フィルタ
    

    

    により推定されるアクチュエータ（２９）の位置を表す対応出力変数との基準平均二乗誤差ＭＳＥ_０を計算するための手段（５）と、
    リアルタイム測定値で測定されたアクチュエータ（２９）の実位置を表す現在の出力変数と前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋによって推定されるアクチュエータ（２９）の位置を表す対応出力変数との現在の平均二乗誤差ＭＳＥを計算するための手段（５）と、
    前記現在の平均二乗誤差ＭＳＥと前記基準平均二乗誤差ＭＳＥ_０との比ｅ_０：
    

    

    によって定義される差を計算するための手段（５）と、
    前記比ｅ_０が所定値より大きい場合に異常を示すための手段（５）とを備えることを特徴とする、請求項１２に記載のシステム。
14. それぞれの入力変数ｘ_ｊ（ｔ）の周波数帯域にわたって、前記現在の有理フィルタ（Ｆｊ（ｗ））ｊ＝１・・・ｋと前記基準有理フィルタ
    

    

    とによって重み付けされた積分によって、局所指標ｅ_ｊ：
    

    

    この場合、
    

    

    また、
    

    

    の数列ｅ＝（ｅ_ｊ）_{ｊ＝１・・・ｋ}を計算するための手段（５）と、
    前記局所指標ｅ_ｊ間の相関技術を使用して、局所的スコア
    

    

    の数列ｚ＝（ｚ_ｊ）_{ｊ＝１・・・ｋ}を計算するための手段（５）であって、この場合、
    

    

    が局所指標ｅ_ｊと他の局所指標との間の推定量であり：
    

    

    この場合、ｃ_ｊ，ｉが回帰係数であるような局所的スコアの数列を計算するための手段（５）と、
    マハラノビス距離を使用して：
    

    

    この場合、
    

    

    が、共分散行列Σを使用してベンチテスト段階で計算されたｚの平均であるような大域的スコアＺ^２を計算するための手段（５）と、
    大域的スコアＺ^２に飛行状況の分類の質係数Ｑ_ＦＲ∈［０，１］を掛けることによって、最終スコアＱ_ＦＲ×Ｚ^２を計算するための手段（５）と、
    最終スコアＱ_ＦＲ×Ｚ^２の値が所定値を超えた場合に、挙動異常警告を示すための手段（５）とを備えることを特徴とする、請求項１２に記載のシステム。
15. プロセッサ手段によって実行されるときに、請求項１または２に記載の検出方法を実施する命令を含む、コンピュータプログラム。

Images