RU2011126348A - Обнаружение аномалий в авиационном двигателе - Google Patents

Обнаружение аномалий в авиационном двигателе Download PDF

Info

Publication number
RU2011126348A
RU2011126348A RU2011126348/08A RU2011126348A RU2011126348A RU 2011126348 A RU2011126348 A RU 2011126348A RU 2011126348/08 A RU2011126348/08 A RU 2011126348/08A RU 2011126348 A RU2011126348 A RU 2011126348A RU 2011126348 A RU2011126348 A RU 2011126348A
Authority
RU
Russia
Prior art keywords
current
behavior
control means
flight mode
data set
Prior art date
Application number
RU2011126348/08A
Other languages
English (en)
Other versions
RU2497173C2 (ru
Inventor
Жером ЛАКАЙ
ДЖИКИ Ростан НЬЯ
Original Assignee
Снекма
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from FR0858088A external-priority patent/FR2939170B1/fr
Application filed by Снекма filed Critical Снекма
Publication of RU2011126348A publication Critical patent/RU2011126348A/ru
Application granted granted Critical
Publication of RU2497173C2 publication Critical patent/RU2497173C2/ru

Links

Claims (15)

1. Способ обнаружения аномалий в авиационном двигателе (1), способ, отличающийся тем, что он содержит следующие этапы, на которых:
определяют модель поведения для средства (21) управления упомянутого авиационного двигателя (1) посредством использования временной регрессии, которая моделирует поведение упомянутого средства (21) управления в зависимости от набора данных, относящегося к упомянутому средству управления и включающего в себя измерения прошлых поведений, а также измерения состояний и управления упомянутого средства (21) управления;
непрерывно перерассчитывают упомянутую модель поведения для каждого нового набора данных; и
контролируют статистическую вариацию упомянутой модели поведения, для того чтобы обнаруживать аномалию поведения упомянутого средства (21) управления, представляющую аномалию работы упомянутого двигателя (1).
2. Способ по п. 1, содержащий следующие этапы, на которых:
собирают начальный набор данных, относящийся к упомянутому средству (21) управления;
разбивают упомянутый начальный набор данных на множество одинаковых интервалов, представляющих разные режимы (R1-R6) полета, идентифицированные индикаторами режима, определенными с использованием критериев, установленных экспертами; и
определяют эталонную модель поведения для каждого режима полета.
3. Система для обнаружения аномалий в авиационном двигателе (1), система отличающаяся тем, что она содержит:
средство (5) для определения модели поведения средства (21) управления упомянутого авиационного двигателя (1) посредством использования временной регрессии, которая моделирует поведение упомянутого средства (21) управления в зависимости от набора данных, относящегося к упомянутому средству управления и включающего в себя измерения прошлых поведений, а также измерения состояний и команд упомянутого средства (21) управления;
средство (5) для непрерывного перерасчета упомянутой модели поведения для каждого нового набора данных; и
средство (5) для контроля статистической вариации упомянутой модели поведения, для того чтобы обнаруживать аномалию поведения упомянутого средства управления, представляющую аномалию работы упомянутого двигателя (1).
4. Система по п. 3, содержащая:
средство (5) для сбора начального набора данных, относящегося к упомянутому средству (21) управления;
средство (5) для разбиения упомянутого начального набора данных на множество одинаковых интервалов, представляющих разные режимы (R1-R6) полета, идентифицированные индикаторами режима, определенными с использованием критериев, установленных экспертами; и
средство (5) для определения эталонной модели поведения для каждого режима полета.
5. Система по п. 4, содержащая:
средство (5) для действия со временем для сбора текущего набора данных, относящегося к упомянутому средству (21) управления;
средство (5) для сохранения содержимого упомянутого текущего набора данных за предопределенный период времени в буфере (23) памяти;
средство (5) для использования упомянутого текущего набора данных для расчета оценки индикаторов режима, чтобы идентифицировать текущий режим полета, специфичный упомянутому предопределенному периоду времени;
средство (5) для расчета текущей модели поведения, соответствующей упомянутому текущему набору данных и упомянутому текущему режиму полета;
средство (5) для оценивания несходства поведения между упомянутой текущей моделью поведения и упомянутой эталонной моделью поведения, соответствующей упомянутому текущему режиму полета; и
средство (5) для обнаружения аномалии поведения упомянутого средства (21) управления, когда упомянутое несходство поведения является большим, чем предопределенное пороговое значение нормальности.
6. Система по п. 5, отличающаяся тем, что упомянутая модель поведения является рациональным фильтром, система содержит:
средство (5) для нормализации упомянутого начального набора данных вычитанием фильтра нижних частот и нормирования относительно локального разброса для каждого режима полета;
средство (5) для определения множества математических формул, каждая формула выражает выходной вектор в настоящий момент y(t), представляющий текущее поведение упомянутого средства (21) управления в зависимости от выходных векторов в предыдущие моменты y(t-i), представляющих более ранние измерения поведения, и в зависимости от входных векторов, содержащих входной вектор в настоящий момент x(t) и входные векторы в предыдущие моменты x(t-i), каждый входной вектор x строится конкатенацией упомянутых измерений команд и состояния упомянутого средства управления;
средство (5) для использования упомянутого множества математических формул для определения эталонного рационального фильтра для каждого режима полета; и
средство (5) для использования упомянутого множества математических формул для расчета текущего рационального фильтра, относящегося к упомянутому текущему набору данных и к упомянутому текущему режиму полета.
7. Система по п. 6, отличающаяся тем, что каждая математическая формула из упомянутого множества математических формул соответствует линейному уравнению между упомянутыми выходными векторами y и входными векторами x, описанными аналитически во временной области посредством:
A(q)y = B(q)x, причем A(q) является вещественным полиномом, имеющим форму:
Figure 00000001
а B(q) является вещественным полиномом, в котором каждый коэффициент является линейным вектором, имеющим такой же размер, как входной вектор x , и имеющим форму:
Figure 00000002
причем
Figure 00000003
8. Система по п. 7, отличающаяся тем, что она содержит:
средство (5) для извлечения текущих нулей и полюсов из полиномов, связанных с упомянутым текущим рациональным фильтром, соответствующим упомянутому текущему режиму полета;
средство (5) для использования экспертных критериев для расчета индикаторов нормальности для упомянутого текущего режима полета из упомянутых текущих нулей и полюсов, а также из другой информации, представляющей контекст сбора данных, относящийся к упомянутому средству (21) управления; и
средство (5) для обнаружения аномалии поведения упомянутого средства (21) управления, когда несходство между упомянутыми индикаторами нормальности и соответствующим пороговым значением нормальности является большим, чем предопределенное значение.
9. Система по п. 7, отличающаяся тем, что она содержит:
средство (5) для определения несходства посредством функции, приспособленной к динамическому диапазону упомянутого средства (21) управления; и
средство (5) для обнаружения аномалии поведения упомянутого средства (21) управления, когда упомянутое несходство между эталонным рациональным фильтром и текущим рациональным фильтром является большим, чем предопределенное значение.
10. Система по п. 3, отличающаяся тем, что упомянутое средство (21) управления соответствует схеме (21a) регулятора, которая приводит в действие исполнительные механизмы (29), управляющие статорными клапанами (25a, 25b) в компрессоре (27a) низкого давления и компрессоре (27b) высокого давления турбореактивного двигателя (1), и служащие для изменения геометрий упомянутых компрессоров (27a, 27b) в зависимости от режима полета, и тем, что упомянутый набор данных, относящийся к упомянутой схеме (21a) регулятора, включает в себя данные о положениях исполнительных механизмов (29) и внешние данные, включающие в себя первую частоту N1 вращения вала упомянутого компрессора (27a) низкого давления, вторую частоту N2 вращения упомянутого компрессора (27b) высокого давления, давление P ниже по потоку от компрессоров, расход W топлива и команду u для исполнительных механизмов (29).
11. Система по п. 10, отличающаяся тем, что она содержит:
средство (5) для определения дискретного авторегрессионного фильтра стационарного режима для моделирования поведения выходной переменной в настоящий момент y(t), соответствующей текущим положениям исполнительных механизмов (29), в зависимости от выходных переменных в предыдущие моменты y(s; s < t), соответствующие более ранним положениям исполнительных механизмов (29), и в зависимости от входных переменных
Figure 00000004
,
соответствующих упомянутым внешним данным в прошлые и настоящий моменты, упомянутый авторегрессионный фильтр выражается в частотном спектре w рациональным фильтром
Figure 00000005
(31) полиномиальных дробей, имеющих вид:
Figure 00000006
где
Figure 00000007
и
Figure 00000008
средство (5) для сбора начальных цифровых данных, представляющих начальную входную и выходную переменные
Figure 00000009
, измеренные и сохраненные в течение стадий стендовых испытаний;
средство (5) для идентификации режимов полета по упомянутым начальным цифровым данным;
средство (5) для расчета, для каждого режима полета, оптимального набора рангов rj и r0 упомянутых полиномиальных дробей упомянутого рационального фильтра
Figure 00000010
; и
средство (5) для расчета, для каждого режима полета, эталонного рационального фильтра
Figure 00000011
.
12. Система по п. 11, отличающаяся тем, что она содержит:
средство (5) для сохранения со временем цифровых измерений, представляющих входные и выходные переменные (x(s), y(s)), в буфере (23) памяти для формирования выборки N измерений:
Figure 00000012
средство (5) для испытания стабильности упомянутой выборки N измерений;
средство (5) для идентификации текущего режима полета и для оценивания качества его классификации
Figure 00000013
;
средство (5) для оценивания текущего рационального фильтра
Figure 00000014
для оптимального набора рангов, связанных с упомянутым текущим режимом полета;
средство (5) для сравнения упомянутого текущего рационального фильтра
Figure 00000015
с эталонным рациональным фильтром
Figure 00000016
, соответствующим одному и тому же режиму полета; и
средство (5) для указания аномалии поведения упомянутой схемы (21a) регулятора, когда разница между упомянутым текущим рациональным фильтром
Figure 00000017
и упомянутым эталонным рациональным фильтром
Figure 00000018
является большей, чем предопределенное значение.
13. Система по п. 12, отличающаяся тем, что она содержит:
средство (5) для расчета эталонной среднеквадратической ошибки MSE0 между выходной переменной, представляющей реальное положение исполнительных механизмов (29), которое измерено в течение стадий стендовых испытаний, и соответствующей выходной переменной, представляющей положение исполнительных механизмов (29), которое оценено упомянутым текущим эталонным рациональным фильтром
Figure 00000019
;
средство (5) для расчета текущей среднеквадратической ошибки MSE между текущей выходной переменной, представляющей реальное положение исполнительных механизмов (29), измеренное в течение измерений в реальном времени, и соответствующей выходной переменной, представляющей положение исполнительных механизмов (29), оцененное упомянутым текущим рациональным фильтром
Figure 00000020
;
средство (5) для расчета разности, определенной отношением e 0 упомянутой текущей среднеквадратической ошибки MSE и упомянутой эталонной среднеквадратической ошибки MSE0:
Figure 00000021
; и
средство (5) для указания аномалии, когда упомянутое отношение e 0 является большим, чем предопределенное значение.
14. Система по п. 12, отличающаяся тем, что она содержит:
средство (5) для расчета последовательности
Figure 00000022
локальных индикаторов e j взвешенным интегрированием посредством упомянутых текущего и эталонного рациональных фильтров
Figure 00000023
и
Figure 00000024
на полосе пропускания частот каждой входной переменной xj(t):
Figure 00000025
причем
Figure 00000026
и
Figure 00000027
• средство (5) для расчета последовательности
Figure 00000028
локальных количественных показателей
Figure 00000029
с использованием технологии корреляции между упомянутыми локальными индикаторами e j, где
Figure 00000030
- оценка между локальным индикатором e j и другими локальными индикаторами:
Figure 00000031
причем c j,i являются коэффициентами регрессии;
средство (5) для расчета глобального количественного показателя Z2 с использованием расстояния Махаланобиса:
Figure 00000032
где
Figure 00000033
- среднее значение z, рассчитанное в течение стадий стендовых испытаний с ковариационной матрицей Σ;
средство (5) для расчета финального количественного показателя
Figure 00000034
умножением глобального количественного показателя Z2 на показатель качества классификации режима полета,
Figure 00000035
; и
средство (5) для указания предупредительного сигнала аномалии поведения, когда значение финального количественного показателя
Figure 00000036
превышает предопределенное значение.
15. Компьютерная программа, включающая в себя инструкции для реализации способа обнаружения по п. 1, когда она выполняется средством процессора.
RU2011126348/08A 2008-11-28 2009-11-26 Обнаружение аномалий в авиационном двигателе RU2497173C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR0858088 2008-11-28
FR0858088A FR2939170B1 (fr) 2008-11-28 2008-11-28 Detection d'anomalie dans un moteur d'aeronef.
PCT/FR2009/052302 WO2010061136A1 (fr) 2008-11-28 2009-11-26 Detection d'anomalie dans un moteur d'aeronef

Publications (2)

Publication Number Publication Date
RU2011126348A true RU2011126348A (ru) 2013-01-10
RU2497173C2 RU2497173C2 (ru) 2013-10-27

Family

ID=40793147

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2011126348/08A RU2497173C2 (ru) 2008-11-28 2009-11-26 Обнаружение аномалий в авиационном двигателе

Country Status (9)

Country Link
US (1) US8744813B2 (ru)
EP (1) EP2368161B1 (ru)
JP (1) JP5575792B2 (ru)
CN (1) CN102227691B (ru)
BR (1) BRPI0921652A2 (ru)
CA (1) CA2744977C (ru)
FR (1) FR2939170B1 (ru)
RU (1) RU2497173C2 (ru)
WO (1) WO2010061136A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2667794C2 (ru) * 2013-07-23 2018-09-24 Сафран Эркрафт Энджинз Способ оценки релевантной точки на кривой для обнаружения аномалии двигателя и система обработки данных для его осуществления

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243148A (ja) * 2010-05-21 2011-12-01 Sony Corp 情報処理装置、情報処理方法及びプログラム
US8504671B1 (en) * 2010-09-02 2013-08-06 Symantec Corporation Systems and methods for rating a current instance of data based on preceding and succeeding instances of data
FR2966617B1 (fr) * 2010-10-22 2013-06-14 Snecma Procede et dispositif de surveillance d'une boucle d'asservissement d'un systeme d'actionnement de geometries variables d'un turboreacteur
IL210358A (en) * 2010-12-29 2016-09-29 Israel Aerospace Ind Ltd A computerized system for monitoring and controlling physical devices that generate information
FR2978585B1 (fr) * 2011-07-26 2013-08-16 Airbus Operations Sas Procede et dispositif d'estimation automatique d'un vecteur parametre de vol d'un aeronef, ainsi que methode et ensemble de detection d'une panne affectant un tel vecteur
US9020689B2 (en) * 2011-09-19 2015-04-28 The Boeing Company Method for real-time model based structural anomaly detection
FR2987443B1 (fr) * 2012-02-24 2014-03-07 Snecma Dispositif de detection d'anomalies par analyse acoustique d'une turbomachine d'aeronef
CN102645335B (zh) * 2012-05-11 2014-08-20 天津工业大学 定位六缸发动机上止点的方法
WO2013191593A1 (en) * 2012-06-19 2013-12-27 Gkn Aerospace Sweden Ab Method and system for determining life consumption of a mechanical part
JP5948418B2 (ja) * 2012-07-25 2016-07-06 株式会社日立製作所 異常音検出システム
US20140114442A1 (en) * 2012-10-22 2014-04-24 The Boeing Company Real time control system management
FR2997451B1 (fr) * 2012-10-26 2015-01-16 Snecma Systeme de surveillance d'un ensemble de composants moteur
FR2997778B1 (fr) * 2012-11-05 2015-12-11 Snecma Procede de construction d'un modele comportemental d'un moteur d'avion
US9255525B2 (en) * 2012-11-30 2016-02-09 General Electric Company System and method for gas turbine operation
JP6216183B2 (ja) 2013-08-22 2017-10-18 三菱航空機株式会社 航空機に搭載される制御システム、および航空機
CN103488098B (zh) * 2013-09-24 2016-08-17 南京航空航天大学 航空发动机控制系统的快速原型仿真方法
FR3012930B1 (fr) * 2013-11-05 2015-12-25 Snecma Procede d'essai technique
JP6267945B2 (ja) 2013-11-25 2018-01-24 三菱航空機株式会社 航空機のエンジン制御コンピュータ、および航空機
FR3016191B1 (fr) * 2014-01-08 2019-07-05 Safran Aircraft Engines Procede et programme d'ordinateur pour la surveillance d'un inverseur de poussee a actionneurs hydrauliques
US20150276086A1 (en) * 2014-03-31 2015-10-01 General Electric Company System and method for performing valve diagnostics
US10062291B1 (en) * 2014-10-21 2018-08-28 The Boeing Company Systems and methods for providing improved flight guidance
WO2016088362A1 (ja) * 2014-12-05 2016-06-09 日本電気株式会社 システム分析装置、システム分析方法および記憶媒体
FR3032273B1 (fr) * 2015-01-30 2019-06-21 Safran Aircraft Engines Procede, systeme et programme d'ordinateur pour phase d'apprentissage d'une analyse acoustique ou vibratoire d'une machine
US9605559B2 (en) 2015-02-02 2017-03-28 General Electric Company Wash timing based on turbine operating parameters
JP6610987B2 (ja) 2015-02-18 2019-11-27 株式会社Ihi 異常診断方法及び異常診断システム
US9979606B2 (en) * 2015-03-04 2018-05-22 Qualcomm Incorporated Behavioral analysis to automate direct and indirect local monitoring of internet of things device health
WO2016148713A1 (en) * 2015-03-18 2016-09-22 Hewlett Packard Enterprise Development Lp Automatic detection of outliers in multivariate data
ITUB20155449A1 (it) * 2015-11-11 2017-05-11 S A T E Systems And Advanced Tech Engineering S R L Metodo di analisi di una sequenza temporale di misure di un segnale caratteristico di un sistema per la diagnosi preventiva del sistema stesso
ITUB20155448A1 (it) * 2015-11-11 2017-05-11 S A T E Systems And Advanced Tech Engineering S R L Metodo di analisi con suddivisione in finestre di una sequenza temporale di misure di un segnale caratteristico di un sistema per la diagnosi preventiva del sistema stesso
JP6153145B1 (ja) * 2016-03-29 2017-06-28 巴バルブ株式会社 バルブ診断方法及びバルブ診断装置
JP6511702B2 (ja) * 2016-06-01 2019-05-15 三菱日立パワーシステムズ株式会社 監視装置、対象装置の監視方法、およびプログラム
US10838837B2 (en) * 2016-06-24 2020-11-17 International Business Machines Corporation Sensor based system state prediction
KR101863781B1 (ko) * 2016-09-08 2018-06-01 두산중공업 주식회사 로터 진동 이상 감지 장치 및 방법
FR3059042B1 (fr) * 2016-11-22 2020-07-17 Safran Aircraft Engines Procede de commande d'une vanne de turbomachine
US10339730B2 (en) 2017-05-09 2019-07-02 United Technology Corporation Fault detection using high resolution realms
US10503144B2 (en) * 2017-10-24 2019-12-10 Applied Materials, Inc. Anomaly detection with correlation coeffiecients
JP7007243B2 (ja) * 2018-07-04 2022-01-24 株式会社日立製作所 異常検知システム
EP3690581B1 (en) 2019-01-30 2021-02-17 Bühler AG System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes
CN113454553B (zh) * 2019-01-30 2022-07-05 布勒有限公司 用于检测和测量源自工业过程中使用的部件的信令中的异常的系统和方法
FR3094350B1 (fr) * 2019-04-01 2021-03-12 Safran Aircraft Engines Procédé de surveillance d’au moins un moteur d’aéronef
FR3095424A1 (fr) * 2019-04-23 2020-10-30 Safran Système et procédé de surveillance d’un moteur d’aéronef
US20230032571A1 (en) * 2019-12-23 2023-02-02 Embraer S.A. Systems and methods for an agnostic system functional status determination and automatic management of failures
US11518546B2 (en) * 2020-02-06 2022-12-06 The Boeing Company Aircraft performance analysis system and method
GB2593715A (en) * 2020-03-31 2021-10-06 Rolls Royce Deutschland & Co Kg In-flight monitoring of aero engine health
CN111859555A (zh) * 2020-06-15 2020-10-30 西北工业大学 输入受限的航空发动机最大推力状态鲁棒容错控制器
FR3112122B1 (fr) * 2020-07-06 2022-06-03 Safran Procédé d’évaluation de l’état relatif d’un moteur d’aéronef
RU2750875C1 (ru) * 2020-07-24 2021-07-05 Акционерное общество "НПО Энергомаш имени академика В.П. Глушко" Способ локализации неисправности жидкостного ракетного двигателя при огневом испытании
RU203740U1 (ru) * 2020-11-25 2021-04-19 федеральное государственное бюджетное образовательное учреждение высшего образования "МИРЭА-Российский технологический университет" Пятиканальный нечеткий регулятор
EP4163750B1 (en) * 2021-10-11 2024-01-31 Leonardo S.p.a. Method and system for detecting flight regimes of an aircraft, on the basis of measurements acquired during an aircraft flight
DE102021128065A1 (de) * 2021-10-28 2023-05-04 MTU Aero Engines AG Verfahren zum Erkennen einer Anomalie in Betriebsmesswerten einer Strömungsmaschine und Analysevorrichtung und Maschinenüberwachungsvorrichtung
CN116257741B (zh) * 2023-03-15 2023-10-03 南京航空航天大学 基于实时飞行数据的民航飞机飞行异常操作在线识别方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2034260C1 (ru) * 1992-07-14 1995-04-30 Владимир Александрович Залитис Способ технического диагностирования дизелей
EP1579288B1 (en) * 2002-11-04 2017-03-15 GE Intelligent Platforms, Inc. System state monitoring using recurrent local learning machine
US7062370B2 (en) * 2004-03-30 2006-06-13 Honeywell International Inc. Model-based detection, diagnosis of turbine engine faults
US7415328B2 (en) * 2004-10-04 2008-08-19 United Technologies Corporation Hybrid model based fault detection and isolation system
US7280941B2 (en) * 2004-12-29 2007-10-09 General Electric Company Method and apparatus for in-situ detection and isolation of aircraft engine faults
ATE403898T1 (de) * 2005-03-24 2008-08-15 Abb Research Ltd Abschätzen der zustandparameter oder erscheinung eines alternden systems
EP2447792A1 (en) * 2005-09-19 2012-05-02 Cleveland State University Controllers, observer, and applications thereof
US8010320B2 (en) 2006-11-17 2011-08-30 United Technologies Corporation Reducing gas turbine performance tracking estimation non-repeatability
JP5100092B2 (ja) * 2006-11-27 2012-12-19 株式会社日立製作所 作業指示管理システム、作業指示管理方法、作業指示管理プログラム、作業指示管理装置、および電子ペーパ
FR2911972B1 (fr) * 2007-01-30 2009-03-27 Hispano Suiza Sa Procede de surveillance de moteurs d'avion
US20090043447A1 (en) * 2007-08-07 2009-02-12 General Electric Company Systems and Methods for Model-Based Sensor Fault Detection and Isolation
JP4361582B2 (ja) * 2007-08-21 2009-11-11 株式会社日立製作所 ガスタービンの性能診断方法及び性能診断システム
US8352216B2 (en) * 2008-05-29 2013-01-08 General Electric Company System and method for advanced condition monitoring of an asset system
WO2010011918A2 (en) * 2008-07-24 2010-01-28 University Of Cincinnati Methods for prognosing mechanical systems
US7853433B2 (en) * 2008-09-24 2010-12-14 Siemens Energy, Inc. Combustion anomaly detection via wavelet analysis of dynamic sensor signals
US8121818B2 (en) * 2008-11-10 2012-02-21 Mitek Analytics Llc Method and system for diagnostics of apparatus

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2667794C2 (ru) * 2013-07-23 2018-09-24 Сафран Эркрафт Энджинз Способ оценки релевантной точки на кривой для обнаружения аномалии двигателя и система обработки данных для его осуществления

Similar Documents

Publication Publication Date Title
RU2011126348A (ru) Обнаружение аномалий в авиационном двигателе
RU2497173C2 (ru) Обнаружение аномалий в авиационном двигателе
US10788399B2 (en) Apparatus for evaluating turbine engine system stability
EP2384971B1 (en) Method of determining a maneuver performed by an aircraft
JP4762069B2 (ja) タービンエンジンの排気ガス温度のトレンドをみるためのシステム及び方法
US20070067114A1 (en) System and method for monitoring degradation
US8671315B2 (en) Prognostic analysis system and methods of operation
US20120185180A1 (en) Method and monitoring apparatus for automated surveillance of a wind turbine and a method for creating a linear model
EP3480455B1 (en) Wind turbine monitoring device, wind turbine monitoring method, wind turbine monitoring program, and storage medium
EP2458178A2 (en) Turbine performance diagnositic system and methods
CN106872172B (zh) 航空发动机试验安全参数监视的实时判别方法及系统
JP2016151909A (ja) 異常診断方法及び異常診断システム
US9612933B2 (en) Method for deterministic stress based risk reduction
JP2007002673A (ja) ガスタービン性能の分析予測方法
CN106203637A (zh) 一种基于马氏距离和健康指数的机载系统健康评估方法
EP2345894A2 (en) Trending of vibration data taking into account torque effect
JP6219945B2 (ja) ターボ機械の性能を監視することによりターボ機械の劣化を検出する方法
RU2667794C2 (ru) Способ оценки релевантной точки на кривой для обнаружения аномалии двигателя и система обработки данных для его осуществления
Sun et al. Hankel matrix-based condition monitoring of rolling element bearings: an enhanced framework for time-series analysis
CN111400850A (zh) 设备故障分析方法、装置、设备和存储介质
Borguet et al. Regression-based modelling of a fleet of gas turbine engines for performance trending
CN113191410A (zh) 一种线性电源使用寿命预测的方法、系统及存储介质
CN105656453A (zh) 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法
JP7153585B2 (ja) 異常原因推定方法、および、異常原因推定装置
CN116361713B (zh) 飞机发动机的性能检测方法及系统