System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于检测飞行器中的集成驱动发电机经受的故障的方法技术_技高网

用于检测飞行器中的集成驱动发电机经受的故障的方法技术

技术编号:40701952 阅读:3 留言:0更新日期:2024-03-22 11:00
一种数据分析系统包括机器学习类型的人工智能。数据分析系统收集与在飞行器的先前飞行期间进行和记录的测量相关的参考数据。机器学习类型的人工智能的训练是借助于参考数据来实现的,其中第一分类运行(212)用于训练以检测集成驱动发电机所经受的潜在故障,并且第二分类运行(215)用于训练以确定故障的原因(在相关情况下)。在生产中使用之后,数据分析系统收集与在包括待监控的集成驱动发电机的飞行器的飞行期间进行和记录的测量相关的待分析数据,并且使用机器学习类型的人工智能来预测潜在故障,并且在相关情况下,使用待分析数据来预测其原因。

【技术实现步骤摘要】

本专利技术涉及检测飞行器中的集成驱动发电机(idg)经受的故障的领域。


技术介绍

0、现有技术

1、在一飞行器中,idg是与每个喷气式发动机相关联以便将所述喷气式发动机的运动学能量转换成电能来用于向该飞行器供电的系统。idg潜在地向飞行器的所有电负载提供电力。

2、idg由交流发电机和安装在同一外壳内的恒速驱动器(csd)组成。csd是机械设备,其允许在交流发电机的输入处获得恒定的旋转频率,而不管喷气式发动机的旋转速度的变化。因此,idg可将固定频率(例如,400hz)传递到飞行器的供电系统。

3、油是idg的重要组分,并且该油的特性(特别是其温度)对规范的遵守是idg的寿命和效率的基本参数。如果不是这种情况,则认为idg已经经受需要检测的故障。

4、用于冷却idg的油在闭合回路中循环,并且借助于油冷却器通过供给与idg相关联的喷气式发动机的燃料被冷却。以相同的方式,热交换器被用于冷却用于润滑喷气式发动机本身的油。因此,允许冷却这些油的热交换取决于供给所讨论的喷气式发动机的燃料流。

5、然而,因为在某些飞行阶段期间,并且更具体地在下降阶段中,喷气式发动机的燃料需求降低,所以供应喷气式发动机的燃料可能不足以冷却这些油,这降低了idg的寿命和性能。

6、为了将这个方面考虑在内,使用了燃料返回阀(frv),其方式是增加燃料的流量以便维持冷却。frv控制燃料从用于将燃料分配到喷气式发动机的系统然后到再循环系统的流动,该再循环系统将热燃料返回到飞行器的燃料箱。当frv处于关闭位置时,再循环系统被禁止。

7、以上的结果是,当frv经受故障时,无论这是由于frv本身的故障,还是由于idg直接或间接相互作用的另一机制(诸如传感器或frv)的故障,idg本身经受故障,因此idg的寿命和性能可被降低。

8、因此期望克服现有技术的这些缺点。特别期望提供一种允许检测idg经受的故障的解决方案。此外,期望提供一种允许识别检测到的故障的原因的解决方案。此外,期望提供一种简单且低成本的解决方案。


技术实现思路

本文档来自技高网...

【技术保护点】

1.一种用于检测飞行器(10)中的要被监控的被称为IDG(103)的集成驱动发电机所经受的故障的方法,所述方法由包括机器学习类型的人工智能的数据分析系统来实现,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的方法,其特征在于,对于每个参考IDG(103),所述参考数据还包括与以下参数中的至少一者相对应的测量:

3.如权利要求1和2中任一项所述的方法,其特征在于,所述数据分析系统对所述参考数据和所述待分析数据应用处理,所应用的处理至少与所述参数中的一者或多者的潜在地组合的以下信息的计算相对应:

4.如权利要求3所述的方法,其特征在于,所述信息的至少一部分的计算是通过将所述参考数据和所述待分析数据编组在几个连续的飞行器飞行上分别执行的。

5.如权利要求1到4中任一项所述的方法,其特征在于,所述机器学习类型的所述人工智能被训练以检测与以下相关的IDG故障(103):

6.如权利要求1到5中任一项所述的方法,其特征在于,所述第一分类运行是通过应用第一算法来执行的,并且所述第二分类运行是通过应用与所述第一算法不同的第二算法来执行的。

7.如权利要求6所述的方法,其特征在于,所述第一算法是LightGBM类型并且所述第二算法是XGBoost类型。

8.如权利要求1到7中任一项所述的方法,其特征在于,所述机器学习类型的所述人工智能在装备有要被监控的IDG(103)的飞行器(10)的航空电子系统(101)中被用在生产中。

9.如权利要求1到7中任一项所述的方法,其特征在于,所述机器学习类型的所述人工智能在控制中心中在地面上的计算机系统中被用在生产中,并且待分析数据通过装备有要监控的所述IDG(103)的所述飞行器(10)的航空电子系统(101)传送给所述控制中心中的所述计算机系统。

10.一种包括指令的计算机程序产品,所述指令在由处理器(501)执行时导致由所述处理器(501)执行根据权利要求1到9中任一项所述的方法。

11.一种存储计算机程序的存储介质,所述计算机程序包括指令,所述指令在由处理器(501)读取和执行时导致由所述处理器(501)执行根据权利要求1到9中任一项所述的方法。

12.一种包括机器学习类型的人工智能的数据分析系统,所述系统包括电子电路系统,所述电子电路系统被配置成执行飞行器(10)中称为待监控的IDG(103)的集成驱动发电机所经受的故障的检测,其特征在于,所述电子电路系统被配置成用于:

...

【技术特征摘要】

1.一种用于检测飞行器(10)中的要被监控的被称为idg(103)的集成驱动发电机所经受的故障的方法,所述方法由包括机器学习类型的人工智能的数据分析系统来实现,其特征在于,所述方法包括以下步骤:

2.如权利要求1所述的方法,其特征在于,对于每个参考idg(103),所述参考数据还包括与以下参数中的至少一者相对应的测量:

3.如权利要求1和2中任一项所述的方法,其特征在于,所述数据分析系统对所述参考数据和所述待分析数据应用处理,所应用的处理至少与所述参数中的一者或多者的潜在地组合的以下信息的计算相对应:

4.如权利要求3所述的方法,其特征在于,所述信息的至少一部分的计算是通过将所述参考数据和所述待分析数据编组在几个连续的飞行器飞行上分别执行的。

5.如权利要求1到4中任一项所述的方法,其特征在于,所述机器学习类型的所述人工智能被训练以检测与以下相关的idg故障(103):

6.如权利要求1到5中任一项所述的方法,其特征在于,所述第一分类运行是通过应用第一算法来执行的,并且所述第二分类运行是通过应用与所述第一算法不同的第二算法来执行的。

7.如权利要求6所述的方法,其特征在于,所述第一算法是lightg...

【专利技术属性】
技术研发人员:M·布劳奎M·布拉迪尔E·本哈莫
申请(专利权)人:空中客车运营简化股份公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1