本发明专利技术名称为“用于集成交通工具健康管理系统的模型的方法”。一种用于集成交通工具(2)的健康管理系统的功能模型的方法，其中该交通工具具有连接到通信网络(6)的多个系统(4)，以及该多个系统(4)发送关于多个系统(4)的操作数据的至少一些的原始数据和状态消息的至少其中之一以及确定交通工具(2)的健康功能。
【技术实现步骤摘要】
技术介绍
包括飞行器的现代交通工具可包括机载维护系统(OMS)或健康监测或集成的交通工具管理系统(IVHM)，以协助诊断或预测(预报(prognose))交通工具中的故障。这些当前健康管理系统可收集多种交通工具数据并使用健康功能分析数据，健康功能是已作为可执行软件实现的健康算法。功能可用于识别任何不规则性或关于交通工具的故障和问题的其他标志。这样的系统是结构化的以致他们自然地来自层，这是因为一些健康功能的输入取决于其他健康功能的输出。所有当前的系统普遍失去了对更低层中的、供更高层使用的完整数据的访问，因为更低层中的很多功能仅传递结果，而不是结果基于其的数据。没有来自更低层的数据丢失，将会有益于实现健康功能。
技术实现思路
在一个实施例中，一种用于集成交通工具的健康管理系统的功能模型的方法，所述交通工具具有连接到通信网络的多个系统，以及多个系统发送关于系统的至少一些操作数据的原始数据和状态消息的至少其中之一，该方法包括提供多个健康模型，其中每个健康模型代表交通工具的健康功能，健康模型的至少一些具有对应于操作数据的至少一些的参数；执行健康模型来生成与对应的健康功能相关联的健康数据；从健康模型的执行形成生成的健康数据的数据库；对健康功能的至少一些，从数据库形成混合模型；对健康功能的至少一些，从混合模型生成概率图模型(PGM)，以及基于所生成的PGM确定健康功能。附图说明在附图中: 图1是具有多个飞行器系统的飞行器的示意图。图2是在诊断系统中分层的示意图。图3是根据本专利技术第一实施例的PGM的示意图。图4是根据本专利技术第二实施例的PGM的示意图。图5是根据本专利技术第三实施例的PGM的示意图。图6是根据本专利技术第四实施例的PGM的示意图。图7是根据本专利技术第五实施例的PGM的示意图。图8是根据本专利技术第六实施例的PGM的示意图。图9是根据本专利技术第七实施例的PGM的示意图。图10是根据本专利技术第八实施例的PGM的示意图。图11是根据本专利技术第九实施例的PGM的示意图。具体实施例方式图1示意性地图示了飞行器2形式的交通工具的一部分，飞行器2具有多个使飞行器2能够适当操作的飞行器构件系统4和通信系统6，在通信系统6上，多个飞行器构件系统4可彼此通信以及与飞行器健康管理(AHM)计算机8通信。将理解专利技术的概念可应用于具有连接到通信网络的多个系统的任何交通工具，以及多个系统发送关于系统的至少一些操作数据的原始数据和状态消息。AHM计算机8可包括任何适合数量的独立微处理器、电源、存储设备、接口卡和其他标准组件，或者与它们相关联。AHM计算机8可从负责管理数据采集和存储的、任何数量的构件系统或软件程序接收输入。AHM计算机8阐述为与多个飞行器系统4通信和预期AHM计算机8可执行一个或多个健康监测功能或者作为集成的交通工具健康管理系统(IVHM)的一部分以协助诊断或预测或预测飞行器2中的故障。在操作期间，多个飞行器系统4可发送关于多个飞行器系统4的操作数据的至少一些的状态消息，并且AHM计算机8可基于这样的数据确定飞行器2的健康功能。在操作期间，多个飞行器系统4的模拟输入和模拟输出可由AHM计算机8监测以及AHM计算机8可基于这样的数据确定飞行器2的健康功能。诊断和预报分析应用知识到这样的数据以便提取信息和值。对于IVHM应用，从数据操纵、状态检测(例如异常检测)、健康论证(reason)、预报和决策中需要一定范围的健康功能或仅仅是功能。每个功能需要编码怎样解决任务的知识的模型。推理引擎或算法之后应用这个模型到新数据来做预测。因而，IVHM系统将包含与不同功能相关联的模型的许多不同类型。本文所使用的术语“IVHM”指的是要求来管理交通工具的健康的机载的和非机载的功能的收集。对于IVHM系统的主要挑战是应该怎样集成模型输出以及应该怎样融合来自不同监测系统的输出。如果这没有以健壮的方式完成，来自更低层功能的有价值的信息(例如数据操纵和状态检测)将在论证时丢失。同样，依靠宽范围的模型类型和功能的方法同时复杂化了非机载和机载的集成架构。可减少复杂性的方法具有价值。当任何诊断或预报系统具有在不同层内驻留的功能时，它们可被概念化。分层意味着功能执行的隐式排序，以致更高水平的功能导出更高水平的信息。一种示例是用于基于情况的维护的开放系统架构(OSA-CBM) 10，其在图2中示意性地示出。在图2中每个盒(box)是包含有一个或多个功能的层。由左到右的顺序示出更高层具有对更低层的从属性，以及信息等级随顺序增加而增加(随着层向右移动得更远)。让j表示某层以及j+Ι表示j右边的层。对于j+Ι具有消息的更高水平(对比于j)意味着来自j+Ι的输出对比来自j的输出有更大的效用(或价值)。例如，如果j是检测到异常的状态检测功能以及j+Ι是在找到根本原因的健康评估功能，则大部分人将接受j+Ι具有更高价值。尽管功能层有其顺序，但没有理由为什么功能不可以要求来自更低层功能的输出和通信可在两个方向都流动。数据操纵层12执行任务，例如数据收集和特征提取。状态检测层14监测与期望状态相关联的当前状态或行为。像阈值监测和异常检测的功能落于状态检测层14中。健康评估层16执行诊断和检修。预报评估层18预测未来健康和行为将怎样恶化。咨询生成层20协助决策支持以及可包含什么可能要发生的模拟或可包含基于由成本和效益加权的可能结果的、推荐动作的选择。关于OSA-CBM功能架构10的具体示例可证明有用以及将关于涡轮引擎的性能分析进行描述。数据操纵层12执行关于标准日条件的数据校正以及状态检测层14通过使用回归模型导出残差测量来计算监测参数的实际测量和预测值间的差异，然后用多变量状态模型来评估针对预期健康行为的性能。健康评估层16论证在异常行为上的警报和使用关于残差中的模式如何响应故障的诊断知识。预报评估层18预测任何恶化将在未来的飞行上怎样发展以及咨询生成层20使用检验/测试/维护动作的模型来优化推荐的动作。在飞行器上的任何系统可具有其结构化到这些层内的健康管理功能。现有健康管理系统的根本弱点在于来自不同功能层的信息的集成以及由不同监测系统(例如振动、润滑监测，性能监测等等)导出的信息的融合。例如，基于是否超出一些阈值，来自连续分布的输出可转换为二进制值。勉强在行为上有所不同的两个独立监测的资产可以非常不同的方式进行管理，因为当把这些输出通信到健康评估时，来自状态检测的输出已经以不恰当的方式离散化。进一步的示例是两个子系统输出可作为是完全地独立的而不恰当地处理。例如，外物对引擎的损伤可导致振动的提高和性能的恶化，以及关于来自一个子系统的响应的信息应该激活(inform)对来自另一个子系统的响应的预期。弱点的两个类型都可以看成是关于模型集成的问题。本专利技术的实施例用概率图模型(PGMs)作为对于IVHM模型集成的框架以及提供了对于从历史数据学习一定范围的PGM模型的方法。一般地，PGM使用基于图表的表示作为用于在多维空间编码复杂分布的基础。图表是联合分布的紧凑或分解表示。模型类型的示例可由PGM表示为包括:贝叶斯网络、马尔可夫模型、卡尔曼滤波器、主成分分析的概率处理、高斯和离散混合模型。简言之，混合模型学习模块实现成视为输入历史数据、配置参数和条件离散变量的集合，该集合本质上描述了模型结构。本文档来自技高网...
【技术保护点】
一种用于集成交通工具的健康管理系统的功能模型的方法，所述交通工具具有连接到通信网络的多个系统，以及所述多个系统发送关于系统的至少一些操作数据的原始数据和状态消息的至少其中之一，所述方法包含：提供多个健康模型，其中每个健康模型代表所述交通工具的健康功能，其中所述健康模型中的至少一些具有对应于所述操作数据中的至少一些的参数；执行所述健康模型，以生成与所对应的健康功能相关联的健康数据；由所述健康模型的所述执行形成所生成的健康数据的数据库；对所述健康功能中的至少一些、从所述数据库形成混合模型；对所述健康功能中的所述至少一些、从所述混合模型生成概率图模型(PGM)；以及基于所生成的PGM确定健康功能。
【技术特征摘要】
2011.11.08 GB 1119241.61.一种用于集成交通工具的健康管理系统的功能模型的方法，所述交通工具具有连接到通信网络的多个系统，以及所述多个系统发送关于系统的至少一些操作数据的原始数据和状态消息的至少其中之一，所述方法包含: 提供多个健康模型，其中每个健康模型代表所述交通工具的健康功能，其中所述健康模型中的至少一些具有对应于所述操作数据中的至少一些的参数； 执行所述健康模型，以生成与所对应的健康功能相关联的健康数据； 由所述健康模型的所述执行形成所生成的健康数据的数据库； 对所述健康功能中的至少一些、从所述数据库形成混合模型； 对所述健康功能中的所述至少一些、从所述混合模型生成概率图模型(PGM);以及 基于所生成的PGM确定健康功能。2.按权利要求1所述的方法，其中所述形成所述混合模型包含从数据库学习所述混合模型。3.按权利要求2所述的方法，其中学习所述混合模型包含从所述数据库选择与要学习的所述健康功能有关的数据的子集。4.按权利要求3所述的方法，其中学习所述混合模型包...
【专利技术属性】
技术研发人员：RE卡兰，
申请(专利权)人：通用电气航空系统有限公司，
类型：发明
国别省市：
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。