[发明专利]航空飞行器发动机健康预测有效
申请号: | 201710934784.9 | 申请日: | 2017-10-10 |
公开(公告)号: | CN107917811B | 公开(公告)日: | 2020-08-18 |
发明(设计)人: | A.M.瓦拉;S.V.汉努拉 | 申请(专利权)人: | 通用电气公司 |
主分类号: | G01M15/05 | 分类号: | G01M15/05;G06N3/08;G06K9/62;G06N20/10 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 肖日松;谭祐祥 |
地址: | 美国*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 航空 飞行器 发动机 健康 预测 | ||
1.一种用于对发动机健康建模的方法,包括:
通过一个或多个处理器,接收发动机数据;
通过所述一个或多个处理器,接收飞行测试数据;
至少基于包括所述发动机数据和所述飞行测试数据的训练数据来初始化机器学习技术;
基于所述发动机数据和接收到的飞行测试数据,通过所述一个或多个处理器,使用包括所述机器学习技术的计算机自动化训练过程,产生用于功率协助检查(PAC)的一个或多个系数;以及
通过所述一个或多个处理器,将用于所述PAC的所述一个或多个系数传输到飞行器,其中所述飞行器在所述PAC中使用所述一个或多个系数来预测发动机健康。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述一个或多个处理器,接收额外的飞行测试数据;
基于所述额外的飞行测试数据,通过所述一个或多个处理器,更新所述一个或多个系数;以及
通过所述一个或多个处理器,将一个或多个更新的系数传输到所述飞行器,其中所述飞行器在所述PAC中使用所述一个或多个更新的系数。
3.根据权利要求1所述的方法,其特征在于,所述计算机自动化训练过程至少部分地由贝叶斯混合模型实现。
4.根据权利要求1所述的方法,其特征在于,所述计算机自动化训练过程至少部分地由神经网络实现。
5.根据权利要求1所述的方法,其特征在于,所述飞行测试数据是针对发动机的。
6.根据权利要求1所述的方法,其特征在于,所述飞行测试数据是针对所述飞行器的。
7.根据权利要求1所述的方法,其特征在于,所述PAC使一个或多个参数与温度容限相关。
8.根据权利要求1所述的方法,其特征在于,所述飞行测试数据与多个飞行器的集合相关联。
9.根据权利要求1所述的方法,其特征在于,所述一个或多个处理器处于云计算环境。
10.根据权利要求1所述的方法,其特征在于,所述飞行器是直升机。
11.一种用于对发动机健康建模的系统,包括:
存储器装置;以及
一个或多个处理器,其构造成:
接收发动机验收测试程序(ATP)数据;
接收飞行测试数据;
至少基于包括所述发动机ATP数据和所述飞行测试数据的训练数据来初始化机器学习技术;
基于所述发动机ATP数据和接收到的飞行测试数据,使用所述机器学习技术来产生用于功率协助检查(PAC)的一个或多个系数;以及
将用于所述PAC的所述一个或多个系数传输到飞行器,其中所述飞行器在所述PAC中使用所述一个或多个系数来预测发动机健康。
12.根据权利要求11所述的系统,其特征在于,所述一个或多个处理器进一步构造成:
接收额外的飞行测试数据;
基于所述额外的飞行测试数据来重算所述一个或多个系数;以及
将一个或多个重算的系数传输到所述飞行器,其中所述飞行器在所述PAC中使用所述一个或多个重算的系数。
13.根据权利要求11所述的系统,其特征在于,所述机器学习技术至少部分地由贝叶斯混合模型实现。
14.根据权利要求11所述的系统,其特征在于,所述机器学习技术至少部分地由神经网络实现。
15.根据权利要求11所述的系统,其特征在于,所述飞行测试数据是针对机群的。
16.根据权利要求11所述的系统,其特征在于,所述飞行测试数据与多个飞行器的集合相关联。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于通用电气公司,未经通用电气公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710934784.9/1.html,转载请声明来源钻瓜专利网。