[发明专利]疲劳裂纹增长预测

权利要求书

1.一种计算系统，其特征在于，包括：

一个或多个处理器；和

一个或多个存储器设备，所述一个或多个存储器设备存储计算机可读指令，所述计算机可读指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行用于构建将疲劳裂纹增长与操作数据相关联的机器学习模型的操作，所述操作包括：

获得与一个或多个机器的一个或多个可旋转结构相关的历史操作数据；

获得指示所述一个或多个可旋转结构的疲劳裂纹尺寸的数据；和

使用机器学习技术构建将疲劳裂纹增长与操作数据相关联的机器学习模型。

2.根据权利要求1所述的计算系统，其特征在于，其中所述一个或多个机器是第一多个机器，所述机器学习模型包括一个或多个输入和一个或多个输出，所述一个或多个输入被配置为接收与第二多个机器相关联的操作数据，所述一个或多个输出被配置为提供与所述第二多个机器中的每个机器的一个或多个可旋转结构相关联的预测的疲劳裂纹增长的指示，所述操作进一步包括：

将与所述第二多个机器的第一机器相关联的操作数据输入到所述机器学习模型；

生成与所述第一机器的第一可旋转结构相关联的预测的疲劳裂纹增长的第一指示，作为所述机器学习模型的所述一个或多个输出；和

基于预测的疲劳裂纹增长的所述第一指示，生成与所述第一可旋转结构相关联的自动维护消息。

3.根据权利要求2所述的计算系统，其特征在于，其中：

所述操作进一步包括使用第一多个传感器监测所述第一多个机器的操作以确定所述历史操作数据，并且使用第二多个传感器监测所述第二多个机器的操作以确定与所述第二多个机器相关联的操作数据；

构建所述机器学习模型由所述一个或多个处理器中的至少第一处理器执行；并且

生成预测的疲劳裂纹增长的所述第一指示由所述一个或多个处理器中的至少第二处理器执行。

4.根据权利要求2所述的计算系统，其特征在于，其中所述操作进一步包括：

基于所述自动维护消息执行与所述第一可旋转结构相关联的一个或多个维护操作。

5.根据权利要求1所述的计算系统，其特征在于，其中：

所述历史操作数据包括与多个飞行器相关的飞行数据；并且

所述历史操作数据由与所述多个飞行器的健康和使用监测系统相关联的一个或多个传感器收集。

6.根据权利要求1所述的计算系统，其特征在于，其中构建所述机器学习模型包括：

确定与用于构建所述机器学习模型的多个循环相关联的疲劳裂纹增长速率。

7.根据权利要求6所述的计算系统，其特征在于，其中：

所述操作进一步包括获得环境状况数据；

确定所述疲劳裂纹增长速率至少部分地基于所述环境状况数据；并且

构建所述机器学习模型至少部分地基于所述疲劳裂纹增长速率。

8.根据权利要求1所述的计算系统，其特征在于，其中：

所述操作数据包括指示温度、核心速度、扭矩或加速度中的至少一个的数据。

9.根据权利要求1所述的计算系统，其特征在于，其中：

所述操作进一步包括获得环境状况数据；并且

构建所述机器学习模型至少部分地基于所述环境状况数据。

10.根据权利要求1所述的计算系统，其特征在于，其中所述操作进一步包括：

处理所述历史操作数据以确定使用所述机器学习技术训练所述机器学习模型的一个或多个输入特征；

其中，所述一个或多个输入特征包括停留时间特征、值时间特征、超值时间特征、滚动窗口特征或已知操作循环的计数中的至少一个。

11.根据权利要求1所述的计算系统，其特征在于，其中指示疲劳裂纹尺寸的所述数据从基于物理的模型获得的。