用于汇集与飞机发动机有关的数据的系统的制作方法

本发明涉及飞机发动机领域。特别地，本发明涉及一种用于汇集与飞机发动机有关的、为飞机发动机机队管理提供协助的观测数据的系统。

背景技术：

每个飞机发动机都有对应的历史，包括功能参数的测量、警报、对发动机进行的干预等等。

更具体的，在每次飞行中，飞机根据称为飞机通信寻址和报告系统(aircraftcommunicationaddressingandreportingsystem，acars)的消息系统来记录和发送关于其功能的信息。这些数据由地面站实时恢复，以便在发生明显异常的情况下立即进行处理，否则由航空公司将其与机队的所有数据一起存档。其他更完整的数据(例如，轴转速、燃油流量、废气温度等)也是可获得的，可以在飞行期间将这些数据记录在嵌入式计算机上，并定期卸载以补充与发动机有关的信息。

由航空公司对来自于直接从不同飞机接收的消息的不同数据或者在地面上从嵌入式计算机的内部存储器中恢复的数据进行存档。

这些数据之后由专家查看以分析和监测发动机的正常功能。

然而，在发动机上进行的测量是在多维空间中定义的，因此不易于使用。

此外，发动机上的异常或事故一般相当少见，那么当在给定的发动机上检测到具体的症状或异常行为时，航空公司不一定具有足够的关于此类发动机的寿命的历史数据以搜索过去曾有过类似行为的发动机。因此，对于航空公司来说，并不总是能够真正确定发动机的潜在损坏和故障，因此可能难以做出预测。

因此，本发明的目的是优选地利用与飞机发动机相关的观测数据，以便最佳地管理飞机发动机机队，特别是以便在没有上述缺点的情况下非常准确地预测和规划维护工作或操作。

技术实现要素：

本发明涉及一种用于汇集与飞机发动机有关的观测数据的系统，包括：

接收器，适于对来自不同实体的所述观测数据进行恢复，所述观测数据包括来自飞机发动机中嵌入的传感器和计算机的数字检测数据；

处理器，适于通过标准化以及通过压缩数字检测数据来在度量空间中描述所述观测数据，从而将所述观测数据转化为可测量的观测状态；以及

数据库，适于在其中存储所述可测量的观测状态，从而构建学习模式。

因此，通过恢复大量的观测数据，所述系统生成非常具体的学习模式，比每个实体自己预测发动机的进展情况要更具体。实际上，鉴于飞机发动机非常安全，并且异常情况一般很少见，因此当异常被检测到时，给定实体没有足够的数据能够对在飞机发动机上进行的维护操作作出具体和非常可靠的预测。本发明所述的汇集系统使得能够对大量物理参数和来自不同实体的大量发动机的测量进行采集，汇集和利用。将要注意的是，因为这些数据不能被利用，所以根据本发明所述的“汇集”不仅仅包括汇集所有的这些数据。实际上，这些数据非常杂，它们来自非常不同的来源，并且有很多来源，因此定义了一个多维空间，在该多维空间中在理论上不可能将不同的数据彼此进行比较。所述汇集系统将所有的观测数据转变为可测量的观测状态，以使它们可以被比较和利用。因此，当在发动机上检测到异常行为时，所述汇集系统通过利用过去曾有过类似症状的发动机的进展的知识，能够提供要在该发动机上进行的开发和维护操作或者提供对施工或开发中的发动机要做出的改进。

有利地，所述观测数据包括来自嵌入在飞机发动机中的传感器和计算机的数字检测数据，和/或飞机发动机配置数据，和/或描述在飞机发动机上的维护工作或操作的描述性数据。

配置数据包括发动机和部件的类型。描述性数据包括进行的维护操作、在拆卸发动机期间观测到的症状、损伤程度和磨损。数字检测数据包括对描述发动机行为的内生变量的测量以及采集所述测量的环境。因此，所述观测数据提供了非常具体以及精确的数据以在被处理后能够提供关于飞机发动机的预期的或一般的具体统计数据。

有利地，所述系统包括：

接收器，适于接收来自请求方实体的请求，所述请求包含与和至少一台飞机发动机相关的观测有关的请求数据；

处理器，适于通过将所述请求数据转变为可测量的请求状态来在度量空间中描述所述请求；

处理器，适于通过根据对应于所述请求的度量比较所述请求状态与存储在数据库中的观测状态来搜索对所述请求的响应。

发射器，配置为发射所述响应到所述请求方实体。

因此，每个实体都给出了自己的信息，而反过来，每个实体也从所有实体的信息中受益，并且因此间接从来自其他实体的观测中受益。该系统确保了为请求方实体提供具体而有效的支持服务，以用于管理其飞机发动机机队。

有利地，所述实体对应于航空公司，每个航空公司提供关于其自身飞机发动机机队的观测数据。

有利地，所述实体还可以对应于施工单位、维修单位或飞机制造部门。

有利地，所述请求是根据选自一组预先确定的请求模型之中的模型来限定的。

有利地，所述处理器适于使用压缩工具来减少其中描述了观测数据的观测空间的维度的数量，从而将所述观测空间转变为所述度量空间，所述度量空间中的状态是可测量的，并因此可易于使用。

所述压缩工具可以基于以下技术中的至少一种：简约分析、制图分析、无监督分类分析、主成分分析和迭代计算分析。

有利地，所述比较包括计算至少一个请求状态和所述存储于数据库中的观测状态之间的距离，所述距离选自以下距离：普通距离、二进制距离和测量不同阶段状态之间的相似性的编辑距离。

所述距离使得能够定义接近概念以搜索所述数据库中的元素，所述元素相对于请求元素具有小于预定阈值的差异。

有利地，处理器适于以预期统计图和/或一般统计图的形式呈现对请求的响应。

因此，与请求方实体有关的分布可以表示为与所有实体的总体分布相关。除了请求方实体外的实体的标识不显示。

有利地，对所述请求的响应包含与所述请求中定义的观测类似的过去的观测的列表。

因此，可以使用曾有过与给定发动机类似的行为的其他发动机的路径推测出请求所针对的给定发动机的未来状态。

有利地，每个接收器和发射器都是安全的。因此，每一个所述实体中和所述汇集系统间的数据通信是安全的。

有利地，所述处理器适于更新其中记录有请求状态以及所述请求的结果的数据库。

因此，考虑新的观测数据来进一步改善对未来需求的响应。

附图说明

通过参照附图阅读以下描述，将更好地了解根据本发明的系统的其他特征和优点，该描述以信息为目的而非穷举性的，其中：

图1示出了根据本发明的实施例的用于汇集关于飞机发动机的观测数据的系统；以及

图2示意性地示出了由根据本发明的汇集系统所实施的辅助服务方法的示例。

具体实施方式

本发明的原理包括最佳地利用来自发动机的观测数据，以便生成使得能够从这些观测数据推导出关于发动机的非常精确的一般或预期统计的学习模型。

图1示出了一种根据本发明实施例的用于汇集关于飞机发动机的观测数据的系统。

汇集系统1由it系统实现，该it系统通常包括接收器3、包含处理器7的处理装置5、数据库9以及包含发射器13的输出装置11。

接收器3适于通过通信网络19来恢复来自不同实体17a、17b、17n的观测数据15a、15b、15n。有利地，接收器3包括加载工具21，用于从不同的来源从不同的实体17a、17b、17n返回所有这些信息。

每个实体17a、17b、17n可以对应于航空公司，其通过安全通信链路23a、23b、23n的媒介提供与其自身的飞机发动机机队有关的观测数据15a、15b、15n。

应当注意的是，实体17a、17b、17n还可以对应于制造单位、维修单位或飞机制造部门。

观测数据15a、15b、15n可以包括数字检测数据151a、来自于飞机发动机的配置数据153a以及描述飞机发动机上的维修工作或操作的描述性数据155a。

数字检测数据151a来自于嵌入在飞机发动机中的传感器和/或计算机。

实际上，在飞行中，飞机25持续记录关于其功能的数字检测数据151a以及不同的环境参数。这些数字检测数据151a来自于由飞机15中集成的计算机和/或传感器所提供的测量，并且被嵌入式计算机(fadec，acms，dar，qar等)所记录。例如，fadec(全权限数字式发动机控制)(对发动机进行控制)记录了由集成在发动机中的传感器所测量的一定数量的变量，既使得能够控制发动机，也能够作为预测维护过程的基础。这些变量包括转速、流体温度以及发动机不同位置的压力等。

通常，飞机25定期地向地面发送小的即时消息，包括指示或来自检测测量的数字检测数据。在每一次飞行中，飞机25至少发送两条消息到地面，一条在起飞阶段期间，另一条在巡航阶段期间。通过使用acars数字数据传输系统来在飞行中的飞机25和地面之间发送这些消息。

属于每个实体17a、17b、17n(航空公司和/或制造商)的地面站恢复在不同日期针对不同的飞机和不同的发动机所发送的不同消息。此外，每家航空公司定期地将在飞行期间记录的数字检测数据151a卸载到嵌入式计算机上以改进与发动机相关的信息。

因此，每家航空公司拥有随时间推移收集的关于其发动机机队的数字检测数据151a。数字检测数据151a与采集日期以及相关发动机的标识相关联，并且因此包括：来自于从不同飞机直接接收的消息的数据，以及在地面上从嵌入式计算机的内部存储器中恢复的数据。

此外，每家航空公司还拥有配置数据153a，以及其飞机发动机上的维护操作的描述性数据155a。

特别的，在发动机上进行的每项工作以及导致该项工作的行为或症状会被维护操作员27所记录。通过使用与发动机类型、组件、进行的操作以及症状相关的类别相关编码来进行该记录。特别的，发动机的类型按特定的类别来命名，将fadec软件的版本号添加到这些类别中。组件自然是按类别命名的，并根据供应商以及可能的安装日期进行标识。此外，维护操作(例如，用水清洁、性能修复、更换叶片等)由维护操作员27按操作类别分类。

因此，接收器3适于安全地恢复包括检测数据151a以及配置数据153a和与维护操作相关的信息155a在内的观测数据15a、15b、15n。

然而，这些恢复自不同实体的观测数据15a、15b、15n，特别是检测数据151a无法很容易地使用。这些数据被描述在多维观测空间中，该空间的尺寸相当大。因此，为了正确地使用观测数据15a、15b、15n，处理器7适于通过将这些观测数据转变为可测量的观测点或状态29来将它们描述在度量空间中。

更具体地，处理器7适于减少观测空间的维度的数量，在处理器7中通过使用压缩工具31来描述观测数据15a、15b、15n。该压缩工具使得能够将观测空间转变为限定了能够被使用的测量值的度量空间。考虑到其他类型的数据(即，配置数据153a和描述性数据155a)体积较小，并且已经根据预先预建立的类别相关的编码压缩过，该工具31主要用于压缩数字检测数据151a。来自维护操作的每个描述性数据可以被认为是一种状态，每个配置数据也一样。因此，描述性数据和配置数据可以被分别认为是可测量的描述性状态和可测量的配置状态。

压缩工具31可以基于被称之为简约分析、制图分析、无监督分类分析、主成分分析、迭代计算分析或其他类型分析的技术。例如，申请人在国际专利申请wo2012110733中描述了一种根据自适应制图技术的压缩工具。

应当注意的是，观测数据15a、15b、15n最初可以返回并存储在数据库9中或特殊的数据池中，然后由处理器7进行处理。无论如何，数据库9都确定包含由处理器7处理的观测状态19。

还应当注意的是，有利地，在开始时，通过对应于初始观测数据的初步观测数据来初始化数据库9。这些数据来自制造商(作为实体)，特别是使用对由维护人员记录的损坏进行描述的观测资料以及专家的知识(例如关于症状和维护操作之间的联系)。

此外，有利地，在压缩检测数据151a之前，处理器7适于预先对检测数据151a进行预处理，以消除外部条件和指令对描述发动机状态的变量的影响。实际上，数据采集的环境可能变化很大。例如，在发动机在冷时启动的一天中第一次飞行期间采集的关于起飞的测量结果可能与当天在其他飞行期间采集的关于起飞的测量结果不同。其他示例与天气条件(雨、雪、冰等)的变化、飞行员的变化、飞机飞过的位置(即，海上、沙漠上、陆地上等)有关。当然，所有这些效应都会对测量结果有影响。

更具体的，数字检测数据151a包括对描述发动机行为的内生变量的测量值以及对描述采集环境的外生变量的测量值。

例如，内生变量可以包括每片叶片的转速、燃油流量、压缩之前和/或之后的流体温度和压力、废气温度等。

外生变量可以包括以下变量：外部温度、高度、飞机重量、机翼除霜系统的状态、发动机的进气口除霜设备的状态、冲洗阀的状态、排水阀的状态、可变机翼定子的位置、发动机系统、排气阀的状态、推力控制器的位置、飞机的速度等。

因此，对于每个发动机，通过考虑与外生变量相关的测量来对与内生变量相关的测量进行标准化，以在每次采集时形成来自发动机的标准化检测数据。来自这些标准化检测数据的检测状态在可测量空间中独立于采集环境来表示，可测量空间的尺寸等于内生变量的数量。申请人在国际专利申请wo2010076468中描述了标准化技术。

最后，数据库9包含多个观测状态29，该观测状态29包括标准化检测状态以及配置状态和描述性状态。因此，这组观测状态29构成了一种具体而扎实的学习模式，以使数据库可以因此被查阅以产生预期或有条件的统计数据。

实际上，汇集系统1被配置为通过通信网络19接收来自每个实体17a、17b、17n的请求并且使用存储在数据库9中的观测状态29来搜索对这些请求的响应。

更具体的，接收器11适于通过安全网络链路的媒介接收来自任何请求方实体的请求。该请求包括下述字段，在该字段中提供了与观测数据相关的请求数据，该观测数据与请求方实体对其有兴趣的至少一个飞机发动机相关。对请求的处理包括：例如在数据库9中搜索那些与请求字段中提供的相应数据或元素相近或相关联的元素。请求中提供的元素可以是症状、维护操作、恢复后的结果、特殊事件等。所请求的信息涉及：例如症状中所涉及的部件、潜在的损坏和维修成本、与特定事件相关的实体的排名等。该信息使得请求方实体能够最佳地管理其发动机机队。

有利地，预先将请求格式化，使得可以根据从一组预定义或预编程的请求模型中选出的模型来定义每个请求。

收到当前请求后，处理器7适于通过将该请求数据转变为可测量的请求状态来在度量空间中描述它。这种转变可以通过使用压缩工具131来完成，就像前文提到的那样。

此外，处理器7适于通过使用相似搜索算法来搜索对当前请求的响应。例如，处理器7通过根据对应于该请求的度量将请求状态与存储在数据库9中的相应观测状态进行比较来实施相似搜索。该比较包括计算至少一种请求状态和相应观测状态间的距离。该距离可以是普通距离(例如，欧几里得距离)、二进制距离、测量不同连续状态之间的相似性的编辑距离(或莱文斯坦距离)或其他类型的距离。

在这种情况下，对当前请求的响应包括数据库9中的元素，其具有相对于请求元素小于预定阈值的距离。

有利地，处理器7适于使用无监督分类算法(聚类)来将每个请求的结果拆分成相似的类别。该拆分使得处理器7能够以预期统计图和/或一般统计图的形式呈现对请求的响应。

例如，对请求的响应包括与请求方实体相关的事件的分布，该分布与其他实体的分布相关，并且除了请求方的标识之外不指示其他实体的标识。对请求的响应还可以包括与请求中定义的观测值类似的以前的观测值的列表，例如将列表中的元素从最相关到最不相关排序等。

最后，接收器13适于通过安全网络链路33的媒介将所述响应发送到请求方实体。

有利地，输出装置11包括显示单元35，该显示单元35适于显示发送给请求方实体的响应，例如所述响应将被明确地显示在请求方实体的it系统的屏幕上。

此外，有利地，处理器7适于通过在数据库9中记录随时间接收的请求状态以及这些请求的结果来更新数据库9。请求状态和结果来自新的观测数据，从而使得能够进一步提高对未来请求的响应精度。

图2示意性地示出了由根据本发明的汇集系统所实施的辅助服务方法的示例。

根据该方法，请求方航空公司17c检查汇集系统1以对发动机上的症状或执行的维护操作进行统计。

更具体地，在步骤e1中，航空公司17c发射关于在其发动机之一上观测到的特定症状的请求35，并要求了解过去曾有过相似症状的发动机的进展。

在步骤e2处，在接收到请求35之后，处理器7在度量空间中描述该请求，并且使用适当的距离在数据库9中搜索曾有过与请求35中提供的行为类似的行为的发动机的进展。例如，可以使用对由发动机的观测状态形成的不同路径间的相似性进行测量的编辑距离。实际上，发动机的每条路径对应于一串字符(类别标签)，因此，编辑距离十分适于测量两串字符之间的相似性。因此，使用曾有过类似行为的其他发动机的路径来推测请求35所针对的发动机的未来状态。处理器7还可以搜索利于此类症状或事件的环境和可能的原因以及维修成本。

此外，处理器7使用数据挖掘技术来根据例如飞机的操作区(沙质环境、污染、海洋、大陆)确定这种类型的事件的频率的统计，以及统计、排名，特别是与其他航空公司相比或与全球的整个机队相比，针对该事件的请求方航空公司17c的排名。当然，其他航空公司的身份会被掩码。例如，响应可以包括散点图的表示，其中请求方航空公司17c的操作与其他航空公司的操作的颜色不同。

在步骤e3，响应37包括将在上一步中发现的所有结果发送到请求方实体17c。所有这些结果可以根据包括曲线、条形、散点等的多种图表来表示。

在步骤e4，请求方航空公司17c将响应37恢复，例如，以将其在it系统的屏幕上显示。航空公司17c使用该响应可以最优的确定所讨论发动机的潜在损害、风险和故障，因此可以最优地规划维护操作或维护策略。此外，请求方航空公司可以位于所有其他航空公司之中，从而可以评估其发动机机队的管理。

因此，通过提供自己的信息，航空公司间接受益于所有航空公司的信息。因此，所述汇集系统确保每个航空公司具有具体和有效的支持服务(后台)，为其管理其飞机发动机机队提供精确的帮助。

此外，将要注意的是，可以根据请求方实体的类型或实体与制造商之间的链接对信息的访问进行管制。某些实体只能访问一般信息，而其他实体可以有更详细的信息。

因此，根据本发明的所述汇集系统提供一种利用来自不同来源的各种观测数据的智能界面，而起初这些数据是无法利用的。该系统适于使所有这些数据可比较，并因此能够生成统计、排名以及预测。