本發(fā)明涉及對(duì)飛機(jī)的機(jī)載設(shè)備、特別是渦輪發(fā)動(dòng)機(jī)的退化進(jìn)行監(jiān)視的領(lǐng)域。更特別地，本發(fā)明涉及諸如測(cè)量鏈之類的設(shè)備，該設(shè)備的完好性指標(biāo)與出現(xiàn)或不出現(xiàn)事件有關(guān)聯(lián)。

背景技術(shù)：

為了監(jiān)視機(jī)載設(shè)備，已知形成表征機(jī)載設(shè)備退化的指標(biāo)。本領(lǐng)域內(nèi)的技術(shù)人員所知的該指標(biāo)為異常評(píng)分。通常，異常評(píng)分通過(guò)測(cè)量機(jī)載設(shè)備的諸如幾何位置、控制電流、孔徑角、溫度之類的物理參數(shù)形成。異常評(píng)分表征退化中的損傷程度。優(yōu)選地，異常評(píng)分在飛機(jī)的每次飛行中形成。

為了確定機(jī)載設(shè)備是否真的退化，監(jiān)視方法包括將針對(duì)飛機(jī)的給定飛行獲得的異常評(píng)分與判決閾值進(jìn)行比較的步驟，以及當(dāng)該異常評(píng)分超過(guò)判決閾值時(shí)發(fā)出報(bào)警的步驟。因此，通過(guò)監(jiān)視異常評(píng)分的變化，可以檢測(cè)到退化程度是否正在增加，并且能夠預(yù)測(cè)機(jī)載設(shè)備出現(xiàn)故障的風(fēng)險(xiǎn)從而改進(jìn)對(duì)維護(hù)操作的管理。

針對(duì)給定退化的判決閾值的設(shè)定是至關(guān)重要的，這是由于：一方面，判決閾值過(guò)低會(huì)導(dǎo)致在為發(fā)生退化時(shí)頻繁發(fā)出警報(bào)(虛假警報(bào))，并且另一方面，判決閾值過(guò)高會(huì)在發(fā)生退化的時(shí)候阻止發(fā)出警報(bào)(未檢測(cè))。

通常，對(duì)于希望檢測(cè)到的每個(gè)退化，判決閾值的值是根據(jù)經(jīng)驗(yàn)限定的。為了最大限度地確保安全，一般會(huì)低估判決閾值的值以使未檢測(cè)的風(fēng)險(xiǎn)最小化。其結(jié)果是虛假警報(bào)的數(shù)量仍然很高，這對(duì)于航空公司而言表現(xiàn)為缺點(diǎn)，該缺點(diǎn)迫使航空公司頻繁地實(shí)施維護(hù)操作而機(jī)載然而航空設(shè)備并未退化。為了消除該缺點(diǎn)，航空公司向機(jī)載設(shè)備的制造商給出性能規(guī)范，以限制失誤風(fēng)險(xiǎn)。因?yàn)樗蟮木_度，所以對(duì)用于故障監(jiān)視方法的判決閾值的任何經(jīng)驗(yàn)性限定被禁止。

專利申請(qǐng)F(tuán)R 1254506提供了一種針對(duì)該要求的解決方案，并且描述了一種用于對(duì)飛機(jī)的機(jī)載設(shè)備的退化進(jìn)行監(jiān)視的方法，該方法由計(jì)算機(jī)實(shí)施，機(jī)載設(shè)備的退化程度由通過(guò)測(cè)量機(jī)載設(shè)備的物理參數(shù)形成的異常評(píng)分來(lái)限定，該監(jiān)視方法包括將針對(duì)飛機(jī)的給定飛行獲得的異常評(píng)分與判決閾值進(jìn)行比較的步驟以及當(dāng)異常評(píng)分超過(guò)判決閾值時(shí)發(fā)出警報(bào)的步驟，該決策閾值針對(duì)給定的報(bào)警概率Pa來(lái)自動(dòng)確定，該報(bào)警概率Pa與借助于以下步驟實(shí)施監(jiān)視方法而機(jī)載設(shè)備完好的過(guò)程中發(fā)出警報(bào)的概率對(duì)應(yīng)：

-針對(duì)飛機(jī)的沒(méi)有老化的多次飛行計(jì)算多個(gè)異常評(píng)分的步驟，以獲得異常評(píng)分的概率密度的分布，該分布特別地針對(duì)機(jī)載設(shè)備的物理性質(zhì)；

-借助于概率密度的非參數(shù)估計(jì)值調(diào)整分布的步驟，以獲得連續(xù)調(diào)整分布函數(shù)；

-根據(jù)連續(xù)調(diào)整分布函數(shù)計(jì)算連續(xù)調(diào)整概率分布函數(shù)的步驟，以及

-讀取連續(xù)調(diào)整概率分布函數(shù)針對(duì)給定值的前項(xiàng)(在現(xiàn)有應(yīng)用中為1-Pa)，該前項(xiàng)(antecedent)對(duì)應(yīng)于判決閾值。

專利申請(qǐng)F(tuán)R 1358593提供了一種通過(guò)引入“n中的k”(k from amongst n)確證策略對(duì)之前的發(fā)明的改進(jìn)，在該改進(jìn)中，僅當(dāng)在連續(xù)的n次飛行中至少k次超過(guò)閾值時(shí)，發(fā)出警報(bào)。

該方法使得能夠根據(jù)與航空公司的需求對(duì)應(yīng)的報(bào)警概率Pa非常精確地自動(dòng)確定判決閾值。該方法相比現(xiàn)有技術(shù)中的方法更加可靠。這使得能夠精確地檢測(cè)機(jī)載設(shè)備的任何退化并在監(jiān)視期間預(yù)測(cè)機(jī)載設(shè)備的任何故障。

然而，一般來(lái)說(shuō)，當(dāng)異常評(píng)分的分布離散而非連續(xù)時(shí)，該方法是不適用的。

舉例來(lái)說(shuō)，通過(guò)SNECMA公司于2001年9月15日在法國(guó)遞交的申請(qǐng)?zhí)枮?980266的專利申請(qǐng)，已知一種對(duì)渦輪噴氣發(fā)動(dòng)機(jī)的測(cè)量鏈進(jìn)行監(jiān)視的系統(tǒng)，該系統(tǒng)通過(guò)在連續(xù)的時(shí)間增長(zhǎng)過(guò)程中對(duì)從完好性詞“OK”到指示故障的另一完好性詞的“不理想”轉(zhuǎn)變的數(shù)量進(jìn)行計(jì)數(shù)來(lái)限定該渦輪噴氣發(fā)動(dòng)機(jī)的異常評(píng)分。存在該計(jì)數(shù)幾乎總是0的情況。在圖1中示出的示例中，在沒(méi)有退化的總數(shù)為750次的飛行外，一次飛行具有一退化，另一飛行具有十八退化，并且所有其他的飛行沒(méi)有不理想的轉(zhuǎn)變。因此，通過(guò)修改之前的方法將連續(xù)分布調(diào)整為在圖1中獲得的直方圖并由此推導(dǎo)出用于計(jì)數(shù)閾值是不再合適的。

因此，存在以下需要：根據(jù)對(duì)具有低出現(xiàn)率的事件的計(jì)數(shù)來(lái)確定用于對(duì)飛機(jī)的機(jī)載設(shè)備的退化進(jìn)行監(jiān)視的策略，以策略使得能夠自動(dòng)觸發(fā)警報(bào)，同時(shí)可靠且精確地符合給定的報(bào)警概率Pa。

本發(fā)明提出了一種解決上述問(wèn)題的簡(jiǎn)單有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

為此，本發(fā)明提出了一種用于對(duì)飛機(jī)的機(jī)載設(shè)備的退化進(jìn)行監(jiān)視的方法，該方法由計(jì)算機(jī)實(shí)施，機(jī)載設(shè)備的退化程度由異常評(píng)分來(lái)限定，該異常評(píng)分由在機(jī)載設(shè)備運(yùn)轉(zhuǎn)期間該設(shè)備的控制系統(tǒng)記錄的異常發(fā)生的計(jì)數(shù)形成，該監(jiān)視方法包括將針對(duì)給定長(zhǎng)度的觀察序列獲得的異常評(píng)分與判決閾值ks進(jìn)行比較的步驟，以及當(dāng)異常性評(píng)分達(dá)到或超出判決閾值ks時(shí)發(fā)出警報(bào)的步驟，該判決閾值ks針對(duì)給定的報(bào)警概率Pa借助于以下步驟來(lái)自動(dòng)確定，該報(bào)警概率對(duì)應(yīng)于在實(shí)施該監(jiān)視方法期間發(fā)出警報(bào)而所述機(jī)載設(shè)備完好的概率：

-在至少一個(gè)參考序列上獲得異常評(píng)分的步驟，該參考序列與對(duì)應(yīng)于飛機(jī)的沒(méi)有退化的飛行，并且該參考序列的長(zhǎng)度等于多個(gè)觀察序列的多個(gè)長(zhǎng)度的飛行對(duì)應(yīng)；

-調(diào)整離散概率律的步驟，以使得能夠獲得在參考序列上獲得的異常評(píng)分；

-計(jì)算判決閾值ks的步驟，以使得通過(guò)將在前一步驟期間調(diào)整的離散概率率應(yīng)用于具有該給定長(zhǎng)度的觀察序列，對(duì)于N個(gè)連續(xù)的序列，對(duì)于N個(gè)連續(xù)序列，異常評(píng)分的高于或等于判決閾值(ks)出現(xiàn)S次的概率小于根據(jù)所述給定的報(bào)警概率Pa來(lái)估算的、超過(guò)一閾值的基本概率Peac，N和S能夠等于1。

優(yōu)選地，所述超過(guò)一閾值的基本概率Peac通過(guò)下面的公式根據(jù)所述給定的報(bào)警概率Pa來(lái)估算：

其中，N為觀察序列的數(shù)量，S為N個(gè)連續(xù)序列中超過(guò)閾值ks的次數(shù)，并且是參數(shù)為S和N-S+1的逆歐拉β分布函數(shù)。

換言之，閾值ks的值為在觀察序列期間異常發(fā)生的數(shù)量，根據(jù)異常發(fā)生的數(shù)量，完好設(shè)備的概率大于Pa或Peac的假設(shè)難以成立，該完好設(shè)備具有由已調(diào)整為參考序列的離散概率律表示的異常發(fā)生概率。因此，在確證策略中，如果觀察序列中異常發(fā)生一次或p次的數(shù)量達(dá)到判決閾值ks，則能夠由此得到結(jié)論：該設(shè)備不再遵循與被誤判的風(fēng)險(xiǎn)小于Pa的無(wú)退化的設(shè)備對(duì)應(yīng)的行為。采用已知的概率律，該判決閾值ks能夠使用該概率律的逆分布律的表達(dá)式來(lái)計(jì)算。當(dāng)不能在計(jì)數(shù)直方圖上識(shí)別連續(xù)定理時(shí)，該方法在設(shè)備的可靠性引起以下事實(shí)時(shí)是非常有利的：對(duì)異常的檢測(cè)與稀有事件的計(jì)數(shù)對(duì)應(yīng)。

根據(jù)本發(fā)明的優(yōu)選方面，所使用的離散概率率提出了一種現(xiàn)象，該現(xiàn)象的發(fā)生具有每時(shí)間單位的給定概率，第二步驟對(duì)應(yīng)于對(duì)所述離散概率律中每單位時(shí)間的概率(p，λ)的估計(jì)以用于得到在所述參考序列上獲得的所述異常評(píng)分。所述概率律可以是由每單位時(shí)間的概率和序列長(zhǎng)度參數(shù)化的二項(xiàng)式律或泊松律。

在上述情況中，以離散概率律中對(duì)無(wú)退化的系統(tǒng)異常發(fā)生的每單位時(shí)間的概率的估計(jì)可以與用于參考序列中的異常評(píng)分的具有給定置信的該每單位時(shí)間的概率的上限相等。優(yōu)選地，每單位時(shí)間的概率的估計(jì)等于最大似然，該最大似然對(duì)應(yīng)于在參考序列中獲得的異常評(píng)分。

有利地，觀察序列與飛機(jī)的多次連續(xù)飛行對(duì)應(yīng)。

根據(jù)本發(fā)明的方法可以包括預(yù)先確定觀察序列的給定長(zhǎng)度的步驟。觀察序列越長(zhǎng)，檢測(cè)閾值ks越高并且將更好地服從報(bào)警概率Pa或基本概率Peac。另一方面，出現(xiàn)故障之前退化的現(xiàn)象將全部減緩以被及時(shí)檢測(cè)到。因此，可以基于物理退化直到出現(xiàn)故障的分解時(shí)間和動(dòng)態(tài)變化的操作考慮來(lái)選擇觀察序列的長(zhǎng)度。

可以有利地選擇觀察序列的長(zhǎng)度以使判決閾值(ks)介于三和十之間。在示出的示例中，該觀察序列的長(zhǎng)度為60000個(gè)時(shí)間增量，并且通過(guò)該方法計(jì)算的判決閾值取值為6。

根據(jù)本發(fā)明的優(yōu)選方面，報(bào)警概率Pa由下面的公式獲得：

在公式中：

Pe對(duì)應(yīng)于機(jī)載設(shè)備完好卻發(fā)出警報(bào)的概率；

Pd對(duì)應(yīng)于觀察序列的退化的概率；以及

(1-β)_先驗(yàn)對(duì)應(yīng)于檢測(cè)到先驗(yàn)退化的概率。

有利地，根據(jù)誤差概率Pe來(lái)確定報(bào)警概率Pa，誤差概率Pe與航空公司希望減少機(jī)載設(shè)備上的不必要的維護(hù)步驟的數(shù)量對(duì)應(yīng)。

還優(yōu)選地，該方法包括：

-針對(duì)有退化情況下的多個(gè)觀察序列而形成的多個(gè)異常評(píng)分，采用之前確定的判決閾值(ks)實(shí)施用于對(duì)機(jī)載設(shè)備的退化進(jìn)行監(jiān)視的方法的步驟，以由此推導(dǎo)出檢測(cè)到后驗(yàn)退化的概率(1-β)_后驗(yàn)，

-根據(jù)后驗(yàn)退化的概率(1-β)_后驗(yàn)確定新的報(bào)警概率Pa的步驟，

-確定根據(jù)所述新的報(bào)警概率細(xì)化的新的判決閾值(ks)的步驟。

上述步驟有利地使得能夠快速并可靠地細(xì)化判決閾值的值。

附圖說(shuō)明

通過(guò)閱讀以下僅作為示例提供并參照附圖進(jìn)行的描述將更好地理解本發(fā)明，在附圖中：

圖1示出了針對(duì)沒(méi)有退化的多次飛行獲得飛機(jī)的機(jī)載測(cè)量設(shè)備的異常評(píng)分的分布；

圖2為包括根據(jù)本發(fā)明自動(dòng)確定判決閾值的步驟的監(jiān)視方法的示意圖；

圖3為包括根據(jù)本發(fā)明自動(dòng)確定判決閾值的步驟的監(jiān)視方法的變型的示意圖。

具體實(shí)施方式

通過(guò)現(xiàn)有技術(shù)、例如通過(guò)SNECMA公司的申請(qǐng)?zhí)枮?358593的專利申請(qǐng)可知，對(duì)判決閾值的自動(dòng)確定被提供用于對(duì)飛機(jī)的機(jī)載設(shè)備的退化進(jìn)行監(jiān)視的方法。

正如所已知的，機(jī)載設(shè)備的退化程度由異常評(píng)分限定，該異常評(píng)分通過(guò)在“同步脈沖時(shí)鐘”(clock pips)中進(jìn)行計(jì)數(shù)，確定規(guī)律單位時(shí)間增量、針對(duì)由監(jiān)視系統(tǒng)建立的設(shè)備的狀態(tài)的指示值得不理想轉(zhuǎn)變的數(shù)量來(lái)獲得。在所描述情況中，設(shè)備的狀態(tài)能夠采取兩個(gè)值并因此能夠以二進(jìn)制方式編碼以指示指示可能發(fā)生異常。優(yōu)選地，異常評(píng)分由飛機(jī)的機(jī)載計(jì)算機(jī)形成，該機(jī)載計(jì)算機(jī)經(jīng)由通信鏈路連接到機(jī)載設(shè)備。

需要考慮到：即使在沒(méi)有退化時(shí)，設(shè)備的運(yùn)轉(zhuǎn)也可能會(huì)出現(xiàn)異常，正如現(xiàn)有技術(shù)中那樣，該方法與用于僅采用報(bào)警概率Pa發(fā)出警報(bào)的策略對(duì)應(yīng)，該報(bào)警概率Pa對(duì)應(yīng)于被迫進(jìn)行的錯(cuò)誤警報(bào)的部分Pfa。

當(dāng)發(fā)出警報(bào)時(shí)，航空公司必須實(shí)施維護(hù)機(jī)載設(shè)備的步驟以防止所述機(jī)載設(shè)備出現(xiàn)故障。

報(bào)警概率

報(bào)警概率指監(jiān)視方法期間發(fā)出警報(bào)但機(jī)載設(shè)備完好的概率，即沒(méi)有退化。換言之，1％的報(bào)警概率Pa對(duì)應(yīng)于每100次沒(méi)有退化的飛行發(fā)出一次警報(bào)。

實(shí)際上，無(wú)法直接知道報(bào)警概率Pa。這是由于航空公司的性能規(guī)范強(qiáng)加錯(cuò)誤概率Pe以作為準(zhǔn)則，該錯(cuò)誤概率對(duì)應(yīng)于機(jī)載設(shè)備完好卻發(fā)出警報(bào)的概率。換言之，1％的誤差概率Pe對(duì)應(yīng)于每發(fā)出100次警報(bào)中有一次機(jī)載設(shè)備完好。

在實(shí)際中，當(dāng)監(jiān)視方法發(fā)出警報(bào)時(shí)，航空公司實(shí)施維護(hù)操作。因此，限制誤差概率Pe使得航空公司能夠限制對(duì)完好的機(jī)載設(shè)備上進(jìn)行維護(hù)操作的次數(shù)，而該操作會(huì)引起不必要的操作成本。

優(yōu)選地，通過(guò)下面的條件概率公式(F1)，根據(jù)誤差概率Pe來(lái)確定報(bào)警概率Pa。

(F1)

公式(F1)包括以下參數(shù)：

-β對(duì)應(yīng)于針對(duì)給定飛行未檢測(cè)到退化的概率，而1-β對(duì)應(yīng)于檢測(cè)到退化的概率；以及

-Pd對(duì)應(yīng)于針對(duì)給定飛行的退化的概率。

從條件概率方程式得到公式(F1)，在條件概率方程式中，概率Pa對(duì)應(yīng)于知道設(shè)備完好卻發(fā)出報(bào)警的概率對(duì)應(yīng)(Pa＝P(報(bào)警|完好))，概率Pe對(duì)應(yīng)于發(fā)出警報(bào)但設(shè)備完好的概率Pa＝(P(完好|報(bào)警))。

換言之

此外，如下

P(報(bào)警)＝P(報(bào)警∩完好)+P(報(bào)警∩退化)

P(報(bào)警)＝P(報(bào)警|完好)P(完好)+P(報(bào)警|退化)P(退化)

其中，

P(退化)＝Pd

P(完好)＝1-Pd

P(報(bào)警|退化)＝1-β

P(報(bào)警|完好)＝Pa

P(完好|報(bào)警)＝Pe

P(報(bào)警)＝P(報(bào)警|完好)P(完好)+P(報(bào)警|退化)P(退化)

P(報(bào)警)＝Pa·(1-Pd)+(1-β)Pd

P(報(bào)警)＝Pa·(1-Pd)+(1-β)Pd

借助于與P(報(bào)警)有關(guān)的兩個(gè)方程式，可以推導(dǎo)出(F1)。

在公式(F1)中，通過(guò)實(shí)驗(yàn)或估計(jì)可以知道針對(duì)給定飛行的退化概率Pd并且該退化概率Pd約為10^-7。檢測(cè)到退化的概率(1-β)_先驗(yàn)“先驗(yàn)地”(a priori)固定為1并且通過(guò)如下文中將更詳細(xì)描述的迭代來(lái)細(xì)化，以提高判決閾值的精度。

舉例來(lái)說(shuō)，通常可以由所需大約5％的錯(cuò)誤概率Pe、大約1的檢測(cè)到退化的概率(1-β)_先驗(yàn)和大約10^-6的飛行的退化概率Pd來(lái)獲得5×10^-8的報(bào)警概率。

離散異常評(píng)分和離散概率律

在本方法中，觀察序列長(zhǎng)度是確定的，在示例中觀察序列包括n個(gè)計(jì)數(shù)增量和針對(duì)在序列中異常發(fā)生的次數(shù)k的用于觸發(fā)警報(bào)的閾值ks，異常發(fā)生在示例中對(duì)應(yīng)于不理想的轉(zhuǎn)變。觀察序列的長(zhǎng)度可以對(duì)應(yīng)于一次飛行或多次連續(xù)飛行。序列中的異常評(píng)分被定義為異常發(fā)生的數(shù)量k。

然而，如所引示例中，假定為連續(xù)的異常評(píng)分的值的閾值不再被確定。該方法指的是用于表示異常發(fā)生并估算閾值ks的離散概率律，根據(jù)該閾值ks能夠觸發(fā)警報(bào)并同時(shí)服從報(bào)警概率Pa。

在第一示例性實(shí)施例中，使用了由二項(xiàng)式分布表示的概率律。

參數(shù)n和p的二項(xiàng)式律對(duì)應(yīng)于：在序列上繼續(xù)進(jìn)行n次對(duì)事件的獨(dú)立選擇，該事件發(fā)生的概率為p，不發(fā)生的概率為(1-p)。然后對(duì)時(shí)間的發(fā)生次數(shù)進(jìn)行計(jì)數(shù)，該事件在此處為為異常，并且指示在n次選擇的序列上的該發(fā)生次數(shù)的隨機(jī)變量被稱為X。

然后，通過(guò)二項(xiàng)式分布給出隨機(jī)變量X在該序列中的介于0和n之間的值k的概率：

二項(xiàng)式律的分布函數(shù)F_n,p針對(duì)n次選擇的序列，提供了隨機(jī)變量X取小于或等于k的概率。

X＝k時(shí)，二項(xiàng)式律的分布函數(shù)的值F_n,p(k)還表達(dá)為使用將發(fā)生概率選擇為p并且參數(shù)為k+1和n-k的歐拉β分布函數(shù)。

該概率律很好地適用于以下描述的情況：按飛行期間由監(jiān)視系統(tǒng)的“同步脈沖時(shí)鐘”提供的單位時(shí)長(zhǎng)的規(guī)律間隔來(lái)進(jìn)行對(duì)任何異常的計(jì)數(shù)。

在第二示例性實(shí)施例中，使用了泊松概率律。

參數(shù)為(λt)的泊松定理與觀察序列中發(fā)生異常的數(shù)量的行為對(duì)應(yīng)，觀察序列的長(zhǎng)度為時(shí)間t，此時(shí)這些異常伴隨已知的平均頻率λ發(fā)生并且與出現(xiàn)兩次異常的消耗之間所消耗的時(shí)間無(wú)關(guān)。

然后，時(shí)間增量為t的倍數(shù)且以頻率λ表達(dá)的情況中，時(shí)長(zhǎng)的觀察序列中存在k次異常發(fā)生的概率由下式給出：

泊松律的分布函數(shù)F_λ.t針對(duì)長(zhǎng)度為t的序列提供了隨機(jī)變量X取小于或等于k的概率。

X＝k時(shí)，泊松定理的分布函數(shù)值F_λt(k)還能夠通過(guò)時(shí)段t中發(fā)生的頻率λt的歐拉γ分布函數(shù)來(lái)表達(dá)，該歐拉γ分布函數(shù)具有參數(shù)k+1和t。

當(dāng)選擇次數(shù)極大時(shí)，泊松律轉(zhuǎn)為二項(xiàng)式律的限制。因此，泊松律還適用于所描述的“同步脈沖時(shí)鐘”非常大時(shí)的情況。泊松律還適用于監(jiān)視系統(tǒng)僅在異常發(fā)生時(shí)(即按不規(guī)律間隔)指示異常的設(shè)備的情況。在該情況中，泊松律使得能夠在不是連續(xù)計(jì)數(shù)之間的增量的因數(shù)的時(shí)間間隔內(nèi)進(jìn)行計(jì)算。

方法的第一實(shí)施例的示例

在此使用二項(xiàng)式律對(duì)該方法進(jìn)行描述，監(jiān)視系統(tǒng)指示異常發(fā)生的二進(jìn)制結(jié)果或不用于規(guī)律時(shí)間增量的二進(jìn)制結(jié)果。

參照?qǐng)D2，該方法從第一步驟E1開(kāi)始，針對(duì)被監(jiān)視的設(shè)備無(wú)退化的多次飛行提取多個(gè)異常評(píng)分。

特別地，該步驟E1使得能夠創(chuàng)建至少一個(gè)由大量無(wú)退化的飛行組成的參考序列，該參考序列對(duì)應(yīng)于異常指示值對(duì)無(wú)退化設(shè)備的大量的檢測(cè)時(shí)間增量m對(duì)應(yīng)，并且能夠形成有關(guān)該參考序列的異常評(píng)分r，該異常評(píng)分r等于異常發(fā)生的總數(shù)。

在與圖1中示出的通過(guò)申請(qǐng)?zhí)枮?356593的專利申請(qǐng)描述的設(shè)備的監(jiān)視對(duì)應(yīng)的示例中，針對(duì)750次無(wú)退化的飛行觀察結(jié)果，每次飛行包括瞬時(shí)階段的1200個(gè)時(shí)間增量，該瞬時(shí)階段對(duì)應(yīng)于設(shè)備受到應(yīng)力的時(shí)段。這使得能夠建立長(zhǎng)度為m的參考序列，m等于750×1200＝90000個(gè)時(shí)間增量，從而可以得到異常評(píng)分r，r等于1+18＝19。

在開(kāi)始監(jiān)視之前，該方法的第二步驟E2包括在每個(gè)時(shí)間增量處使用參考序列尋找異常發(fā)生的概率p的估計(jì)

通過(guò)以置信度α取p的上限以獲得估計(jì)該估計(jì)的值通過(guò)公式：獲得。

F_m,p為參數(shù)為m和p的二項(xiàng)分布函數(shù)，其中，m為參考序列的時(shí)間增量的數(shù)量且p為發(fā)生概率，應(yīng)用到針對(duì)參考序列所給出的異常評(píng)分r。

為參數(shù)r+1和m-r的逆歐拉β分布函數(shù)，能夠直接計(jì)算置信度為α的估計(jì)

因此，對(duì)于該方法，能夠使用α＝90％或α＝50％。還能夠使用與最大似然對(duì)應(yīng)的值α＝44％。在該情況中，估計(jì)直接由比率r/m提供。

根據(jù)例如圖1中的示例所提供的長(zhǎng)度為m＝90000個(gè)增量、異常評(píng)分為r＝19的監(jiān)視序列的的值，可以得到：并且最大似然估計(jì)

接下來(lái)，該方法包括第三步驟E3，其中，與長(zhǎng)度為n個(gè)時(shí)間增量的觀察序列中的異常發(fā)生的數(shù)量k有關(guān)的閾值ks被確定，對(duì)此能夠考慮異常發(fā)生的概率大于無(wú)退化的設(shè)備異常發(fā)生的概率的估計(jì)該估計(jì)采用在步驟E2中根據(jù)參考序列等于通過(guò)公式F1限定的值Pa的被誤判的概率得到。

為此，在n個(gè)增量的觀察序列期間的異常發(fā)生的數(shù)量k有關(guān)的檢測(cè)到退化的閾值ks被確定，以使ks為觀察序列中的概率分布函數(shù)的最小整數(shù)，即，使該序列上的任何小于ks的k次異常的概率以小于給定的報(bào)警概率Pa接近單位值。

從而得到以下公式：

(F2)

其中，為具有以下參數(shù)二項(xiàng)式分布函數(shù)：針對(duì)觀察序列選擇增量的數(shù)量n，以及在前一步驟F2期間針對(duì)無(wú)退化的設(shè)備在每個(gè)增量處獲得異常發(fā)生的概率的估計(jì)。^

B_k,n-k+1是參數(shù)為k和n-k+1的歐拉β分布函數(shù)，該函數(shù)被應(yīng)用到發(fā)生概率的估計(jì)中。

換言之，ks為觀察序列的在n個(gè)時(shí)間增量中的異常發(fā)生的數(shù)量，根據(jù)該異常發(fā)生的數(shù)量，每時(shí)間增量的異常發(fā)生的實(shí)際概率p等于估計(jì)的假設(shè)難以成立，該實(shí)際概率p大于Pa。因此，如果k大于或等于ks，則可以由此得到結(jié)論：對(duì)于誤判概率小于Pa的沒(méi)有退化的設(shè)備，每時(shí)間增量異常發(fā)生的概率p超過(guò)針對(duì)無(wú)退化的設(shè)備的估計(jì)

對(duì)觀察序列的增量的數(shù)量n的選擇是折中考慮的結(jié)果。該數(shù)量必須不能太小，這是由于該數(shù)量太小會(huì)引起ks的值過(guò)低并且在所服從的報(bào)警中概率過(guò)度缺乏精確度。相反地，該數(shù)量必須不能太大，這是由于會(huì)形成使被監(jiān)視的設(shè)備退化得到發(fā)展的風(fēng)險(xiǎn)。

對(duì)觀察序列的長(zhǎng)度n的選擇能夠由通過(guò)實(shí)施該方法之前在機(jī)載計(jì)算機(jī)中進(jìn)行仿真對(duì)設(shè)備進(jìn)行了解來(lái)達(dá)到。在該方法的變型中，能夠?qū)嵤└郊拥牟襟E以根據(jù)在步驟E3處計(jì)算的閾值ks的值來(lái)細(xì)化觀察序列的長(zhǎng)度，以例如使該閾值取介于幾個(gè)單位和十個(gè)單位之間的值。

在實(shí)際中，為了航空應(yīng)用所涉及的設(shè)備進(jìn)行監(jiān)視，觀察序列的增量長(zhǎng)度n對(duì)應(yīng)于數(shù)次連續(xù)飛行，飛行的次數(shù)nv優(yōu)選地介于三和十之間。

對(duì)于已經(jīng)引用來(lái)說(shuō)明的設(shè)備，五次連續(xù)飛行的觀察序列對(duì)應(yīng)于n＝5×1200＝6000個(gè)觀察增量。通過(guò)對(duì)報(bào)警概率Pa采取目標(biāo)值5×10^-8，應(yīng)用公式F2可以產(chǎn)生ks的值等于六(ks＝6)。

因此，該方法接下來(lái)包括在連續(xù)n個(gè)增量的觀察序列以后對(duì)操作中的設(shè)備進(jìn)行監(jiān)視的步驟E4，例如在nv次連續(xù)飛行期間。在該步驟E4中，如果在觀察序列期間異常發(fā)生的數(shù)量達(dá)到ks，則觸發(fā)警報(bào)E5。

方法的第二實(shí)施例的示例

在該第二實(shí)施例中使用了泊松律，正如在第一實(shí)施例中那樣，監(jiān)視系統(tǒng)指示二進(jìn)制異常結(jié)果或者不用于規(guī)律的時(shí)間增量。

此處，針對(duì)被監(jiān)視的設(shè)備的無(wú)退化的多次飛行提取多個(gè)異常評(píng)分的第一步驟E1與第一實(shí)施例中實(shí)施的步驟等同。此處，m個(gè)時(shí)間增量的參考序列的時(shí)長(zhǎng)等于tc。在示例中，該增量具有等單位時(shí)長(zhǎng)，序列的時(shí)長(zhǎng)tc能夠以增量的數(shù)量來(lái)計(jì)數(shù)。

在開(kāi)始監(jiān)視之前，該方法的第二步驟E2包括使用參考序列在每個(gè)時(shí)間增量處找到發(fā)生異常的平均頻率λ的估計(jì)

通過(guò)以置信度α對(duì)λ取上限來(lái)獲得該估計(jì)

的值通過(guò)以下公式獲得：

是參數(shù)為λ乘以tc的泊松分布函數(shù)，其中，tc為參考序列的時(shí)長(zhǎng)，且λ為應(yīng)用到針對(duì)參考序列指出的異常評(píng)分中的每單位時(shí)長(zhǎng)的時(shí)間增量中發(fā)生異常的概率。

是參數(shù)為r+1和tc的逆歐拉γ分布函數(shù)，能夠直接計(jì)算置信度為α的估計(jì)

在變型中，還能夠通過(guò)的值來(lái)估算估計(jì)其中，是自由度為2r+2的卡方分布(chi-squared distribution)的逆分布函數(shù)。

為了實(shí)施該方法，因此能夠如第一實(shí)施例中那樣使用α＝90％、α＝50％或與最大似然對(duì)應(yīng)的α＝44％。

對(duì)于如圖1中的示例所提供的按時(shí)間增量來(lái)計(jì)數(shù)的長(zhǎng)度tc＝90000的監(jiān)視序列的異常評(píng)分r＝19的值，可以得到：并且最大似然估計(jì)

在該方法的該實(shí)施例的第三步驟E3中，與在時(shí)長(zhǎng)為t的觀察序列中的異常發(fā)生的數(shù)量k有關(guān)的閾值ks被確定，對(duì)此能夠考慮采用等于通過(guò)公式F1限定的值Pa的被誤判的概率在步驟E2中根據(jù)參考序列進(jìn)行該估計(jì)

為此，與第一實(shí)施例中的方式類似，與在n增量的觀察序列期間的異常發(fā)生的數(shù)量k有關(guān)的檢測(cè)到退化的閾值ks被確定為觀察序列中的概率分布函數(shù)的最小整數(shù)，以使觀察序列上的概率律的分布函數(shù)以小于給定報(bào)警概率Pa接近單位值。

該結(jié)果如下公式：

(F3)

其中，是參數(shù)為泊松分布函數(shù)，該參數(shù)等于針對(duì)觀察序列選擇的時(shí)段與在前一步驟期間針對(duì)無(wú)退化的設(shè)備在每個(gè)增量處的發(fā)生異常的頻率的估計(jì)的乘積。

Γ_k,t為以下參數(shù)的歐拉γ分布函數(shù)：觀察序列上發(fā)生異常的數(shù)量k和觀察序列的時(shí)長(zhǎng)t。

在優(yōu)選的替代方式中，能夠使用自由度為2k的分布函數(shù)以在公式F3中估計(jì)ks。

與第一實(shí)施例中相同的依據(jù)使得能夠得出以下結(jié)論：如果k大于或等于ks，則在每個(gè)增量處發(fā)生異常的平均頻率超過(guò)對(duì)無(wú)退化設(shè)備被誤判的概率小于Pa的估計(jì)

以如第一實(shí)施例中同樣的方式來(lái)進(jìn)行對(duì)用于觀察序列的增量的數(shù)量n的選擇。在實(shí)際中，為了監(jiān)視與航空應(yīng)用有關(guān)的設(shè)備，觀察序列的增量長(zhǎng)度n對(duì)應(yīng)于多次連續(xù)飛行，飛行的次數(shù)n優(yōu)選地介于三和十之間。

對(duì)于已經(jīng)引用來(lái)說(shuō)明的示例，五次連續(xù)飛行的觀察序列對(duì)應(yīng)于等于6000個(gè)觀察增量的時(shí)段t。通過(guò)對(duì)報(bào)警概率Pa采取目標(biāo)值5×10^-8，應(yīng)用公式F3可以產(chǎn)生ks的值等于六(ks＝6)。

在兩個(gè)實(shí)施例中獲得的結(jié)果的相似度與以下事實(shí)相符：所使用的兩個(gè)概率律在增量的數(shù)量非常大的情況中是等同的。

對(duì)q序列使用p次超過(guò)閾值的確證策略的變型

前面的兩個(gè)實(shí)施例已經(jīng)提出了觀察序列上的閾值一旦被超過(guò)就發(fā)出警報(bào)。在變型中，能夠獨(dú)立于尋找序列上的異常評(píng)分所使用的離散概率定理將“N中的S”確證策略應(yīng)用到上述兩個(gè)實(shí)施例中。

在該策略中，如果對(duì)于N個(gè)連續(xù)序列，發(fā)生異常的數(shù)量S次超過(guò)閾值ks，則發(fā)出警報(bào)。另一方面，此處，對(duì)于觀察到S次超過(guò)無(wú)退化設(shè)備的閾值，閾值ks的值與對(duì)重復(fù)了N次的序列上的基本報(bào)警概率Peac的估計(jì)對(duì)應(yīng)，該無(wú)退化設(shè)備每序列具有報(bào)警概率Pa。

為此，根據(jù)伯努利分布，每序列發(fā)生異常的數(shù)量k可以認(rèn)為是隨機(jī)變量，同時(shí)將序列作為增量。在該情況中，能夠借助于以下公式來(lái)估算Peac：

(F4)

其中，N為觀察序列的數(shù)量，S為重復(fù)超過(guò)閾值ks的最小次數(shù)以確認(rèn)檢測(cè)信號(hào)的持續(xù)性，并且是參數(shù)為S和N-S+1的逆歐拉β分布函數(shù)。如果N和S兩者都等于一，則得到Peac＝Pa。

在該變型中，參照?qǐng)D3，該方法包括步驟E7，步驟E7對(duì)應(yīng)于選擇N和S來(lái)計(jì)算值Peac以用于代替在步驟E3中用于計(jì)算閾值ks的Pa，以服從確證策略的報(bào)警概率Pa；然后，在步驟E4中，在N個(gè)連續(xù)的序列中觀察到S次超過(guò)閾值后，發(fā)出警報(bào)。

在步驟E7中選擇的N和S的值越大，用于確證q中p次超過(guò)的檢測(cè)閾值更可靠。另一方面，出現(xiàn)故障之前的退化現(xiàn)象將會(huì)全部減緩以及時(shí)被檢測(cè)。因此，對(duì)N的選擇基于與到出現(xiàn)故障的拆解時(shí)間和物理退化動(dòng)力學(xué)有關(guān)的操作考慮。一旦選定了N，S就能被選定以將檢測(cè)到的概率最大化。此外，一般地，序列將對(duì)應(yīng)于飛行。

細(xì)化判決閾值

前面示出了對(duì)判決閾值的確定，其中，報(bào)警概率Pa是已知的或者根據(jù)錯(cuò)誤概率Pe來(lái)估計(jì)。當(dāng)報(bào)警概率Pa被估計(jì)時(shí)，可選地能夠?qū)嵤┩ㄟ^(guò)如圖2和圖3中的示意圖所示出的對(duì)檢測(cè)到退化的概率(1-β)進(jìn)行細(xì)化來(lái)細(xì)化新的判決閾值S的步驟。

如圖2中所示，在估算步驟E6中，采用之前針對(duì)在有退化的飛行期間優(yōu)選地通過(guò)仿真獲得的多個(gè)觀察序列確定的判決閾值ks來(lái)使用監(jiān)視方法。在監(jiān)視方法期間，將在觀察序列上獲得的異常評(píng)分rd與判決閾值ks進(jìn)行比較，這使得能夠“后驗(yàn)地”(a posteriori)推導(dǎo)出檢測(cè)到退化的概率(1-β)。這是由于相對(duì)于與所監(jiān)視的具有退化的飛行對(duì)應(yīng)的觀察序列的數(shù)量發(fā)出的警報(bào)的數(shù)量Na是足夠的。

如圖2中所示，在確定判決閾值的步驟中，通過(guò)迭代使用在細(xì)化期間獲得的值(1-β)_后驗(yàn)來(lái)替換值(1-β)_先驗(yàn)，以獲得判決閾值S的更精確的新值。細(xì)化步驟能夠迭代以向最精確的判決閾值的值S收斂。

在本發(fā)明的一個(gè)實(shí)施例中，由計(jì)算機(jī)、優(yōu)選地由計(jì)算機(jī)的多個(gè)處理器來(lái)實(shí)施用于對(duì)飛機(jī)的設(shè)備退化進(jìn)行監(jiān)視的方法、用于自動(dòng)確定判決閾值的方法和用于生成退化的方法。

舉例來(lái)說(shuō)，實(shí)施監(jiān)視方法被以監(jiān)視渦輪噴氣發(fā)動(dòng)機(jī)上的測(cè)量鏈。

確定判決閾值的處理器從監(jiān)視處理器接收多個(gè)無(wú)退化異常評(píng)分，并且針對(duì)給定的誤差概率Pe和監(jiān)視方法的退化的“先驗(yàn)”(a priori)檢測(cè)概率確定判決閾值ks。判決閾值ks一旦確定，則被傳送到監(jiān)視處理器，然后監(jiān)視處理器能夠?qū)⒃谂c按照所述判決閾值ks的監(jiān)視方法中所使用的相同的時(shí)長(zhǎng)(n，t)的觀察序列上計(jì)算的異常評(píng)分進(jìn)行比較，以監(jiān)視渦輪噴氣發(fā)動(dòng)機(jī)上的測(cè)量鏈的退化的變化。

為了細(xì)化(refine)判決閾值ks的值，退化生成過(guò)程對(duì)提交到監(jiān)視處理器上退化的飛行數(shù)據(jù)進(jìn)行仿真，監(jiān)視處理器根據(jù)接受的數(shù)據(jù)發(fā)出特定數(shù)量的警報(bào)，這使得能夠由此推導(dǎo)出通過(guò)監(jiān)視方法對(duì)退化的“后驗(yàn)”檢測(cè)概率。然后將該值傳遞給處理器以確定判決閾值ks_I，這為所獲得的新的檢測(cè)概率提供了新的判決閾值ks。

對(duì)該過(guò)程進(jìn)行迭代直到達(dá)到該判決閾值ks的收斂。在實(shí)際中，通過(guò)兩次迭代能夠得到令人滿意的收斂

本發(fā)明提出了一種用于渦輪噴氣發(fā)動(dòng)機(jī)上的測(cè)量鏈，但是也可以應(yīng)用到飛機(jī)的任何機(jī)載設(shè)備。