用于檢測交通工具系統(tǒng)故障的系統(tǒng)和方法
【專利摘要】本公開涉及用于檢測交通工具系統(tǒng)故障的系統(tǒng)和方法。一種用于檢測交通工具系統(tǒng)故障的方法，包括：利用處理器從一個或多個傳感器接收多個傳感器信號；利用處理器基本上實(shí)時地將各個相應(yīng)的傳感器的多個傳感器信號閾值化；以及利用處理器實(shí)時生成多個被閾值化的傳感器信號中的每一個傳感器信號的異常導(dǎo)數(shù)頻率值，并且基于異常導(dǎo)數(shù)頻率值確定至少一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。
【專利說明】
用于檢測交通工具系統(tǒng)故障的系統(tǒng)和方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及檢測交通工具系統(tǒng)故障(vehiclesystem fault)的系統(tǒng)和方法。
【背景技術(shù)】
[0002]絕大多數(shù)傳統(tǒng)的航空器預(yù)測和診斷(aircraft prognosis and diagnosis)假定傳感器-線路-處理器通道運(yùn)轉(zhuǎn)正常，并且轉(zhuǎn)而專注于檢測正在被測量的組件的故障。通常在解決傳感器故障中，傳感器故障檢測無外乎以下四種方法:知識驅(qū)動法(k η ο w I e d g edriven method)，估計(jì)法，基于時間序列的分析法和機(jī)器學(xué)習(xí)法。知識驅(qū)動法嚴(yán)格依賴于領(lǐng)域知識以便調(diào)整關(guān)于傳感器值的規(guī)則/約束。與上述其他三種方法相比，這類方法具有其“低強(qiáng)度”的特征經(jīng)常能夠檢測更多細(xì)微的故障，因?yàn)橹R驅(qū)動法不是由數(shù)據(jù)驅(qū)動的，故它們由于表現(xiàn)出更多的偽報(bào)錯而趨于較不穩(wěn)定。估計(jì)法利用來自唯一的但相關(guān)的傳感器的信號來檢測異常。雖然這些估計(jì)法不一定需要完全多余的傳感器，但是它們確實(shí)需要在至少一個的兩個不同的傳感器之間的顯著的強(qiáng)關(guān)聯(lián)性并且在距傳感器下游足夠遠(yuǎn)處不存在故障，使得這兩組記錄的測量結(jié)果(傳感器信號)都會被影響。例如，如果在線路或者處理器級出現(xiàn)故障，可能發(fā)生能夠影響兩個傳感器信號的下游故障是?；跁r間序列的分析法利用來自信號傳感器的當(dāng)前測量結(jié)果和過去的測量結(jié)果中的時間關(guān)聯(lián)性來預(yù)測未來的測量結(jié)果。基于時間序列的分析法依賴具有合適參數(shù)的預(yù)先定義的固定的模型結(jié)構(gòu)，諸如著名的自回歸滑動平均(ARMA)類模型，然而與機(jī)器學(xué)習(xí)法相比，基于時間序列的分析法由于其對固定的、預(yù)先定義的模型的依賴而更不可靠。機(jī)器學(xué)習(xí)法利用訓(xùn)練數(shù)據(jù)來推斷正常的與異常的傳感器測量結(jié)果的模型，然后統(tǒng)計(jì)性地檢測和鑒別故障的類別。這是一種最可靠的一類故障檢測方法，因?yàn)樗鼘儆诩兇獾臄?shù)據(jù)驅(qū)動方法。然而，基于機(jī)器學(xué)習(xí)的方法需要對最多的數(shù)據(jù)進(jìn)行訓(xùn)練并且趨于更低能地識別引入細(xì)微的“低強(qiáng)度”信號的故障。
[0003]大多數(shù)搭載在諸如飛機(jī)的交通工具上的傳統(tǒng)診斷算法只有當(dāng)記錄的測量結(jié)果進(jìn)入異常范圍或者表現(xiàn)出“瘋狂”的動態(tài)特性時才發(fā)出故障消息。就這點(diǎn)而言，大多數(shù)傳統(tǒng)的故障診斷算法，諸如那些包含在上述故障診斷方法中的算法都將無法發(fā)出響應(yīng)的恰當(dāng)故障信息，因此駕駛員和維護(hù)人員一直無法知道即將發(fā)生的故障。

【發(fā)明內(nèi)容】

[0004]因此，旨在解決上述所關(guān)心的問題并會實(shí)現(xiàn)功效的系統(tǒng)和方法。
[0005]本公開的一個實(shí)例涉及一種用于檢測交通工具系統(tǒng)故障的方法，該方法包括:利用處理器接收來自一個或多個傳感器的多個傳感器信號;利用處理器基本上實(shí)時地將各個相應(yīng)的傳感器的多個傳感器信號閾值化(thresholding);并且利用所述處理器實(shí)時生成多個被閾值化的傳感器信號(thresholded sensor signal)中的每一個的異常導(dǎo)數(shù)頻率值(abnormal derivative frequency value)并且基于異常導(dǎo)數(shù)頻率值確定至少一個或多個傳感器中的每一個的運(yùn)行狀態(tài)(operat1nal status)。
[0006]本公開的一個實(shí)例涉及一種故障檢測系統(tǒng)，其包括處理器，被配置接收來自一個或多個傳感器的多個傳感器信號；閾值化模塊(thresholding module)，連接至所述處理器并且被配置為基本上實(shí)時地對各個相應(yīng)傳感器的多個傳感器信號進(jìn)行閾值化；以及異常導(dǎo)數(shù)計(jì)算模塊(abnormal derivative computat1n module)，連接至所述處理器并且被配置為基本上實(shí)時地確定多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值;其中，所述處理器被配置為基于所述異常導(dǎo)數(shù)頻率值確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。
[0007]本公開的一個實(shí)例涉及一種故障檢測系統(tǒng)，其包括:被布置在基于航空航天、航?；蜿懙氐囊粋€或多個交通工具系統(tǒng)中的多個傳感器；以及處理器，該處理器被配置用來接收來自多個檢測器的多個傳感器信號，該處理器被配置為基本上實(shí)時地將各個相應(yīng)的傳感器的多個傳感器信號閾值化;實(shí)時生成該多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值的；并且基于異常導(dǎo)數(shù)頻率值確定至少一個或多個傳感器中的每一個的運(yùn)行狀
??τ O
【附圖說明】
[0008]已這樣描述了總體構(gòu)思下的本公開的實(shí)例，現(xiàn)在將結(jié)合附圖進(jìn)行說明，附圖并沒嚴(yán)格按照比例繪制，并且其中，貫穿多個圖，相似的參考字符指代相同或相似的部件，并且其中:
[0009]圖1是根據(jù)本公開的一個方面的交通工具系統(tǒng)故障檢測系統(tǒng)的框圖；
[0010]圖2是根據(jù)本公開的一個方面的表示信號異常性的傳感器信號的時間序列(timeseries)的示意圖；
[0011]圖3A和圖3B是根據(jù)本公開的一個方面的傳感器信號的時間序列和閾值化過程的示意圖；
[0012]圖4是示出根據(jù)本公開的一個方面的異常導(dǎo)數(shù)頻率的時間序列的示圖；
[0013]圖5A和圖5B不出了根據(jù)本公開的一個方面的異常導(dǎo)數(shù)頻率向量(abnormalderivative frequency vector)的時間序列的示圖，其中圖5B是圖5A的放大部分；
[0014]圖6是根據(jù)本公開的一個方面的用于交通工具系統(tǒng)故障檢測的方法的流程圖；
[0015]圖7是飛機(jī)生產(chǎn)和服務(wù)方法學(xué)的流程圖；以及
[0016]圖8是包括分布式交通工具系統(tǒng)的飛機(jī)的示意圖。
[0017]在上述提及的一個或多個框圖中，如果有的話，連接各元件和/或組件的實(shí)線可代表機(jī)械的、電的、流體的、光的、電磁的以及其他的耦合和/或其組合。正如本文中所使用的，“親合”意味著直接和間接的聯(lián)合。例如，構(gòu)件A可以直接與構(gòu)件B聯(lián)合，或者可以隨后諸如通過另一個構(gòu)件C，間接的聯(lián)合。除了在框圖中描繪的耦合之外的耦合同樣也可存在。如果有的話，連接各元素和/或組成部分的虛線代表與實(shí)線所代表的耦合在功能和目的方面相類似的耦合;然而，用虛線代表的耦合可能不是被選擇性地提供就是與本公開的替代的或可選擇的方面有關(guān)。同樣，如果有的話，用實(shí)線代表的元件和/或組件指示本公開的可替代的或可選擇的方面。如果有的話，利用點(diǎn)線表示環(huán)境元件。
[0018]在上述提及的一個或多個框圖中，方框還可以代表其操作和/或其部分。連接各框的線并不暗示任何其操作或部分的特定順序和依賴關(guān)系。
【具體實(shí)施方式】
[0019]在下面的描述中闡述了大量的具體細(xì)節(jié)，以提供對所公開的概念的全面理解，還可在缺乏這些細(xì)節(jié)中的一些或全部的情況下實(shí)現(xiàn)所公開的概念。在其他情形中，已知的設(shè)備和/或過程的細(xì)節(jié)已經(jīng)被忽略以避免對本公開造成不必要的混淆。雖然將結(jié)合具體實(shí)例描述一些概念，但應(yīng)該理解的是這些實(shí)例并不旨在進(jìn)行約束。
[0020]本文中所提及的“一個實(shí)例”或者“一個方面”意味著連同該實(shí)例或方面一起被描述的一個或多個特征、結(jié)構(gòu)或特性被包含在至少一個實(shí)施例中。在說明書的不同地方中，短語“一個實(shí)例”或者“一個方面”可以或者不可以指示相同的實(shí)例或者方面。
[0021]除非另有說明，否則本文中的“第一”、“第二”、“第三”等術(shù)語僅作為標(biāo)記，并不旨在將這些術(shù)語所指示的條款上施加于順序、位置或?qū)哟蔚囊?。此外，提到如“第二”條款并不要求或者預(yù)示如“第一”或更低編號的條款的存在和/或如“第三”或更高編號的條款的存在。
[0022]參照圖1，故障檢測系統(tǒng)100的多個方面被提供用于預(yù)測和診斷在任何合適的交通工具102(諸如固定機(jī)翼飛機(jī)、旋轉(zhuǎn)機(jī)翼飛機(jī)、宇宙飛船、航海和/或陸地交通工具)上的傳感器、線路或者處理器的故障。故障檢測系統(tǒng)100的多個方面接收傳感器信號X(t)的時間序列(例如，原始傳感器信號(raw sensor signal)例如是一維的或者標(biāo)量值(scalar value))作為輸入，并利用傳感器信號的時間序列X(t)對傳感器、線路或者處理器的健康狀況生成預(yù)測或者診斷，這對測量、傳輸和記錄關(guān)于交通工具102的環(huán)境和工作狀況的數(shù)據(jù)是有作用的。
[0023]本公開的多個方面包括將物理約束(physical constraint)形式下的系統(tǒng)工程知識(systems engineering knowledge)(僅出于示范的目的，諸如在給定時間內(nèi)正在被監(jiān)測的交通工具內(nèi)預(yù)定的部分中的流體的溫度不能改變超過預(yù)定的數(shù)值的知識)與對傳感器的測量結(jié)果或者信號的經(jīng)驗(yàn)觀測結(jié)果(empirical observat1n)相結(jié)合，以便為信號閾值化技術(shù)定義一系列的參數(shù)，將在下面進(jìn)行更加詳細(xì)的描述該信號閾值化技術(shù)。采用閾值化技術(shù)來消除噪音和減少傳感器信號X(t)時間序列的復(fù)雜度(例如，使傳感器信號更加容易被解釋)。閾值化技術(shù)還減少了交通工具102上搭載的儲存器(例如，存儲器)的要求同時減少了隨后對傳感器信號進(jìn)行分析的計(jì)算負(fù)擔(dān)。
[0024]確定每個被閾值化的傳感器信號X(t)時間序列的傳感器信號/測量結(jié)果Xl(t)，X2(t)，…，Xn(t)的異常導(dǎo)數(shù)頻率(ADF，將在下面進(jìn)行更加詳細(xì)的描述)，這里ADF能夠捕捉所記錄的傳感器信號中的細(xì)微的(例如，基于空間并且對小差異敏感的)、間歇性的(例如，基于時間的/時間上的)不穩(wěn)定性，這就是傳感器(例如，測量結(jié)果)_通信(例如，線路或者通信電纜)_處理器(例如，數(shù)據(jù)記錄)通道的問題的指標(biāo)。這里用到的短語“細(xì)微的”屬于沒有離開正常范圍的，但是反而在它們的動態(tài)特性中僅展現(xiàn)出瞬時的不穩(wěn)定性(例如，諸如在傳感器信號中的間歇性的尖峰或者噪音)的所記錄的傳感器信號/測量結(jié)果。通過傳統(tǒng)的預(yù)測和健康管理方法通常不會檢測到諸如在圖2所示的傳感器信號210的瞬時不穩(wěn)定性220，221，222這樣的瞬時不穩(wěn)定性。本公開的多個方面利用對所記錄的傳感器信號或者測量結(jié)果210的動態(tài)特性中的瞬時不穩(wěn)定220，221，222的檢測來預(yù)測故障。
[0025]在本公開的多個方面中，通過跨時間序列“滑動(sliding)”固定長度的時間窗Tw來將ADF數(shù)值的時間序列劃分成重疊的時間間隔，它們被稱作做ADF向量ADFvI，ADFv2，…，ADFvm ^DF向量被分為表示傳感器-通信-處理器的通道的正?；虍惓５倪\(yùn)行，這里ADF向量被用于預(yù)測即將發(fā)生的故障并且識別出造成傳感器、通信或者處理器問題的根本原因，所以ADF向量被列為傳感器-通信-處理器通道正?；蛘弋惓５闹笜?biāo)。如將在下面所描述的那樣，ADF和ADF向量在一個方面中允許使用簡單的分類法(例如，正常和異常的分類)，這里，采用ADF向量中的平均值以獲得與預(yù)定閾值進(jìn)行對比的標(biāo)量值。
[0026]本公開的系統(tǒng)和方法的多個方面是知識驅(qū)動與基于機(jī)器學(xué)習(xí)的故障檢測方法的混合體。通過用于設(shè)定閾值化參數(shù)(例如，諸如閾值大小和在給定時間段內(nèi)最大可能的信號變化)的系統(tǒng)工程知識和經(jīng)驗(yàn)觀察納入本公開的多個方面的知識驅(qū)動部分。本公開的多個方面利用機(jī)器學(xué)習(xí)來對由知識驅(qū)動部分提取出來的特性組成的時間序列(例如，諸如ADF向量)數(shù)據(jù)進(jìn)行分類。通過結(jié)合這些來自所公開的實(shí)例的多個方面的方法能夠在變化的操作模式和系統(tǒng)環(huán)境中，在保持穩(wěn)定性的同時檢測故障的微弱的、瞬時性的信號錯誤。本公開的多個方面不需要添加至交通工具102的任何額外的設(shè)備或者傳感器以對已經(jīng)在交通工具102中的傳感器或者相關(guān)設(shè)施執(zhí)行預(yù)測和診斷，本公開的多個方面也不需要傳感器信號的時間序列上正常的和異常的動態(tài)特性的詳細(xì)的統(tǒng)計(jì)模型。
[0027]再次參照圖1，在交通工具102中采用本文中所描述的故障檢測系統(tǒng)100和方法。該交通工具包括了一個或多個的交通工具系統(tǒng)110(例如，諸如液壓系統(tǒng)、電氣系統(tǒng)、環(huán)境系統(tǒng)等)，這里交通工具系統(tǒng)110中的每一個都包含一個或多個傳感器112。該一個或多個傳感器112可以以任何合適的方式(諸如通過數(shù)據(jù)線或者無線連接)連接至任何合適的數(shù)據(jù)記錄儀120(例如，諸如交通工具102的日常維護(hù)數(shù)據(jù)記錄儀)。例如，一個或多個傳感器112通過可以是電線、光纖電纜或者任何其他“有線的”連接方式的一個或多個通信電纜115連接至數(shù)據(jù)記錄儀120。數(shù)據(jù)記錄儀120可以包括任何合適的存儲設(shè)備125，該存儲設(shè)備被配置為至少記錄一個或多個傳感器112的信號(包括傳感器測量結(jié)果)。在一個方面中，數(shù)據(jù)記錄儀120包括用于執(zhí)行本文中所描述方法的一個或多個處理器140，然而在其它方面中，為了執(zhí)行這里所描述的方法，處理器可以是用于執(zhí)行本文中所描述的方法的以任何方式和/或者在適合合適的時間(例如，諸如在交通工具運(yùn)行或者在交通工具保養(yǎng)期間)連接至數(shù)據(jù)記錄儀的遠(yuǎn)程處理器。在一個方面中，一個或多個處理器140可以是交通工具系統(tǒng)110之一中的用于將任何確定的或者預(yù)見的故障信息傳達(dá)給交通工具102的駕駛員或者全體人員的部件。
[0028]參照圖1、圖3A和圖3B，如上所述，本文中所描述的系統(tǒng)和方法采用閾值化來簡化原始傳感器信號，諸如傳感器信號X(t)的時間序列，然而，在其它方面中，諸如在能夠提供充足的處理能力和存儲器來執(zhí)行對原始傳感器信號X(t)的分析時，閾值化不是必須的。該閾值化包括確定用于簡化(其在一個方面中包括信號的壓縮)傳感器信號x(t)的時間序列的閾值大小并且確定傳感器信號x(t)時間序列可以在任何合適的預(yù)定的時間間隔內(nèi)連續(xù)的樣本(例如，采集/接收到的傳感器信號/測量結(jié)果Xl(t)，X2(t)，-_，Xn(t))之間改變的最大量。例如，dA代表閾值大小并且dXmax代表在單個的時間步長(其在一個方面中以秒/樣本或者任何其他合適的單位為單位)上在傳感器信號X(t)時間序列中的最大可能變化。如在圖3A和圖3B中所看到的，傳感器信號X(t)的時間序列代表原始的原始輸入傳感器信號，Y(七)代表傳感器信號乂(0時間序列的被閾值化后的版本并且線30(^，3008，3014，3018，302A，302B是閾值限制的上限和下限，該上限和下限距離閾值化信號Y(t)的距離為dA。在連續(xù)傳感器信號/測量結(jié)果Xl(t)，X2(t)，-_，Xn(t)(例如，樣本)之間被閾值化的信號Y(t)的最大可能的變化可以被定義為
[0029]dYmax = dA+dXmax [ I ]
[0030]在連續(xù)傳感器信號/測量結(jié)果乂1(042(丨)，‘"411(0之間被閾值化的信號的最大可能變化發(fā)生在輸入原始傳感器信號x(t)是閾值化的值中的一個并且在信號X(t)上隨后的變化使得信號x(t)超過了閾值邊界區(qū)域(如通過被閾值化的信號Y(t)的各個相應(yīng)的部分的上限和下限300A，300B，301A，301B，302A，302B所定義的)并達(dá)到了幅度dXmax的情況中。如在圖3A中的線390所示，例如，在時間步長上，在閾值化的信號上能夠觀測到的最大可能的(正)改變。
[0031]在一個方面中，閾值大小dA要大于dXmax使得獲得傳感器信號X(t)的輸入時間序列的復(fù)雜度的充分降低和噪音的移除。然而需要注意的是，如果dA過大，輸入信號中的顯著的動態(tài)特性會消失，這樣要根據(jù)個案(例如，閾值大小dA例如基于傳感器規(guī)格和/或者交通工具系統(tǒng)的敏感性)實(shí)現(xiàn)信號復(fù)雜度的降低和信號的保真。傳感器信號X(t)的時間序列上的最大可能變化幅度dXmax是通過將系統(tǒng)工程知識與經(jīng)驗(yàn)性的傳感器觀測結(jié)果相結(jié)合而得到的。例如，采用關(guān)于正在觀測(或者測量)的交通工具系統(tǒng)的物理約束并且針對其推導(dǎo)出的輸入信號的知識來設(shè)定dXmax的上限和下限(例如，正在測量油溫時，利用關(guān)于油溫的變化范圍不能超過5度的系統(tǒng)知識來設(shè)定dXmax的上限和下限為±5度)。然后，利用在交通工具102的實(shí)際運(yùn)行條件下，交通工具系統(tǒng)110的運(yùn)行期間的傳感器信號/測量結(jié)果Xl(t)，X2(t)，…，Xn(t)來提煉dXmax的值。
[0032]在一個方面中，采用閾值化，傳感器信號X(t)的時間序列經(jīng)歷諸如通過處理器140的閾值化模塊150提供的閾值化功能(thresholding funct1n，閾值化函數(shù))，以去除噪音并且生成需要更少存儲空間和更容易解讀的信號。在圖3B中示出了該閾值化方案。在一個方面中，該閾值化方案是相對的閾值化方案，但是在其它方面中，可使用任何合適的閾值化方案。第一對閾值上限和下限300A、300B居中圍繞著傳感器信號X(t)時間序列的第一個測量點(diǎn)(其從時間單位O跨至大約1.0)，僅處于示范性的目的，這里被閾值化的信號Y(t)以約9.8的大小表示。只要傳感器信號X⑴時間序列保持在上限和下限300A、300B的范圍內(nèi)(例如，其從時間單位O跨到1.0)，被閾值化的信號將保持在約9.8處。就在大約時間單位1.0之前，傳感器信號X(t)時間序列穿過閾值邊界而開始下一對閾值上限和下限301A、301B，同時引起被閾值化的信號值的移動。在傳感器信號時間序列X (t)的下一個測量點(diǎn)(它從1.0時間單位跨到約時間單位1.7，或者剛過約時間單位1.5)處，將以約12的大小表示被閾值化的信號Y(t)。只要傳感器信號X(t)時間序列保持在上限和下限300A、300B的范圍內(nèi)，被閾值化的信號將大約保持在12 ο閾值振幅的下一次轉(zhuǎn)變發(fā)生在大約時間單位1.7處或者剛過時間單位1.5處，這里被閾值化的信號Y(t)的振幅大約變?yōu)?3并且閾值上限302A和閾值下限302B也相對于變化后的被閾值化的信號Y(t)移動。只要傳感器信號X(t)的時間序列保持在上限和下限300A、300B的范圍內(nèi)，則被閾值化的信號將保持在約13處。這個過程會以類似的方式持續(xù)直到交通工具102被關(guān)閉或者直到作為監(jiān)視器的交通工具系統(tǒng)110的測量被中止時。
[0033]從被閾值化的傳感器信號Y(t)提取出來的特征是幅度過大(例如，超過了閾值上限和下限的約束)的一個步長的時間導(dǎo)數(shù)頻率。例如，如上所述，根據(jù)系統(tǒng)工程知識和經(jīng)驗(yàn)性的傳感器觀測結(jié)果，Y(t)的任何一個步長的時間導(dǎo)數(shù)的幅度都不應(yīng)超過dYmax(參見上述等式[I])。在Y(t)上異常巨大變化表示在傳感器信號/測量結(jié)果上的錯誤(例如，傳感器故障)，或者是傳感器信號/測量結(jié)果的下游記錄上的錯誤(例如，通信或者處理器故障)。執(zhí)行通過例如處理器140的異常導(dǎo)數(shù)計(jì)算模塊151進(jìn)行的ADF計(jì)算來識別Y(t)的變化。例如，為了計(jì)算40?，要記錄每一對連續(xù)的被閾值化后的傳感器信號￥1(0，￥2(丨)，‘"，￥11(丨)(它們相當(dāng)于原始傳感器信號的點(diǎn)Xl(t)，X2(t)，H^XnU))的變化幅度的值。由于被閾值化的信號Y(t)的時間序列的離散性，可能有許多零值導(dǎo)數(shù)，這樣，只計(jì)算非零導(dǎo)數(shù)。非零導(dǎo)數(shù)的個數(shù)用Ntotal來表示，幅度超過dYmax的導(dǎo)數(shù)的個數(shù)用Nabnormal表示。則在一個方面總，可以ADF為在O到I之間的規(guī)范化的數(shù)值，其中
[0034]ADF = Nabnormal/Ntotal [2]
[0035]在其他方面中，ADF被定義為:
[0036]ADF = Nabnorma1/Ttotal [3]
[0037]其中，Ttotal是總的持續(xù)時間，例如，諸如單次飛行、預(yù)定次數(shù)飛行或者任何其他的預(yù)定的時間周期。
[0038]這樣，針對預(yù)定的時間量計(jì)算ADF，例如，基于預(yù)定的采樣方案，諸如例如飛行器預(yù)定的飛行次數(shù)(或者當(dāng)交通工具是海洋船舶或者陸地車輛時的預(yù)定的航行或者旅行次數(shù))或者任何其他的合適的采樣方案，諸如交通工具運(yùn)行的小時數(shù)、天數(shù)、或者周數(shù)等。因此，以每個預(yù)定的時間量的由如圖4所示的那樣生成通過ADF(t)標(biāo)注的多個ADF的時間序列。這里所提供的實(shí)例是交通工具102，它是一個航空航天飛機(jī)，所以通過交通工具102的每一次飛行來計(jì)算ADF，以形成時間序列ADF (t )，這里ADF (t)是ADF數(shù)值的一維時間序列值(例如ADFl，ADF2，...ADFn)。
[0039]參照圖1、圖4、圖5A和圖5B，在一個方面中，通過例如處理器140的異常導(dǎo)數(shù)向量化模塊152將ADF的數(shù)值轉(zhuǎn)換為向量值。這里提供了一種時間窗Tw (例如，具有任何合適持續(xù)時間間隔的時間序列的特征的時間窗)，這里時間窗的大小包括了預(yù)定的飛行次數(shù)。出于示例性的目的，在兩個部分Twl、Tw2中示出了圖4中所示的時間窗Tw，這里僅為了實(shí)例說明時間窗具有交通工具102的3次飛行數(shù)目的大小。在其他方面，時間窗Tw可能具有大于或者小于交通工具102的3次飛行數(shù)目的大小。如上所述，針對每次飛行計(jì)算出ADF，使得針對各時間窗位置Tw 1、Tw2，存在包括時間有序ADF值的時間窗維度向量(例如，ADF向量)ADF VI，ADFv2，…，ADFvm(其中m〈 = n)，這里各ADF的值都如上所述的那樣處于O與I之間。這里以任何合適的方式將ADF值的整個時間序列ADF( t)或者在其他方面中時間序列ADF( t)的一部分轉(zhuǎn)變成時間窗維度向量的時間序列ADFv(t)，例如，以將包含每一個動作或者時間窗Tw的多個ADF的數(shù)值進(jìn)行平均，這里ADFv(t)是時間窗維度(TW維度)的異常導(dǎo)數(shù)頻率向量時間序列。為了達(dá)到實(shí)例性的目的，位于第一個窗口位置的時間窗Tw包含了三個ADF數(shù)值(例如對應(yīng)各自的飛行I，2，3的ADFI，ADF2，ADF3)，這些ADF數(shù)值被平均來得到時間窗TwI的時間窗維度向量ADFvl。通過任何合適的時間步長大小△ T(它在該實(shí)例中是一次飛行)，移動時間窗Tw到第二個時間窗位置Tw2以包括三個ADF數(shù)值(例如對應(yīng)各自飛行2，3，4的ADF2，ADF3，ADF4)等等，所以計(jì)算了時間窗維度向量ADFv(t)的時間序列。在一個方面。本例中的步長大小AT，小于時間窗Tw的大小，但是在其他方面，步長大小可能與時間窗相同，或者大于時間窗。就像將要在下面所述的那樣，可以用ADFm(t)來計(jì)算和表示時間窗維度向量ADFv(t)平均值的時間序列，這里，ADFm(t)為通過平均值(ADFv(I))，平均值(ADFv(2))，…，平均值(ADFv(n))定義的一維時間序列。
[0040]需要注意的是，在經(jīng)過例如交通工具102的飛行過程時，ADF的非零值的出現(xiàn)并不一定意味著傳感器、通信或者處理器的問題/故障。例如，在一些系統(tǒng)中，當(dāng)系統(tǒng)斷電或者供電時，有一個或多個的異常導(dǎo)數(shù)值出現(xiàn)是正常的。此外，在一些方面中，ADF的小的值是可以接受的并且不需要維護(hù)措施(例如，諸如ADF數(shù)值是在閾值限制的上限和下限300A，300B，301A，30IB，302A，302B之間時)。同樣地，考慮到一些異常ADF數(shù)值的可接受性，將窗口化的ADF的樣本(例如，時間序列ADFv (t)的時間窗維度向量ADFv)進(jìn)行分類，其中時間窗維度向量ADFv是可能需要維護(hù)行為(例如，異常的分類)和那些不需要維護(hù)行為(例如，正常的分類)的指示符。
[0041 ]時間窗維度向量的時間序列ADFv (t)或者平均值的時間序列ADFm( t)可以通過例如處理器140上的分類模塊153以任何合適的方式來進(jìn)行分類，例如通過支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、隨機(jī)決策樹或者邏輯回歸等。這里，分類模塊153包含經(jīng)過訓(xùn)練的分類器，它可以根據(jù)例如對時間窗維度向量的時間序列ADFv(t)或者平均值時間序列ADFm(t)的閾值化來區(qū)分正?；蛘弋惓５膫鞲衅?、通信、或者處理器運(yùn)行狀態(tài)。在一個方面中，使用從交通工具102的正?；蛘弋惓５倪\(yùn)行狀態(tài)下產(chǎn)生的已知的(時間序列ADFv(t)的)時間窗維度向量ADFv或者(時間序列ADFm(t)的)平均值A(chǔ)DFm提前訓(xùn)練分類器。在一個方面中，存在涉及線路故障、傳感器故障、處理器故障和無故障的訓(xùn)練數(shù)據(jù)，使得傳感器將故障被分類為正常的或者異常的，然后還確定故障是否涉及線路、傳感器或者處理器。例如，通過處理器從ADF數(shù)值(向量數(shù)值版本或者是標(biāo)量數(shù)值版本)的時間序列識別出線路故障，這里線路故障通常表現(xiàn)為異常大的時間導(dǎo)數(shù)的激增，而傳感器或者處理器故障則表現(xiàn)出間歇性的異常導(dǎo)數(shù)。在一個方面中，調(diào)整時間窗Tw的大小以允許檢測線路、傳感器或者處理器故障的大小(例如，可減小時間窗Tw的大小從幾個飛行次數(shù)到幾秒、幾分鐘、或者幾小時等)。在一個方面中，異常導(dǎo)數(shù)頻率ADF允許通過取得各時間窗維度向量ADFv內(nèi)的要素的平均值A(chǔ)DFm來獲得ADFm (t)而對在時間序列ADFv(t)中的時間窗維度向量ADFv進(jìn)行分類，并且例如基于數(shù)據(jù)驅(qū)動因素(諸如使用已知的在交通工具102正常或者異常的運(yùn)行情況下生成的時間窗維度向量ADFv(t))對平均值A(chǔ)DFm(t)使用閾值化方案(例如，上文參照圖3A和圖3B所描述那些相類似的上限和下限)，以確定時間窗向量ADFv(t)的正常的或者異常的分類。如本文中所描述，ADF向量允許簡單的分類方案，諸如例如取得時間窗維度向量ADFV (t)的平均值A(chǔ)DFm (t)，這將會導(dǎo)致標(biāo)量值的時間序列而不是向量值的時間序列(例如，多維的分析減少為一維分析)。下面提供了實(shí)例。如本文中所描述的，基于已知的訓(xùn)練數(shù)據(jù)確定最大化諸如故障分類的準(zhǔn)確性的目標(biāo)功能的(通過標(biāo)量數(shù)值時間序列確定的)閾值。
[0042]在運(yùn)行時，用于檢測交通工具系統(tǒng)故障的方法包括(參照圖6)獲得所測量出的輸入傳感器信號Xl(t)，X2(t)，‘"，Xn(t)的時間有續(xù)集X(t)，其中，在Xj(t)之前記錄Xi(t)，其中i〈 j (圖6，框600)。在本文中所描述的方法中，各信號實(shí)時地(例如，以毫秒或者微秒量級的時間框架中獲得并分析的而不是存儲在存儲器上或者從存儲器重新播放來進(jìn)行分析的，這里實(shí)時意味著從事件到系統(tǒng)響應(yīng)的運(yùn)行最終期限)從同一個傳感器以同樣固定的采樣頻率(例如，針對各傳感器/傳感器信號執(zhí)行該方法)采樣得到的。需要注意的是，在一個方面中，本文中所描述的過程以及本文中所描述的任何數(shù)據(jù)獲取和處理的混合過程都是實(shí)時進(jìn)行的。如本文中所描述的，在任何合適的時間周期內(nèi)測量來自單獨(dú)傳感器112的信號Xl(t)，X2(t)，-_，Xn(t)，諸如在單次飛行或者一次飛行的部分或者多余一次飛行的期間等。從通過本文中所描述的方法，利用來自系統(tǒng)工程知識的物理約束和對先前獲得的傳感器信號的經(jīng)驗(yàn)觀測推導(dǎo)出多個閾值化參數(shù)(圖6，框610)。通過如上所述的閾值化(圖6，框620)利用一個或多個的閾值化參數(shù)對各輸入傳感器信號Xl(t)，X2(t)，-_，Xn(t)實(shí)時地轉(zhuǎn)換，以生成被閾值化的信號Y(t)的時間序列，其包括被閾值化的信號Yl (t)，Y2 (t)，…，Yn(t)。如上面所描述的，閾值化降低了存儲要求使信號不那么復(fù)雜同時消除了噪音，使得信號的時間序列Y(t)比信號時間序列X(t)更容易理解。正如本文中所描述的，實(shí)時地計(jì)算信號時間序列Y(t)的ADF，以確定時間序列ADF( t)(圖6，框630)。如本文中所描述的，以階梯化的△ T方式利用時間窗Tw來窗口化ADF值的時間序列ADF (t)，以提取ADF向量ADFv的時間序列ADFv (t)(圖6，框640)。如本文中所描述的，實(shí)時地將ADF向量進(jìn)行分類(圖6，框650)，基于分類后的ADF向量ADFv中的多個ADF實(shí)時地確定傳感器112系統(tǒng)或者通道(例如傳感器、通信、處理器)的健康狀況測量或和/或傳感器系統(tǒng)的剩余使用壽命的預(yù)測(圖6，框660)。盡管這里將基于ADF值的故障分類描述為實(shí)時進(jìn)行的，然而在其他方面中，可以在接收到傳感器信號之后的任何合適的時間對所存儲的數(shù)據(jù)執(zhí)行基于ADF數(shù)值的故障分類。
[0043]作為運(yùn)行實(shí)例，參照圖5A和圖5B(其是圖5A所強(qiáng)調(diào)區(qū)域500部分的放大圖)，本文中所描述的系統(tǒng)和方法已經(jīng)被用于交通工具102的傳動系統(tǒng)的油溫上。運(yùn)行的實(shí)例集中在表現(xiàn)為間歇性的異常變化但又沒有引起傳感器測量結(jié)果或者所記錄的數(shù)值超過正常范圍(故障信息沒有被激活)的一類故障上。要注意的是，就這類故障而言，系統(tǒng)生成信息的缺乏對于交通工具的駕駛員或者維護(hù)人員來說，很難意識到傳感器、線路或者處理器發(fā)生問題。在運(yùn)行的實(shí)例中，確定了閾值大小dA以及在兩個連續(xù)樣本中傳感器信號的最大的變化幅度dXmax，利用本文中所描述的方法。結(jié)合來自于交通工具102的維護(hù)支持文件的系統(tǒng)工程知識和在實(shí)際工具運(yùn)行過程中的油溫的經(jīng)驗(yàn)觀察來確定閾值大小和最大信號變化。在該特定運(yùn)行實(shí)例中，閾值大小dA被設(shè)定為約16度，在兩個連續(xù)樣本中傳感器信號的最大的變化幅度dXmax被設(shè)定為約18度。根據(jù)這里所描述的方法閾值化原始傳感器信號。需要注意的是對于這類故障，傳感器信號的大小是不報(bào)告的，所以計(jì)算交通工具102的每次飛行的ADF數(shù)值，這里ADF允許對傳感器信號的顯著特征進(jìn)行分析。對于觀測DF數(shù)值的變化來講，三個連續(xù)飛行的時間窗Tw足夠長。此外，由于ADF特征的有效性，將每個時間窗的平均ADFv數(shù)值用作對ADF向量ADFv分類的閾值。在該運(yùn)行實(shí)例中，基于每一個時間窗的ADFv平均值，溫度閾值被設(shè)為約0.2。在需要更換傳感器的時間點(diǎn)的兩周前發(fā)出關(guān)于油溫故障的預(yù)測。該預(yù)測是根據(jù)觀測到的傳感器ADF數(shù)值的增加而發(fā)出的，該預(yù)測以致傳感器的更換。圖5A和圖5B通過示出相對時間的ADF數(shù)值分子(ADF數(shù)值分子，像上面所描述的那樣，是所觀測到的異常導(dǎo)數(shù)的總數(shù))的示圖而示出了傳感器預(yù)測，這還可以作為一個實(shí)例說明在交通工具102沒有發(fā)出任何相關(guān)故障信息時可觀測到多大數(shù)量的異常導(dǎo)數(shù)。在圖5A和圖5B曲線圖上的每一個點(diǎn)代表單次的交通工具飛行啟動。如在圖5B中所看到的那樣，傳感器故障開始于九月下旬。在十月上旬，為了修正該問題而對傳感器線路進(jìn)行了調(diào)整，然而，從ADF數(shù)值的分析來看，很顯然傳感器的問題在繼續(xù)，這意味著是傳感器的問題而不是線路的問題。隨后，替換傳感器，問題隨之消失。
[0044]本公開和描述本文中所闡述的方法的操作的附圖不應(yīng)理解為必須確定操作將被執(zhí)行的順序。相反，雖然已經(jīng)表明了一個說明性的順序，但是應(yīng)理解的是可在適當(dāng)?shù)臅r候修改操作順序。因此，某些操作可以按照不同的順序執(zhí)行或者同時執(zhí)行。此外，在本公開的一些方面中，并不是所有本文中所描述的操作都需要執(zhí)行。
[0045]本公開的實(shí)例是在如圖7中所示的飛機(jī)制造和服務(wù)方法700以及圖8中所示的飛機(jī)802的背景下描述的。在預(yù)生產(chǎn)過程中，說明性方法700可包括飛機(jī)802的規(guī)格與設(shè)計(jì)704和材料采購706。在生產(chǎn)過程中，實(shí)現(xiàn)飛機(jī)802的部件和組件制造708以及系統(tǒng)集成710。此后，飛機(jī)802便可通過認(rèn)證和交付712以被投入使用714。當(dāng)由客戶使用時，飛機(jī)802定期進(jìn)行維護(hù)和保養(yǎng)716(這也可能包括改裝、再造、翻新等等)。
[0046]每個說明性的方法700的過程都可以由系統(tǒng)集成者、第三方和/或運(yùn)營上(諸如，客戶)來執(zhí)行或?qū)崿F(xiàn)。出于說明的目的，系統(tǒng)集成者可包括但不限于任何數(shù)量的飛機(jī)制造商和主系統(tǒng)分包商；第三方可以包括但不限于任何數(shù)量的賣家、分包商和供應(yīng)商;并且運(yùn)營者可以是一個航空公司、租賃公司、軍事部門、服務(wù)組織等等。
[0047]如圖8中所示，通過說明性方法100生產(chǎn)的飛機(jī)802可包括具有多個高級系統(tǒng)的機(jī)身818和機(jī)艙822。高級系統(tǒng)的實(shí)例分布于整個飛機(jī)，其包括推進(jìn)系統(tǒng)824、電力系統(tǒng)826，液壓系統(tǒng)828和環(huán)境系統(tǒng)830中的一個或多個。任何數(shù)量的其他系統(tǒng)可以包含在內(nèi)。盡管不出的是航空航天的實(shí)例，本發(fā)明的原理可以被用到諸如汽車業(yè)和航海業(yè)的其他行業(yè)。
[0048]本文中所示出或所描述的系統(tǒng)和方法可在制造和服務(wù)方法700的任何一個或多個階段中使用。例如，對應(yīng)于部件和組件制造708的部件和組件可以以與飛機(jī)802在使用時的部件或組件生產(chǎn)相類似的方式進(jìn)行裝配或者制造。并且可以在生產(chǎn)狀態(tài)708或者710中使用該系統(tǒng)、方法的一個或多個方面或者它們的組合，例如，通過大大加快裝配飛機(jī)802的裝配速度或者降低飛機(jī)802的成本的辦法。類似地，該系統(tǒng)、方法、或其組合的一個或多個方面是可以被利用的，例如并不限于，當(dāng)飛機(jī)802在使用中時，例如，運(yùn)行、維護(hù)和服務(wù)716。
[0049]本文中公開了系統(tǒng)和方法的不同實(shí)例和方面，包括各種組件、特征和功能。應(yīng)該了解的是本文中所公開的系統(tǒng)和方法的各種實(shí)例和方面可包括本文中所公開的系統(tǒng)和方法的任意組合下的任何其他實(shí)例和方面的任何組件、特征和功能，并且旨在將所有的這些可能包含在本公開的精神和范圍之內(nèi)。
[0050]得益于上述說明和相關(guān)附圖的指導(dǎo)的本公開所屬領(lǐng)域的技術(shù)人員，將會想起本文中所闡述的本公開的許多變形例和其他實(shí)例。
[0051]根據(jù)本公開的一個或多個方面，提出了一種用于檢測交通工具系統(tǒng)故障的方法，所述方法包括:利用處理器接收來自一個或多個傳感器的多個傳感器信號；利用所述處理器基本上實(shí)時地將各個相應(yīng)的傳感器的所述多個傳感器信號閾值化;并且利用所述處理器實(shí)時生成多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值并且基于所述異常導(dǎo)數(shù)頻率值確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。
[0052]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括對該傳感器所位于的系統(tǒng)的健康的測量。
[0053]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個的所述運(yùn)行狀態(tài)包含對該傳感器所位于的系統(tǒng)的剩余使用壽命的預(yù)測。
[0054]根據(jù)本公開的一個或多個方面，該方法進(jìn)一步包括確定將一個或多個傳感器連接至交通工具數(shù)據(jù)記錄儀的線路的運(yùn)行狀態(tài)。
[0055]根據(jù)本公開的一個或多個方面，該方法進(jìn)一步包括確定連接到一個或多個傳感器的交通工具數(shù)據(jù)記錄儀的運(yùn)行狀態(tài)。
[0056]根據(jù)本公開的一個或多個方面，該方法進(jìn)一步包括確定從交通工具系統(tǒng)約束和對先前記錄的來自所述一個或多個傳感器的傳感器數(shù)據(jù)的經(jīng)驗(yàn)觀察而推導(dǎo)出的多個閾值化參數(shù)，其中，所述多個閾值化參數(shù)影響對各個相應(yīng)的傳感器的所述多個傳感器信號的閾值化。
[0057]根據(jù)本公開的一個或多個方面，閾值化消除了噪聲并降低了多個傳感器信號的復(fù)雜度。
[0058]根據(jù)本公開的一個或多個方面，所述處理器實(shí)時確定至少所述一個或多個傳感器中的每一個傳感器的所述運(yùn)行狀態(tài)。
[0059]根據(jù)本公開的一個或多個方面，多個信號針對基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)的運(yùn)行狀態(tài)而與在所述基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)中的數(shù)據(jù)獲取和數(shù)據(jù)通信相對應(yīng)。
[0060]根據(jù)本公開的一個或多個方面，確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括:生成所述異常導(dǎo)數(shù)頻率值的時間序列；和通過利用重疊的時間步長時移一時間窗來將所述異常導(dǎo)數(shù)頻率值的時間序列轉(zhuǎn)換成異常導(dǎo)數(shù)頻率向量，所述時間窗具有跨所述異常導(dǎo)數(shù)頻率值的時間序列的預(yù)定大小。
[0061]根據(jù)本公開的一個或多個方面，生成一個異常導(dǎo)數(shù)頻率值的時間序列包括捕捉一個或多個在該多個傳感器信號中的細(xì)微的并且間歇的不穩(wěn)定性。
[0062]根據(jù)本公開的一個或多個方面，方法進(jìn)一步包括:將所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值分類為正常的或者異常的;并且基于分類后的異常導(dǎo)數(shù)頻率值預(yù)測系統(tǒng)的部件中即將發(fā)生的故障，所述一個或多個傳感器中相應(yīng)的一個位于該系統(tǒng)中。
[0063]根據(jù)本公開的一個或多個方面，方法進(jìn)一步包括利用所述處理器對所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值進(jìn)行閾值化，以影響對相應(yīng)的異常導(dǎo)數(shù)頻率值的分類。
[0064]根據(jù)本公開的一個或多個方面，提出了一種故障檢測系統(tǒng)，包括:處理器，被配置接收來自一個或多個傳感器的多個傳感器信號；閾值化模塊，連接至所述處理器并且被配置為基本上實(shí)時地對各個相應(yīng)傳感器的多個傳感器信號進(jìn)行閾值化；以及異常導(dǎo)數(shù)計(jì)算模塊，連接至所述處理器并且被配置為基本上實(shí)時地確定多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值;其中，所述處理器被配置為基于所述異常導(dǎo)數(shù)頻率值確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。
[0065]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個傳感器的運(yùn)行狀態(tài)包含對傳感器所位于的系統(tǒng)的健康的測量。
[0066]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個傳感器的運(yùn)行狀態(tài)包含對傳感器所位于的系統(tǒng)的剩余使用壽命的預(yù)測。
[0067]根據(jù)本公開的一個或多個方面，處理器還被配置為確定將一個或多個傳感器連接至交通工具數(shù)據(jù)記錄儀的線路的運(yùn)行狀態(tài)。
[0068]根據(jù)本公開的一個或多個方面，處理器還被配置為確定連接到一個或多個傳感器上的交通工具數(shù)據(jù)記錄儀的運(yùn)行狀態(tài)。
[0069]根據(jù)本公開的一個或多個方面，故障檢測系統(tǒng)進(jìn)一步所述閾值化模塊，所述閾值化模塊連接至所述處理器并且被配置為確定從交通工具系統(tǒng)約束和對先前記錄的來自所述一個或多個傳感器的傳感器數(shù)據(jù)的經(jīng)驗(yàn)觀察而推導(dǎo)出的多個閾值化參數(shù)，其中，所述多個閾值化參數(shù)影響對各個相應(yīng)的傳感器的所述多個傳感器信號的閾值化。
[0070]根據(jù)本公開的一個或多個方面，閾值化消除了噪聲并且降低了多個傳感器信號的復(fù)雜度。
[0071]根據(jù)本公開的一個或多個方面，處理器被配置為實(shí)時地確定至少一個或多個傳感器中的每一個傳感器的運(yùn)行狀態(tài)。
[0072]根據(jù)本公開的一個或多個方面，多個信號針對基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)的運(yùn)行狀態(tài)而與在所述基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)中的數(shù)據(jù)獲取和數(shù)據(jù)通信相對應(yīng)。
[0073]根據(jù)本公開的一個或多個方面，故障檢測系統(tǒng)進(jìn)一步包括異常導(dǎo)數(shù)向量化模塊，所述異常導(dǎo)數(shù)向量化模塊被配置為:通過利用重疊的時間步長時移一時間窗來將所述異常導(dǎo)數(shù)頻率值的時間序列轉(zhuǎn)換為異常導(dǎo)數(shù)頻率向量，所述時間窗具有跨所述異常導(dǎo)數(shù)頻率值的時間序列的預(yù)定大小。
[0074]根據(jù)本公開的一個或多個方面，故障檢測系統(tǒng)進(jìn)一步包括分類模塊，所述分類模塊連接至所述處理器并且被配置為將所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值分類為正常的或者異常的；并且其中，所述處理器被配置基于分類后的異常導(dǎo)數(shù)頻率值預(yù)測系統(tǒng)的部件中即將發(fā)生的故障，所述一個或多個傳感器中相應(yīng)的一個位于該系統(tǒng)中。
[0075]根據(jù)本公開的一個或多個方面，處理器被配置為對該多個被閾值化的傳感器信號中的每一個傳感器信號的異常導(dǎo)數(shù)頻率值進(jìn)行閾值化，以影響對相應(yīng)的異常導(dǎo)數(shù)頻率值的分類。
[0076]根據(jù)本公開的一個或多個方面，故障檢測系統(tǒng)包括:被布置在基于航空航天、航?；蜿懙氐囊粋€或多個交通工具系統(tǒng)中的多個傳感器；以及處理器，該處理器被配置用來接收來自多個檢測器的多個傳感器信號，該處理器被配置為基本上實(shí)時地將各個相應(yīng)的傳感器的多個傳感器信號閾值化;實(shí)時生成該多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值的；并且基于異常導(dǎo)數(shù)頻率值確定至少一個或多個傳感器中的每一個的運(yùn)行狀
??τ O
[0077]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個傳感器的運(yùn)行狀態(tài)包含對多個傳感器位于其中的一個或多個交通工具系統(tǒng)的健康的測量。
[0078]根據(jù)本公開的一個或多個方面，至少一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括對多個傳感器位于其中的一個或多個交通工具系統(tǒng)的剩余有效壽命的預(yù)測。
[0079]根據(jù)本公開的一個或多個方面，處理器還被配置為確定將一個或多個傳感器連接至交通工具數(shù)據(jù)記錄儀的線路的運(yùn)行狀態(tài)。
[0080]根據(jù)本公開的一個或多個方面，處理器還被配置為確定連接至一個或多個傳感器的交通工具記錄儀的運(yùn)行狀態(tài)。
[0081]根據(jù)本公開的一個或多個方面，處理器還被配置為確定從交通工具系統(tǒng)約束和對先前記錄的來自所述一個或多個傳感器的傳感器數(shù)據(jù)的經(jīng)驗(yàn)觀察而推導(dǎo)出的多個閾值化參數(shù)，其中，所述多個閾值化參數(shù)影響對各個相應(yīng)的傳感器的所述多個傳感器信號的閾值化
[0082]根據(jù)本公開的一個或多個方面，閾值化消除了噪聲并且降低了多個傳感器信號的復(fù)雜度。
[0083]根據(jù)本公開的一個或多個方面，處理器被配置用來實(shí)時地確定至少一個或多個傳感器中的每一個傳感器的運(yùn)行狀態(tài)。
[0084]根據(jù)本公開的一個或多個方面，多個信號與在基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)中的數(shù)據(jù)獲取和數(shù)據(jù)通信相對應(yīng)。
[0085]根據(jù)本公開的一個或多個方面，處理器還被配置為生成一個異常導(dǎo)數(shù)頻率值得時間序列;并且通過利用重疊的時間步長時移一時間窗來將所述異常導(dǎo)數(shù)頻率值的時間序列轉(zhuǎn)換為異常導(dǎo)數(shù)頻率向量，所述時間窗具有跨所述異常導(dǎo)數(shù)頻率值的時間序列的預(yù)定大小。
[0086]根據(jù)本公開的一個或多個方面，處理器還被配置為將所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值分類為正常的或者異常的；其中所述處理器被配置基于分類后的異常導(dǎo)數(shù)頻率值預(yù)測系統(tǒng)的部件中即將發(fā)生的故障，所述一個或多個傳感器中相應(yīng)的一個位于該系統(tǒng)中。
[0087]根據(jù)本公開的一個或多個方面，所述處理器被配置為對所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值進(jìn)行閾值化，以影響對相應(yīng)的異常導(dǎo)數(shù)頻率值的分類。
[0088]因此，應(yīng)該了解的是，本公開并不限于所公開的特定實(shí)例，且旨在將變型和其他實(shí)例包含在所附的權(quán)利要求的范圍內(nèi)。此外，盡管上述說明和相關(guān)附圖是在某些元素和/或功能的說明組合環(huán)境下描述實(shí)例，應(yīng)該認(rèn)識到的是，在不背離所附權(quán)利要求范疇的情況下，可由可替代的實(shí)施方式提供部件和/或功能的組合。
【主權(quán)項(xiàng)】
1.一種用于檢測交通工具系統(tǒng)故障(100)的方法，所述方法包括: 利用處理器(140)接收(600)來自一個或多個傳感器(112)的多個傳感器信號(Xl(t)，X2(t)---Xn(t))； 利用所述處理器基本上實(shí)時地將各個相應(yīng)的傳感器的所述多個傳感器信號閾值化(620);并且 利用所述處理器實(shí)時生成(630)多個被閾值化的傳感器信號(Yl(t)，Y2(t)…Yn(t))中的每一個的異常導(dǎo)數(shù)頻率值(ADF1，ADF2…ADFn)并且基于所述異常導(dǎo)數(shù)頻率值確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。2.根據(jù)權(quán)利要求1所述的方法，其中，有以下項(xiàng)中的至少一個: 至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括該傳感器所位于的系統(tǒng)(110)的健康的測量;和 至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括該傳感器所位于的系統(tǒng)的剩余使用壽命的預(yù)測。3.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括確定(610)從交通工具系統(tǒng)約束和對先前記錄的來自所述一個或多個傳感器的傳感器數(shù)據(jù)的經(jīng)驗(yàn)觀察而推導(dǎo)出的多個閾值化參數(shù)，其中，所述多個閾值化參數(shù)影響對各個相應(yīng)的傳感器的所述多個傳感器信號的閾值化。4.根據(jù)權(quán)利要求1所述的方法，其中，有以下項(xiàng)中的至少一個: 所述處理器實(shí)時確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài);和 多個信號針對基于航空航天、航?；蛘哧懙氐慕煌üぞ呦到y(tǒng)的運(yùn)行狀態(tài)而與在所述基于航空航天、航海或者陸地的交通工具系統(tǒng)中的數(shù)據(jù)獲取和數(shù)據(jù)通信相對應(yīng)。5.根據(jù)權(quán)利要求1所述的方法，其中，確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括: 生成(630)所述異常導(dǎo)數(shù)頻率值(ADF)的時間序列;和 通過利用重疊的時間步長時移一時間窗來將所述異常導(dǎo)數(shù)頻率值(ADFv)的時間序列轉(zhuǎn)換(640)成異常導(dǎo)數(shù)頻率向量，所述時間窗具有跨所述異常導(dǎo)數(shù)頻率值的時間序列的預(yù)定大小。6.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括: 將所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值分類(650)為正常的或者異常的;并且 基于分類后的異常導(dǎo)數(shù)頻率值預(yù)測(660)系統(tǒng)的部件中即將發(fā)生的故障，所述一個或多個傳感器中相應(yīng)的一個位于該系統(tǒng)中。7.根據(jù)權(quán)利要求6所述的方法，進(jìn)一步包括利用所述處理器對所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值進(jìn)行閾值化，以影響對相應(yīng)的異常導(dǎo)數(shù)頻率值的分類。8.一種故障檢測系統(tǒng)(100)，包括: 處理器(140)，被配置接收來自一個或多個傳感器的多個傳感器信號(Xl(t)，X2(tl...Xn(t))； 閾值化模塊(150)，連接至所述處理器并且被配置為基本上實(shí)時地對各個相應(yīng)傳感器的所述多個傳感器信號進(jìn)行閾值化;以及 異常導(dǎo)數(shù)計(jì)算模塊(151)，連接至所述處理器并且被配置為基本上實(shí)時地確定多個被閾值化的傳感器信號中的每一個的異常導(dǎo)數(shù)頻率值(ADF); 其中，所述處理器被配置為基于所述異常導(dǎo)數(shù)頻率值確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)。9.根據(jù)權(quán)利要求8所述的故障檢測系統(tǒng)，其中，有以下項(xiàng)中的至少一個: 至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括該傳感器所位于的系統(tǒng)的健康的測量； 至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)包括該傳感器所位于的所述系統(tǒng)的剩余使用壽命的預(yù)測； 所述處理器被配置為實(shí)時地確定至少所述一個或多個傳感器中的每一個的運(yùn)行狀態(tài)；和 多個信號針對基于航空航天、航海或者陸地的交通工具系統(tǒng)的運(yùn)行狀態(tài)而與在所述基于航空航天、航海或者陸地的交通工具系統(tǒng)中的數(shù)據(jù)獲取和數(shù)據(jù)通信相對應(yīng)。10.根據(jù)權(quán)利要求8所述的故障檢測系統(tǒng)，進(jìn)一步包括所述閾值化模塊(150)，所述閾值化模塊連接至所述處理器并且被配置為確定從交通工具系統(tǒng)約束和對先前記錄的來自所述一個或多個傳感器的傳感器數(shù)據(jù)的經(jīng)驗(yàn)觀察而推導(dǎo)出的多個閾值化參數(shù)，其中，所述多個閾值化參數(shù)影響對各個相應(yīng)的傳感器的所述多個傳感器信號的閾值化。11.根據(jù)權(quán)利要求8所述的故障檢測系統(tǒng)，進(jìn)一步包括異常導(dǎo)數(shù)向量化模塊(152)，所述異常導(dǎo)數(shù)向量化模塊被配置為: 生成(630)所述異常導(dǎo)數(shù)頻率值的時間序列(ADF(t));并且 通過利用重疊的時間步長時移一時間窗(Tw)來將所述異常導(dǎo)數(shù)頻率值的時間序列轉(zhuǎn)換(640)為異常導(dǎo)數(shù)頻率向量(ADFvl，ADFv2."ADFvn)，所述時間窗具有跨所述異常導(dǎo)數(shù)頻率值的時間序列的預(yù)定大小。12.根據(jù)權(quán)利要求8所述的故障檢測系統(tǒng)，進(jìn)一步包括分類模塊(153)，所述分類模塊連接至所述處理器并且被配置為將所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值分類為正常的或者異常的， 其中，所述處理器被配置基于分類后的異常導(dǎo)數(shù)頻率值預(yù)測系統(tǒng)的部件中即將發(fā)生的故障，所述一個或多個傳感器中相應(yīng)的一個位于該系統(tǒng)中。13.根據(jù)權(quán)利要求12所述的故障檢測系統(tǒng)，其中，所述處理器被配置為對所述多個被閾值化的傳感器信號中的每一個的所述異常導(dǎo)數(shù)頻率值進(jìn)行閾值化，以影響對相應(yīng)的異常導(dǎo)數(shù)頻率值的分類。
【文檔編號】G01D21/02GK106066184SQ201610258689
【公開日】2016年11月2日
【申請日】2016年4月22日 公開號201610258689.7, CN 106066184 A, CN 106066184A, CN 201610258689, CN-A-106066184, CN106066184 A, CN106066184A, CN201610258689, CN201610258689.7
【發(fā)明人】蔡-青·盧, 查爾斯·E·馬丁, 艾麗斯·A·墨菲, 史蒂芬·C·斯勞特, 克里斯托夫·R·韋茲登克
【申請人】波音公司