FR3035232A1 - Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe - Google Patents
Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe Download PDFInfo
- Publication number
- FR3035232A1 FR3035232A1 FR1553520A FR1553520A FR3035232A1 FR 3035232 A1 FR3035232 A1 FR 3035232A1 FR 1553520 A FR1553520 A FR 1553520A FR 1553520 A FR1553520 A FR 1553520A FR 3035232 A1 FR3035232 A1 FR 3035232A1
- Authority
- FR
- France
- Prior art keywords
- engine
- health
- indicators
- mathematical model
- health indicator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000013178 mathematical model Methods 0.000 claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 15
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 13
- 230000006399 behavior Effects 0.000 description 9
- 239000000446 fuel Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000003324 Six Sigma (6σ) Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
La présente invention concerne un procédé de configuration d'un système embarqué de surveillance de l'état de santé d'un moteur d'aéronef, le procédé de configuration comportant des étapes de : - (E1) simulation d'indicateurs de santé caractérisant le comportement du moteur, à partir d'un modèle thermodynamique du moteur, pour différents valeurs d'indicateurs de contexte caractérisant les conditions de vol ; - (E2) détermination d'un modèle mathématique du moteur, à partir des valeurs simulées, par régression de chaque indicateur de santé sur les indicateurs de contexte et les autres indicateurs de santé ; - (E3) configuration du système embarqué, pour l'estimation d'au moins un indicateur de santé, à l'aide du modèle mathématique du moteur, et en fonction de mesures des indicateurs de contexte, et de mesures des autres indicateurs de santé.
Description
1 Système de surveillance de l'état de santé d'un moteur et procédé de configuration associé DOMAINE DE L'INVENTION La présente invention concerne le domaine des systèmes de surveillance de l'état de santé d'un moteur d'aéronef. ETAT DE LA TECHNIQUE Il est connu de surveiller l'état de santé d'un moteur d'aéronef par analyse de données issues de capteurs présents dans le moteur ou dans un autre équipement d'un aéronef. Ces capteurs mesurent des données caractérisant le comportement des moteurs et/ou les conditions de vol.
L'analyse des données acquises par ces capteurs permet notamment de suivre le comportement du moteur et de le comparer à un comportement caractéristique d'au moins un moteur sain. Un algorithme de surveillance de l'état de santé du moteur doit être capable de donner des informations pour savoir s'il y a eu ou pas une anomalie, pour la décrire et éventuellement pour en connaître son origine.
Or, lorsqu'on récupère les mesures physiques issues des capteurs dans le moteur, tels que la température ou la pression, ces derniers dépendent des conditions de vols comme de la météo, et de l'environnement. Par exemple, les températures et pressions internes dépendent de la température ambiante et de l'altitude. Les mesures traitées sont prises en vol, de ce fait, elles présentent énormément de variabilité dues aux variabilités des conditions de vol. Ainsi pour suivre l'évolution intrinsèque d'un paramètre physique du moteur indépendamment des conditions de vols, il est nécessaire de compenser l'influence des conditions de vols. C'est l'objectif de la normalisation. Les méthodes de normalisation connues utilisent un modèle dit 'thermodynamique' qui 30 modélise le fonctionnement du moteur en utilisant les principes physiques et thermodynamiques. Le principal problème du modèle thermodynamique est qu'il est lourd puisqu'il reprend tous les principes de la thermodynamique. Le temps de traitement peut donc être important et le paramétrage du modèle compliqué. Par conséquent, la normalisation ne peut pas être 3035232 2 mise en oeuvre en vol, et les données acquises par les capteurs doivent être transmises au sol où elles sont traitées. EXPOSE DE L'INVENTION 5 L'invention permet de pallier au moins un des inconvénients précités en proposant un procédé de configuration d'un système de surveillance d'un moteur. A cet effet, l'invention propose procédé de configuration d'un système embarqué de 10 surveillance de l'état de santé d'un moteur d'aéronef, le procédé de configuration comportant des étapes de : - simulation d'indicateurs de santé caractérisant le comportement du moteur, à partir d'un modèle thermodynamique du moteur, pour différentes valeurs d'indicateurs de contexte caractérisant les conditions de vol ; 15 - détermination d'un modèle mathématique du moteur, à partir des valeurs simulées; - configuration du système embarqué pour lui permettre d'estimer en vol au moins un indicateur de santé à l'aide du modèle mathématique du moteur et en fonction d'une part de mesures relatives à des indicateurs de contexte collectées pendant le vol et d'autre part de mesures relatives aux autres indicateurs de santé.
20 Le système embarqué peut en outre utiliser des valeurs moyennes de chaque indicateur de santé, pour estimer en vol au moins un indicateur de santé à l'aide, les valeurs moyennes de chaque indicateur de santé étant déterminées à partir des valeurs simulées des indicateurs de santé.
25 L'invention permet de déterminer un modèle mathématique du moteur qui pourra être implanté sur le système de surveillance embarqué de manière à ce que celui-ci puisse effectuer l'étape de normalisation des indicateurs de santé extraits de mesures prises en vol et transmettre ces indicateurs de santé normalisés à une unité de traitement au sol. L'invention permet de réduire la quantité d'information à transmettre à l'unité de traitement au sol pour la surveillance de la santé du moteur. En effet, on ne transmet pas toutes les données de contexte puisqu'elles ont déjà été traitées par le système de surveillance embarqué. De plus, l'invention offre un gain de temps significatif au sol puisque qu'il n'est plus nécessaire de renseigner les données dans le modèle thermodynamique pour obtenir les indicateurs de santé normalisés.
3035232 3 L'invention est avantageusement complétée par les caractéristiques suivantes, prises individuellement ou en l'une quelconque de leurs combinaisons techniquement possibles.
5 L'étape de détermination d'un modèle mathématique du moteur comporte des étapes de : - test de plusieurs modèles mathématiques ; - sélection du modèle mathématique présentant le plus grand coefficient de détermination R2.
10 La méthode du maximum de vraisemblance, et en particulier la méthode des moindres carrés, peut être utilisée pour déterminer le modèle mathématique le plus représentatif du comportement du moteur parmi plusieurs modèles mathématiques testés. Le modèle mathématique du moteur peut être déterminé par régression de chaque indicateur de santé sur les indicateurs de contexte et les autres indicateurs de santé.
15 En particulier, le modèle de régression peut être linéaire, polynomiale, ou linéaire généralisé. La méthode du maximum de vraisemblance, et en particulier la méthode des moindres carrés, peut être utilisée pour estimer les paramètres du modèle de régression. Le modèle mathématique du moteur peut être déterminé par un réseau de neurones.
20 L'invention propose également un système embarqué de surveillance de l'état de santé d'un moteur d'aéronef configuré selon l'une des revendications précédentes, et comportant des capteurs adaptés pour acquérir en vol des données représentatives du fonctionnement du moteur et du contexte de fonctionnement de celui-ci ; et 25 une unité de traitement configurée pour : - extraire des indicateurs de santé à partir des données acquises ; - extraire des indicateurs de contexte à partir des données acquises ; - calculer une estimation d'au moins un indicateur de santé à l'aide du modèle mathématique du moteur, et en fonction des indicateurs de contexte, et des autres 30 indicateurs de santé ; - calculer un indicateur de santé normalisé, en fonction de la différence entre d'une part, la valeur estimée pour l'indicateur de santé à partir du modèle mathématique 3035232 4 du moteur, et d'autre part, la valeur de l'indicateur de santé extraite des données acquises. L'unité de traitement est configurée pour calculer l'indicateur de santé normalisé comme la différence entre, d'une part, la valeur estimée pour ledit indicateur de santé à partir 5 du modèle mathématique du moteur, et d'autre part, la valeur dudit indicateur de santé extraite des données acquises, à laquelle est ajoutée la somme de la moyenne de l'ensemble des valeurs dudit indicateur de santé extraites des données acquises. L'invention propose également un procédé de surveillance de l'état de santé d'un 10 moteur d'aéronef, mis en oeuvre par un système embarqué configure selon le procédé de configuration décrit plus haut, comportant des étapes de : - acquisition en vol des données représentatives du fonctionnement du moteur et du contexte de fonctionnement de celui-ci ; - extraction d'indicateurs de santé à partir des données acquises ; 15 - extraction d'indicateurs de contexte à partir des données acquises ; - calcul d'une estimation d'au moins un indicateur de santé à partir du modèle mathématique du moteur, et en fonction des indicateurs de contexte, et des autres indicateurs de santé ; - calcul d'un indicateur de santé normalisé, en fonction de la différence entre d'une 20 part, la valeur estimée pour l'indicateur de santé à partir du modèle mathématique du moteur, et d'autre part, la valeur de l'indicateur de santé extraite des données acquises. Le procédé de surveillance peut en outre comporter une étape de transmission de l'indicateur de santé normalisé à une unité de traitement au sol.
25 Ce procédé de surveillance permet de normaliser en vol les indicateurs de santé en supprimant des dépendances vis-à-vis du contexte extérieur. Il est alors possible d'étudier l'évolution intrinsèque des paramètres physiques du moteur indépendamment des conditions de vols.
30 DESCRIPTION DES FIGURES D'autres objectifs, caractéristiques et avantages sortiront de la description détaillée qui suit en référence aux dessins donnés à titre illustratif et non limitatif parmi lesquels : - la figure 1 représente schématiquement un système de configuration selon l'invention ; 3035232 5 - la figure 2 représente les différentes étapes d'un procédé de configuration selon l'invention ; - la figure 3 représente une turbomachine équipée d'un système de surveillance embarqué selon l'invention ; 5 - la figure 4 représente les différentes étapes d'un procédé de surveillance selon l'invention ; - les figures 5A et 5B illustrent les représentations graphiques d'un indicateur représentant le gradient des températures des gaz d'échappement mesurées sur un moteur d'aéronef en fonctionnement normal lors de vols successifs.
10 DESCRIPTION DETAILLEE DE L'INVENTION Système de surveillance embarqué 15 En référence à la figure 3, un aéronef comportant un moteur 10 est équipé d'un système embarqué 1 de surveillance de l'état de santé du moteur. Dans l'exemple décrit, le moteur est un turbofan à double flux. On comprendra que l'invention peut s'appliquer à tout autre moteur d'aéronef en adaptant les paramètres mesurés et les indicateurs de santé à l'architecture de la turbomachine équipant l'aéronef.
20 Ce système embarqué 1 comporte une unité de traitement 14 qui est typiquement un calculateur configure pour exécuter les séquences d'instructions d'un programme selon le procédé de surveillance décrit plus loin. Le système de surveillance 1 comporte en outre des capteurs 2 placés en différents points de l'aéronef et plus particulièrement du moteur 10.
25 Les capteurs 2 sont configurés pour acquérir et numériser en vol des données représentatives du fonctionnement du moteur et du contexte de fonctionnement. Les données acquises sont typiquement des mesures de température et de pression en divers points du moteur, comme par exemple : la température à l'entrée de la soufflante ; la température en sortie de compresseur basse pression ; la température à la sortie du 30 compresseur haute pression ; la température des gaz d'échappement autrement nommée EGT (Exhaust Gaz Temperature) ; la pression en sortie du compresseur haute pression ; le débit du carburant en entrée de la chambre de combustion ; le régime de l'arbre haute pression.
3035232 6 Les données acquises représentatives des conditions environnementales extérieures sont par exemple des mesures de température ambiante, le nombre de Mach, ou l'altitude de vol.
5 Le système de surveillance embarqué 1 du moteur 10 comporte en outre des moyens de stockage 11 qui stockent les données acquises par les capteurs 2, des moyens de transmission de données 13 tel qu'un émetteur radio adapté pour communiquer avec une unité de traitement au sol 30, et un périphérique de sortie tel qu'un écran 12 pour afficher des messages de détection d'anomalie.
10 Le système de surveillance embarqué 1 du moteur 10 reçoit en entrée les mesures relevées par les capteurs 2 ainsi que des paramètres de fonctionnement du moteur, comme une information sur la fermeture ou l'ouverture d'une vanne, et délivre en sortie une estimation de l'état de santé des équipements et du moteur, et optionnellement un pronostic sur leur durée de vie restante si une dégradation est détectée ou un degré de confiance 15 associé au pronostic. Procédé de configuration du système de surveillance embarqué 1 En référence à la figure 2, le système de surveillance embarqué 1 est configure par un procédé de configuration d'un système de surveillance de l'état de santé d'un moteur 20 comportant des étapes de : - El simulation d'indicateurs de santé caractérisant le comportement du moteur à partir d'un modèle thermodynamique du moteur pour différentes valeurs d'indicateurs de contexte caractérisant les conditions de vol ; - E2 détermination d'un modèle mathématique du moteur, à partir des valeurs 25 simulées, par régression de chaque indicateur de santé sur les indicateurs de contexte et les autres indicateurs de santé ; - E3 configuration du système embarqué 1 pour l'estimation d'au moins un indicateur de santé à l'aide du modèle mathématique du moteur, et en fonction de mesures des indicateurs de contexte, et de mesures des autres indicateurs de 30 santé. Système de configuration 20 3035232 7 Le procédé de configuration est mis en oeuvre par un système de configuration 20 comme illustré sur la figure 1. Le système de configuration 20 comprend des moyens de traitement de l'information tel qu'un calculateur 24 configuré pour l'exécution d'un programme informatique conçu pour mettre en oeuvre le procédé de configuration décrit par la suite et 5 comportant notamment un simulateur 21 configuré pour mettre en oeuvre l'étape de simulation, et des moyens de stockage 23 stockant notamment une base de données de simulation 22 contenant les données de simulation. Le simulateur 21 modélise le moteur 10 par un modèle thermodynamique t tel que 10 représenté sur la figure 2. Le modèle thermodynamique t modélise le fonctionnement normal d'un moteur. Il est mis au point par des experts du comportement moteur en prenant en compte les lois de la physique et en particulier de la thermodynamique. Il peut ensuite être ajusté avec des données recueillies lors d'essais du moteur.
15 Le modèle thermodynamique t a comme paramètres des grandeurs physiques représentatives de l'environnement extérieur et du fonctionnement du moteur. Les indicateurs de santé sont définis par des experts du comportement moteur de manière à pouvoir détecter les différentes dégradations qui peuvent empêcher le bon 20 fonctionnement du moteur. Les indicateurs de santé sont choisis pour leur représentativité de l'évolution de l'état de santé du moteur. Chaque indicateur de santé est typiquement significatif de l'état de santé d'un ou plusieurs modules ou composants du moteur, ou du moteur dans son ensemble. On notera que les indicateurs de santé peuvent être spécifiques à des éléments physiques impliquant 25 un élément particulier du moteur ou à des éléments logiques indiquant une tâche spécifique d'un ou de tout un ensemble d'éléments du moteur. Plus particulièrement, un élément physique est un composant réel du moteur comme par exemple, le module de la soufflante, le compresseur haute pression, le compresseur basse pression. Un système ou élément logique se réfère à un ou un groupe de composants du moteur 30 réalisant une tâche spécifique comme le système de démarrage, le système de lubrification, etc. Les indicateurs de santé peuvent notamment être calculés suivant des critères d'expertise. Par exemple, les experts peuvent formuler les indicateurs de santé dans un 3035232 8 document listant les défaillances, les équipements concernés, les causes, les conséquences, mais aussi les indicateurs de santé permettant de révéler le phénomène avec pour chacun une description des effets observés. De plus, chaque défaillance peut être décrite par l'effet observé sur les indicateurs de 5 santé calculés à partir des mesures acquises. Les indicateurs de santé peuvent être identifiés par des pointeurs comme par exemple, par un repérage de points particuliers ou de fonctions particulières résumant des détails ou des formes de certaines courbes représentatives de grandeurs physiques. Les courbes représentatives des mesures acquises peuvent aussi être des dérivées d'ordre 1 à n de grandeurs physiques.
10 Par exemple, pour analyser la capacité de démarrage du moteur, les experts vont extraire différentes durées et valeurs spécifiques ou des calculs qui ont une signification claire sur la capacité de démarrage. Parmi ces indicateurs de santé, on peut définir un paramètre de délai indiquant le temps qu'il faut pour que l'arbre HP (haute pression) du moteur atteigne une vitesse de rotation (ou régime) donnée après l'ouverture du doseur de carburant. On peut 15 aussi considérer comme indicateur de santé le régime maximum de l'arbre HP ainsi que beaucoup d'autres indicateurs similaires. Pour l'analyse de performance, les experts vont par exemple, se focaliser sur les mesures de températures, de pressions, et du débit carburant. Ensuite, ils peuvent construire des paramètres indicateurs d'usures s'exprimant par exemple, en termes de consommation de 20 carburant. Les indicateurs de contexte sont représentatifs du contexte extérieur ayant une influence sur les indicateurs de santé préalablement déterminés. En effet, chaque mesure recueillie lors d'un vol est réalisée dans des conditions externes ou internes au moteur particulières.
25 Ces conditions qui peuvent avoir un impact sur la lecture des indicateurs de santé sont enregistrées. Les conditions externes peuvent comprendre les températures et pressions extérieures, l'attitude et la vitesse relative de l'avion, mais aussi le lieu de vol (au-dessus de la mer, du désert, etc.), les conditions météo (pluie, neige, gel, etc.), l'hygrométrie, et ainsi de suite. Les conditions internes peuvent également concerner l'utilisation spécifique du moteur 30 (régime de l'arbre basse pression représentant la consigne manette c'est-à-dire la consigne donnée par le pilote au moteur au moyen de la « manette des gaz », température des gaz d'échappement, type du carburant, etc.). Toutes ces mesures peuvent être considérées comme des indicateurs de contexte.
3035232 9 Les données de contexte intervenant sur les indicateurs de santé sont généralement identifiées suivant des critères d'expertise. Optionnellement, une analyse de dépendance automatique, notamment par étude des corrélations entre indicateurs, peut également être mise en oeuvre pour lister les indicateurs de contexte liés aux paramètres de santé.
5 Dans une étape E1, représentée sur la figure 2, le simulateur 21 simule au moins un indicateur de santé à partir du modèle thermodynamique t du moteur pour différentes valeurs des indicateurs de contexte. Le simulateur 21 prend comme valeurs des indicateurs de contexte des valeurs représentatives de la plage de fonctionnement normal d'un moteur. Le 10 simulateur 21 simule typiquement chaque indicateur de santé pour entre 10 et 1000 valeurs différentes d'indicateurs de contexte. Les inventeurs ont déterminé que des résultats satisfaisants étaient obtenus pour entre trente et cinquante valeurs différentes d'indicateurs de contexte. Les résultats de simulation sont stockés dans la base de données de simulation 22.
15 Au cours d'une étape E2', on calcule une moyenne de l'indicateur de santé, à partir des indicateurs de santé simulés (d'après le modèle thermodynamique t) pour différents indicateurs de contexte. La moyenne de l'indicateur de santé est la moyenne de l'ensemble des valeurs de 20 l'indicateur de santé calculées à partir des données simulées. Cette moyenne peut être calculée indépendamment des autres étapes. Le résultat est ensuite stocké dans la base de données de simulation. Dans une étape E2, le système de configuration 20 détermine, à partir des résultats de 25 simulation, un modèle mathématique s du moteur, qui est une description mathématique approximative des dépendances des indicateurs de santé vis-à-vis des indicateurs de contexte et des autres indicateurs de santé. Le modèle mathématique s a comme paramètres des indicateurs de contextes représentatifs de l'environnement extérieur et des indicateurs de systèmes représentatifs de l'état du moteur. Le modèle mathématique s du moteur permet de 30 relier par des équations simples les indicateurs de santés Yi, ..., Yp et les indicateurs de contexte XI., , . A cet effet, le système de configuration 20 effectue une régression multivariée avec comme variable expliquée l'indicateur de santé étudié Yi et comme variables explicatives les 3035232 10 indicateurs de contexte X1, . . . , 4 et les autres indicateurs de santé Y1, ..., , Yp et ce sur une série de points correspondants aux valeurs simulées par le simulateur 21. Les autres indicateurs de santé peuvent soit être mesurés directement, soit calculés. Le système de configuration 20 détermine la fonction de régression qui relie au mieux les 5 variables explicatives aux variables expliquées. Le système de configuration 20 effectue par exemple une régression linéaire multivariée, c'est à dire qu'elle recherche une fonction linéaire qui relie au mieux les variables explicatives aux variables expliquées. D'autres modèles ou fonctions de régression prenant en compte des phénomènes non 10 linéaires peuvent également être testés. Le système de configuration 20 peut notamment tester une régression polynomiale, qui consiste à lier les variables par un polynôme de degré n. Le système de configuration 20 peut également tester une régression linéaire généralisée qui consiste à lier les variables par une combinaison linéaire de transformations analytiques d'un sous-ensemble de variables explicatives. Ces transformations analytiques 15 sont typiquement une fonction exponentielle ou logarithmique. La méthode du maximum de vraisemblance, et en particulier la méthode des moindres carrés, peut par exemple être utilisée pour déterminer les paramètres du modèle de régression. Le modèle mathématique peut également être évalué en utilisant toute autre méthode 20 connue pour évaluer un modèle mathématique. On peut par exemple déterminer, parmi plusieurs modèles possibles, le modèle le plus représentatif du comportement du moteur en utilisant la méthode du maximum de vraisemblance. Le modèle mathématique utilisé est alors celui qui présente le plus grand 25 coefficient de détermination R2 qui correspond au rapport de la somme des carrés expliqués, traduisant la variabilité expliquée par le modèle, sur la somme des carrés totaux, traduisant la variabilité totale à savoir la variabilité expliquée par le modèle et la variabilité non-expliquée par le modèle : R2 _ E7=1(7-7)2 E7 -1(Y(-17/)2 30 Où f, est l'estimation de Y, par régression et Y, est la moyenne des valeurs de Y,.
3035232 11 Le modèle mathématique peut également être déterminé par apprentissage automatique comme par exemple les réseaux de neurones, les réseaux bayésien, et de manière générale n'importe quel algorithme d'apprentissage adapté.
5 Dans une étape E3, le système de configuration 20 implémente le modèle mathématique s déterminé pour le moteur sur le système embarqué 1 et configure celui-ci pour l'estimation des indicateurs de santé à l'aide du modèle mathématique s du moteur, et en fonction de mesures des indicateurs de contexte, et des autres indicateurs de santé.
10 Procédé mis en oeuvre dans le système de surveillance embarqué 1 Dans une étape E21, les capteurs 2, tels que représentés sur la figure 4, acquièrent des mesures brutes à partir desquelles il est possible d'extraire les indicateurs de santé et les indicateurs de contexte définis dans le modèle mathématique s du moteur. En effet, comme 15 développé plus haut, les capteurs 2 sont configurés pour recueillir en vol des mesures temporelles réalisées sur le moteur ainsi que des mesures contextuelles représentatives des conditions environnementales extérieures. L'unité de traitement 14, représentée sur la figure 3, est configurée pour, dans une étape 20 E22, extraire, à partir des mesures acquises par les capteurs, les indicateurs de contexte définis plus haut. L'unité de traitement 14 est configurée pour, dans une étape E23, extraire, à partir des mesures acquises par les capteurs, les indicateurs de santé définis plus haut.
25 L'unité de traitement 14 est configurée pour déterminer, à partir des données acquises, des indicateurs de santé normalisés. La normalisation des indicateurs de santé consiste à mettre les indicateurs de santé dans des conditions standard, c'est-à-dire supprimer l'influence du contexte dans les indicateurs de santé pour ne conserver que l'influence des 30 dégradations éventuelles, du moteur et de ses équipements. A cet effet, l'unité de traitement 14 calcule, dans une étape E24, une estimation de chaque indicateur de santé à partir du modèle mathématique s du moteur. Le modèle mathématique s du moteur implémenté sur l'unité de traitement 14 permet de déterminer 3035232 12 facilement une estimation de chaque indicateur de santé à partir des valeurs des indicateurs de contexte et des autres indicateurs de santé extraites des mesures acquises par les capteurs. Il n'est notamment pas nécessaire de faire une régression pour estimer la valeur des indicateurs de santé.
5 L'unité de traitement 14 calcule, au cours d'une étape E25, un indicateur de santé normalisé. Cet indicateur de santé normalisé est calculé en fonction de la différence E entre l'estimation de l'indicateur de santé Yi à partir du modèle mathématique s et la valeur réelle de l'indicateur de santé Yi telle que calculée à partir des mesures acquises.
10 L'indicateur de santé normalisé peut notamment être calculé en fonction d'une valeur moyenne de l'indicateur correspondant, et de la différence E. En particulier, la différence E peut être ajoutée à la valeur moyenne de l'indicateur calculée pendant le procédé de configuration. Autrement dit, la valeur normalisée d'un indicateur peut être calculée en ajoutant la valeur moyenne de l'indicateur calculée pendant le procédé de configuration à la 15 différence E correspondant à l'écart entre la valeur mesurée dudit indicateur et l'estimateur correspondant audit indicateur. Autrement dit, l'indicateur de santé normalisé est égal à la moyenne des valeurs de cet indicateur calculée pendant le procédé de configuration additionné au résidu E du modèle mathématique appliqué à cet indicateur.
20 Par exemple, /Sn = E iSn avec /Sn l'indicateur de santé normalisé, /Sn , la moyenne de l'indicateur de santé, et E = iSin étant une estimation de l'indicateur de santé par le modèle de régression et /Srée/ l'indicateur de santé observé (réel ou simulé par le modèle physique). L'indicateur de santé normalisé caractérise la différence entre ce qui est réellement 25 observé et ce qui devrait être observé en prenant en compte les indicateurs de contexte et les relations entre les indicateurs de santé entre eux. Les indicateurs normalisés ainsi calculés vont osciller autour de leurs valeurs moyennes respectives en fonction des erreurs à la prédiction par le modèle. Un indicateur normalisé qui s'éloigne anormalement de la valeur moyenne est significatif d'une défaillance. En effet, la 30 différence E est représentative de la pertinence du modèle mathématique du moteur pour représenter le fonctionnement réel du moteur.
3035232 13 Lorsque le moteur est en état de fonctionnement normal, la différence E est faible car le moteur est bien représenté par le modèle mathématique s modélisant un moteur en fonctionnement normal. En revanche, lorsque le moteur présente une anomalie de fonctionnement, la différence 5 E est importante car le moteur n'est pas bien représenté par le modèle mathématique s modélisant un moteur en fonctionnement normal. Au cours d'une étape E26, l'unité de traitement 14 transmet par l'intermédiaire des moyens de transmission 13, les indicateurs de santé normalisés à une unité de traitement au 10 sol 30. L'unité de traitement au sol 30 analyse les indicateurs de santé normalisés de manière à détecter une éventuelle anomalie. L'unité de traitement au sol 30 peut utiliser des tests utilisant ces paramètres normalisés pour détecter des anomalies et pour les localiser grâce par exemple à des outils d'analyse statistique ou à la connaissance des experts sur le fonctionnement du moteur d'avion.
15 L'unité de traitement au sol 30 compare par exemple ces indicateurs de santé normalisés avec des paramètres de référence. A cet effet, l'unité de traitement au sol 30 comporte une base de données d'indicateurs de santé normalisés de référence. L'unité de traitement au sol 30 peut par exemple rechercher la signature d'une défaillance dans les indicateurs de santé.
20 Par exemple, on considère qu'une anomalie est détectée lorsque le Z-score est supérieur à trois ou six sigma, sigma étant l'écart type appris. Le Z-score est un score centré réduit. Le résidu correspond au score. Le résidu est centré et réduit pour être exprimé en écart type.
25 Alternativement, la détection d'anomalie peut être faite en vol à condition d'avoir assez d'espace de stockage de données dans le boitier embarqué. Un exemple est donné par les figures 5A et 5B qui illustrent les représentations graphiques d'un indicateur représentant le gradient des températures des gaz 30 d'échappement mesurées sur un moteur d'aéronef en fonctionnement normal lors de vols successifs. Les traits pointillés c11 désignent les niveaux +1- 3 écart type autour de la valeur moyenne et les traits discontinus c12 désignent les niveaux +1- 6 écart type autour de la valeur moyenne.
3035232 14 Etant donné que le moteur fonctionne normalement, les disparités des valeurs observées sur la figure 5A par rapport à la valeur moyenne sont essentiellement dues aux différentes conditions d'acquisition. En revanche, la figure 5B illustre la représentation graphique après standardisation de 5 l'inducteur de la figure 5A, selon la présente invention. Ceci montre que les valeurs de l'indicateur normalisé peuvent être considérées comme des observations acquises dans des conditions strictement identiques pour chaque surveillance du moteur lors de chaque vol de l'aéronef. En effet, la normalisation des indicateurs selon la présente invention supprime les dépendances vis-à-vis du contexte extérieur et prend en compte des relations 10 d'interdépendances stochastiques entre les indicateurs eux-mêmes. La figure 5B montre qu'en fonctionnement normal du moteur, la probabilité d'observer un signal écarté de la valeur moyenne d'une valeur supérieure à 3a est inférieure à 3.10-3 et celle supérieure à 6Q est inférieure à 2.10-9. Ceci montre clairement que la surveillance d'un élément du moteur d'aéronef peut fonctionner identiquement quelles que soient les conditions extérieures 15 d'acquisition. Ainsi, l'application à un outil de détection d'anomalie s'en trouve non seulement simplifiée mais bien plus facile à interpréter par les experts.
Claims (14)
- REVENDICATIONS1. Procédé de configuration d'un système embarqué (1) de surveillance de l'état de santé d'un moteur d'aéronef, le procédé de configuration comportant des étapes de : - (El) simulation d'indicateurs de santé caractérisant le comportement du moteur, à partir d'un modèle thermodynamique (t) du moteur, pour différentes valeurs d'indicateurs de contexte caractérisant les conditions de vol ; - (E2) détermination d'un modèle mathématique (s) du moteur, à partir des valeurs simulées ; - (E3) configuration du système embarqué (1) pour lui permettre d'estimer en vol au moins un indicateur de santé à l'aide du modèle mathématique du moteur et en fonction d'une part de mesures relatives à des indicateurs de contexte et d'autre part de mesures relatives aux autres indicateurs de santé.
- 2. Procédé de configuration selon la revendication précédente, dans lequel l'étape (E2) de détermination d'un modèle mathématique (s) du moteur comporte des étapes de : - test de plusieurs modèles mathématiques ; et de - sélection du modèle mathématique présentant le plus grand coefficient de détermination R2.
- 3. Procédé de configuration selon la revendication 2, dans lequel la méthode du maximum de vraisemblance est utilisée pour sélectionner le modèle mathématique le plus représentatif du comportement du moteur parmi plusieurs modèles mathématiques testés.
- 4. Procédé de configuration selon l'une des revendications précédentes, dans lequel le modèle mathématique (s) du moteur est déterminé par régression de chaque indicateur de santé sur les indicateurs de contexte et les autres indicateurs de santé.
- 5. Procédé de configuration selon la revendication précédente, dans lequel la régression est une régression linéaire. 3035232 16
- 6. Procédé de configuration selon la revendication 4, dans lequel la régression est une régression polynomiale.
- 7. Procédé de configuration selon la revendication 4, dans lequel la régression est une 5 régression linéaire généralisée.
- 8. Procédé de configuration selon l'une des revendications 4 à 7, dans lequel la méthode du maximum de vraisemblance est utilisée pour déterminer les paramètres du modèle de régression. 10
- 9. Procédé de configuration selon la revendication 1, dans lequel le modèle mathématique (s) du moteur est déterminé par un réseau de neurones.
- 10. Système embarqué (1) de surveillance de l'état de santé d'un moteur d'aéronef 15 configuré selon l'une des revendications précédentes, et comportant des capteurs (2) adaptés pour acquérir en vol des données représentatives du fonctionnement du moteur et du contexte de fonctionnement de celui-ci ; et une unité de traitement (14) configurée pour : - extraire des indicateurs de santé à partir des données acquises ; 20 - extraire des indicateurs de contexte à partir des données acquises ; - calculer une estimation d'au moins un indicateur de santé à l'aide du modèle mathématique (s) du moteur, et en fonction des indicateurs de contexte, et des autres indicateurs de santé ; - calculer un indicateur de santé normalisé, en fonction de la différence entre, d'une 25 part, la valeur estimée pour l'indicateur de santé à partir du modèle mathématique (s) du moteur, et d'autre part, la valeur de l'indicateur de santé extraite à partir des données acquises.
- 11. Système embarqué (1) de surveillance de l'état de santé d'un moteur d'aéronef, selon 30 la revendication précédente, dans lequel l'unité de traitement (14) est configurée pour calculer l'indicateur de santé normalisé comme la différence entre, d'une part, la valeur estimée pour ledit indicateur de santé à partir du modèle mathématique (s) du moteur, et d'autre part, la valeur dudit indicateur de santé extraite des données 3035232 17 acquises, à laquelle est ajoutée la somme de la moyenne de l'ensemble des valeurs dudit indicateur de santé extraites des données acquises.
- 12. Procédé de surveillance de l'état de santé d'un moteur d'aéronef, mis en oeuvre par 5 un système embarqué (1) configure par un procédé selon l'une des revendications 1 à 9, comportant des étapes de : - (E21) acquisition en vol des données représentatives du fonctionnement du moteur et du contexte de fonctionnement de celui-ci ; - (E22) extraction d'indicateurs de santé à partir des données acquises ; 10 - (E23) extraction d'indicateurs de contexte à partir des données acquises ; - (E24) calcul d'une estimation d'au moins un indicateur de santé à l'aide du modèle mathématique (s) du moteur, et en fonction des indicateurs de contexte, et des autres indicateurs de santé ; - (E25) calcul d'un indicateur de santé normalisé, en fonction de la différence entre, 15 d'une part, la valeur estimée pour l'indicateur de santé à partir du modèle mathématique (s) du moteur, et d'autre part, la valeur de l'indicateur de santé extraite des données acquises.
- 13. Procédé de surveillance selon la revendication précédente, dans lequel l'indicateur de 20 santé normalisé est défini comme la différence entre, d'une part, la valeur estimée pour ledit indicateur de santé à partir du modèle mathématique (s) du moteur, et d'autre part, la valeur dudit indicateur de santé extraite des données acquises, à laquelle est ajoutée la somme de la moyenne de l'ensemble des valeurs dudit indicateur de santé extraites des données acquises. 25
- 14. Procédé de surveillance selon l'une des revendications 12 ou 13, comportant en outre une étape (E26) de transmission de l'indicateur de santé normalisé à une unité de traitement au sol. 30
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1553520A FR3035232B1 (fr) | 2015-04-20 | 2015-04-20 | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1553520A FR3035232B1 (fr) | 2015-04-20 | 2015-04-20 | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3035232A1 true FR3035232A1 (fr) | 2016-10-21 |
FR3035232B1 FR3035232B1 (fr) | 2017-03-31 |
Family
ID=54291368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1553520A Active FR3035232B1 (fr) | 2015-04-20 | 2015-04-20 | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3035232B1 (fr) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020217004A1 (fr) * | 2019-04-23 | 2020-10-29 | Safran | Système et procédé de surveillance d'un moteur d'aéronef |
CN113625596A (zh) * | 2021-08-03 | 2021-11-09 | 中国航发湖南动力机械研究所 | 一种用于航空发动机健康管理系统的半物理仿真系统 |
FR3112122A1 (fr) * | 2020-07-06 | 2022-01-07 | Safran | Procédé d’évaluation de l’état relatif d’un moteur d’aéronef |
CN114037012A (zh) * | 2021-11-09 | 2022-02-11 | 四川大学 | 基于相关性分析与深度学习的飞行数据异常检测方法 |
CN115577542A (zh) * | 2022-10-17 | 2023-01-06 | 中国航发沈阳发动机研究所 | 一种航空发动机复杂结构和可靠性分层融合设计方法 |
WO2023187287A1 (fr) | 2022-03-28 | 2023-10-05 | Safran | Procédé de surveillance de l'état de santé de turbomachine d'aéronef |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2376988B1 (fr) * | 2008-12-15 | 2013-07-10 | Snecma | Standardisation de données utilisées pour la surveillance d'un moteur d'aéronef. |
-
2015
- 2015-04-20 FR FR1553520A patent/FR3035232B1/fr active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2376988B1 (fr) * | 2008-12-15 | 2013-07-10 | Snecma | Standardisation de données utilisées pour la surveillance d'un moteur d'aéronef. |
Non-Patent Citations (1)
Title |
---|
YIN SHEN ET AL: "A Review on Basic Data-Driven Approaches for Industrial Process Monitoring", IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, IEEE SERVICE CENTER, PISCATAWAY, NJ, USA, vol. 61, no. 11, 1 November 2014 (2014-11-01), pages 6418 - 6428, XP011550285, ISSN: 0278-0046, [retrieved on 20140606], DOI: 10.1109/TIE.2014.2301773 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020217004A1 (fr) * | 2019-04-23 | 2020-10-29 | Safran | Système et procédé de surveillance d'un moteur d'aéronef |
FR3095424A1 (fr) * | 2019-04-23 | 2020-10-30 | Safran | Système et procédé de surveillance d’un moteur d’aéronef |
CN113748066A (zh) * | 2019-04-23 | 2021-12-03 | 赛峰集团 | 用于监控飞行器发动机的系统和方法 |
FR3112122A1 (fr) * | 2020-07-06 | 2022-01-07 | Safran | Procédé d’évaluation de l’état relatif d’un moteur d’aéronef |
WO2022008814A1 (fr) * | 2020-07-06 | 2022-01-13 | Safran | Procédé d'évaluation de l'état relatif d'un moteur d'aéronef |
CN113625596A (zh) * | 2021-08-03 | 2021-11-09 | 中国航发湖南动力机械研究所 | 一种用于航空发动机健康管理系统的半物理仿真系统 |
CN114037012A (zh) * | 2021-11-09 | 2022-02-11 | 四川大学 | 基于相关性分析与深度学习的飞行数据异常检测方法 |
CN114037012B (zh) * | 2021-11-09 | 2023-04-07 | 四川大学 | 基于相关性分析与深度学习的飞行数据异常检测方法 |
WO2023187287A1 (fr) | 2022-03-28 | 2023-10-05 | Safran | Procédé de surveillance de l'état de santé de turbomachine d'aéronef |
CN115577542A (zh) * | 2022-10-17 | 2023-01-06 | 中国航发沈阳发动机研究所 | 一种航空发动机复杂结构和可靠性分层融合设计方法 |
CN115577542B (zh) * | 2022-10-17 | 2023-11-10 | 中国航发沈阳发动机研究所 | 一种模型数据驱动的航空复杂结构和可靠性融合设计方法 |
Also Published As
Publication number | Publication date |
---|---|
FR3035232B1 (fr) | 2017-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2746537C (fr) | Standardisation de donnees utilisees pour la surveillance d'un moteur d'aeronef | |
EP2368161B1 (fr) | Detection d'anomalie dans un moteur d'aeronef | |
EP3039497B1 (fr) | Surveillance d'un moteur d'aéronef pour anticiper les opérations de maintenance | |
CA2826608C (fr) | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance | |
CA2966306C (fr) | Outil de validation d'un systeme de surveillance d'un moteur d'aeronef | |
CA2943397C (fr) | Procede d'estimation du caractere normal ou non d'une valeur mesuree d'un parametre physique d'un moteur d'aeronef | |
FR3035232A1 (fr) | Systeme de surveillance de l'etat de sante d'un moteur et procede de configuration associe | |
EP2912526B1 (fr) | Système de surveillance d'un ensemble de composants d'un équipement | |
CA2914819C (fr) | Procedes de creation d'une base de donnees et d'elaboration d'une carte d'etats de fonctionnement d'aeronefs, et un procede de surveillance du fonctionnement d'un aeronef associe | |
EP2376989A1 (fr) | Identification de defaillances dans un moteur d'aeronef | |
WO2016075409A1 (fr) | Procédé de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné | |
CA2878151C (fr) | Methode de detection d'une degradation d'une turbomachine par surveillance des performances de ladite turbomachine | |
EP3941826A1 (fr) | Système et procédé de surveillance d'un moteur d'aéronef | |
WO2017077247A1 (fr) | Système et procédé de surveillance d'une turbomachine avec fusion d'indicateurs pour la synthèse d'une confirmation d'alarme | |
FR2957170A1 (fr) | Outil de conception d'un systeme de surveillance d'un moteur d'aeronef | |
WO2021069824A1 (fr) | Dispositif, procédé et programme d'ordinateur de suivi de moteur d'aéronef |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20161021 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
CD | Change of name or company name |
Owner name: SAFRAN AIRCRAFT ENGINES, FR Effective date: 20170719 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 6 |
|
PLFP | Fee payment |
Year of fee payment: 7 |
|
PLFP | Fee payment |
Year of fee payment: 8 |
|
PLFP | Fee payment |
Year of fee payment: 9 |
|
PLFP | Fee payment |
Year of fee payment: 10 |