Прогноз операций технического обслуживания двигателя летательного аппарата



Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата
Прогноз операций технического обслуживания двигателя летательного аппарата

 


Владельцы патента RU 2611239:

СНЕКМА (FR)

Группа изобретений относится к способу и системе прогнозирования операций технического обслуживания типовых двигателей летательных аппаратов. Технический результат – повышение точности прогнозирования операций технического обслуживания. Для того предложена система, содержащая: средства инициализации входных данных; средства обработки для сравнения совокупности (М1, Mn) моделей отказов, адаптированных к упомянутому типовому двигателю для выбора соответствующей модели (Mi) отказа с возрастом (T0) отказа, определяющим возраст упомянутого двигателя в момент отказа; средства обработки для связи с упомянутой соответствующей моделью отказа правил (R) принятия решения об уровне объема работ на упомянутом типовом двигателе в зависимости от совокупности (P1, Р2, Pi) параметров, относящихся к упомянутому типовому двигателю; и средства обработки для определения необходимого уровня объема работ (Wf) технического обслуживания упомянутого типового двигателя в зависимости от упомянутых правил принятия решений. 3 н. и 6 з.п. ф-лы, 4 ил.

 

ОБЛАСТЬ ТЕХНИКИ

Настоящее изобретение относится к области обслуживания двигателя летательного аппарата. В частности, изобретение касается способа и системы прогнозирования или предвосхищения операций технического обслуживания двигателя летательного аппарата.

В общем случае, работа выполняется непосредственно на двигателе в зависимости от причины отказа, несмотря на другие параметры. К примеру, если обнаружена утечка масла, будет предпринято воздействие на масляный контур, и так далее.

Однако техническое обслуживание двигателя летательного аппарата может привести к необходимости длинного периода простоя и значительным затратам на детали и трудовые ресурсы.

Для того, чтобы оптимизировать и спланировать операции обслуживания, используется опыт эксплуатации о причинах отказов, накопленный работниками ремонтных мастерских, для построения статистических кривых отказов в соответствии с законом Вейбулла. Инструмент, используемый в настоящее время, заключается в систематическом назначении среднего уровня объема работ на основе статистических кривых отказов Вейбулла.

Однако тот факт, что всем причинам отказов присваивается одинаковый средний уровень объема работ, не позволяет учесть особенности или историю двигателя.

Это приводит к отсутствию точности прогнозирования при прогнозировании операций технического обслуживания и может вызывать неполное техническое обслуживание двигателя, который затем снова выходит из строя вскоре после выхода из мастерской.

Цель настоящего изобретения состоит в высокоточном прогнозировании операций технического обслуживания двигателя летательного аппарата без какого-либо из указанных выше недостатков.

ЦЕЛЬ И СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Настоящее изобретение касается способа прогнозирования операций технического обслуживания типового двигателя летательного аппарата, содержащего следующие этапы, на которых:

- сравнивают совокупность моделей отказов, адаптированных к упомянутому типовому двигателю, для выбора соответствующей модели отказа с возрастом отказа, определяющим возраст упомянутого двигателя в момент отказа;

- связывают с упомянутой соответствующей моделью (Mi) отказа правила принятия решений об уровне объема работ по упомянутому типовому двигателю в зависимости от совокупности параметров, относящихся к упомянутому типовому двигателю;

- определяют в зависимости от упомянутых правил принятия решения необходимый уровень объема работ технического обслуживания на упомянутом типовом двигателе.

Таким образом, способ учитывает причины отказа и все проявления их последствий, позволяя отличить один двигатель от другого и гораздо более точно определить уровень объема технических работ, характерный для каждого двигателя. Это позволяет прогнозировать и планировать техническое обслуживание с большой точностью.

Преимущественно упомянутая совокупность параметров включает в себя следующие параметры: возраст отказа, продолжительность функционирования упомянутого типового двигателя с момента последнего нахождения в мастерской, ранг нахождения в мастерской, потенциальный оставшийся срок службы для каждой из множества деталей с ограниченным сроком службы (LLP) упомянутого типового двигателя и ограничения по восстановлению упомянутого двигателя.

В соответствии с одним из вариантов реализации настоящего изобретения упомянутые правила принятия решений включают в себя первый модуль правил, определяющий множество уровней объема работ по отношению к продолжительности функционирования упомянутого двигателя, в котором соответствующий уровень выбирают среди упомянутого множества уровней объема работ в зависимости от упомянутого возраста отказа, связанного с упомянутой соответствующей моделью отказа.

Упомянутый первый модуль правил выбирают из совокупности первых модулей правил, определенных ранее в течение фазы инициализации, при этом каждый из упомянутых первых модулей правил связан с определенной моделью отказа и с определенным рангом нахождения в мастерской.

Преимущественно упомянутые правила принятия решения содержат второй модуль правил, определяющий взаимосвязи между уровнями объема работ упомянутого первого модуля правил и операциями технического обслуживания и упомянутый требуемый уровень объема работ технического обслуживания, определяют в зависимости от упомянутого соответствующего уровня объема работ, ограничений по восстановлению упомянутого двигателя и потенциального оставшегося срока службы для каждой из множества деталей с ограниченным сроком службы (LLP) упомянутого типового двигателя.

Преимущественно упомянутую совокупность параметров повторно адаптируют после завершения операции технического обслуживания на упомянутом типовом двигателе.

Такие модели отказов получают из анализа опыта эксплуатации парка двигателей, содержащего следующие данные: количество двигателей, условия эксплуатации каждого двигателя, модель каждого двигателя, рабочее состояние каждого двигателя, место обслуживания каждого двигателя, время между поступлением и выходом каждого двигателя из мастерской.

Изобретение также касается компьютерной программы, содержащей кодовые команды для осуществления способа прогнозирования в соответствии с вышеупомянутыми особенностями, когда она исполняется средствами обработки.

Изобретение также касается системы прогнозирования операций технического обслуживания типового двигателя летательного аппарата, содержащей:

- средства обработки для сравнения совокупности моделей отказов, адаптированных к упомянутому типовому двигателю, для выбора соответствующей модели отказа с возрастом отказа, определяющим возраст упомянутого двигателя в момент отказа;

- средства обработки для связи с упомянутой соответствующей моделью отказа правил принятия решения об уровне объема работ по упомянутому типовому двигателю в зависимости от совокупности параметров, относящихся к упомянутому типовому двигателю;

- средства обработки для определения необходимого уровня объема работ технического обслуживания на упомянутом типовом двигателе в зависимости от упомянутых правил принятия решения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Другие особенности и преимущества устройства и способа согласно изобретению станут более очевидными из прочтения нижеследующего описания, приведенного для ознакомления, но не для ограничения, со ссылкой на прилагаемые чертежи, на которых:

- Фиг. 1 схематически иллюстрирует материальные средства, используемые в системе или способе, которые могут быть применены для прогнозирования операций технического обслуживания на двигателе летательного аппарата в соответствии с изобретением;

- Фиг. 2 иллюстрирует способ прогнозирования операций технического обслуживания на двигателе летательного аппарата в соответствии с изобретением;

- Фиг. 3 иллюстрирует конкретный вариант реализации способа прогнозирования операций технического обслуживания, показанного на Фиг. 2; и

- Фиг. 4 иллюстрирует пример первого модуля правил, определяющего множество уровней объема работ в соответствии с изобретением.

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ РЕАЛИЗАЦИИ

Принцип изобретения состоит в наилучшем использовании истории неисправностей парка двигателей для прогнозирования будущих операций технического обслуживания с большой точностью. Таким образом, с учетом параметров, наиболее влияющих на причины отказов, можно очень точно и без проверок вывести уровень объема работ на двигателе.

На фиг.1 показан пример материальных средств, используемых в системе или способе прогнозирования операций технического обслуживания двигателя летательного аппарата в соответствии с изобретением.

При нахождении двигателей 1 в мастерской 3 ремонтники накапливают опыт о причинах отказов и уровнях объема работ. Этот накопленный опыт используется системой 5 прогнозирования для построения моделей отказов, позволяющих прогнозировать подлежащие выполнению операции технического обслуживания на двигателях летательного аппарата.

В частности, система 5 прогнозирования включает в себя компьютерную систему 7, обычно включающую в себя средства 9 ввода, средства 11 обработки, средства 13 хранения и средства 15 вывода. Обратим внимание, что средства 13 хранения могут содержать компьютерную программу, включающую в себя кодовые команды, адаптированные для осуществления способа прогнозирования в соответствии с изобретением. Эта компьютерная программа может быть выполнена посредством средств 11 обработки в сочетании со средствами 13 хранения и средствами ввода 9 и вывода 15.

Различные данные, полученные из накопленного опыта различных мастерских 3, хранятся в средствах 13 хранения, чтобы сформировать базу данных 17 всего парка двигателей. Другие данные о двигателях также записаны в базе данных 17 для обогащения информации, касающейся двигателей.

База данных 17 включает в себя таким образом множество измерений и данные, собранные в течение долгого времени, о двигателе 1. Эти данные включают в себя различные причины отказов и уровень объема работ на каждом двигателе, количество обработанных или подлежащих обработке двигателей, условия эксплуатации каждого двигателя, модель и идентификатор каждого двигателя, рабочее состояние каждого двигателя, место обслуживания каждого двигателя, время между поступлением и выходом каждого двигателя из мастерской и т.д.

Способ в соответствии с изобретением позволяет моделировать поведение всего парка двигателей, производя прогнозирование количества демонтажа двигателей и уровня объема работ на различных двигателях в зависимости от различных входных данных касательно парка, записанных в базе данных 17. Этот способ также управляет техническими предпосылками двигателей с учетом их старения в определении планов демонтажа, уровней объема работ и дат нахождения в мастерской 3 различных двигателей 1.

Более конкретно, средства 11 обработки выполнены с возможностью использования данных, хранящихся в базе данных 17 для определения статистических моделей отказов, моделирующих причины отказа в зависимости от времени. Более конкретно, средства 11 обработки связывают совокупность моделей отказов, адаптированных к каждой модели двигателя и его использования. Каждая модель отказа может быть выражена в виде кривой совокупной вероятности отказов в зависимости от времени (см., например, фиг. 2 и 3).

Преимущественно модели отказов могут быть основаны на законе Вейбулла, который очень подходит для моделирования срока службы или отказа компонента двигателя 1. Плотность вероятности f(t, β, η, γ) распределения Вейбулла может быть выражена следующим образом:

.

Этот закон является чрезвычайно гибким благодаря учету трех параметров: параметр формы β, параметр масштаба η и параметр локализации γ.

Функция распределения или вероятности отказа для закона Вейбулла определяется по формуле:

.

Благодаря гибкости этого закона большинство записей отказов может быть удовлетворительно описано распределением Вейбулла. Это объясняется, в частности, тем, что оно способно воспроизводить поведение других законов вероятностей. Например, если β=1, закон Вейбулла эквивалентен экспоненциальному распределению, если β=2, он эквивалентен распределению Рэлея, если 3<β<4, то он эквивалентен нормальному распределению, если β→∞, он эквивалентен распределению типа Дирака. В некоторых других случаях он также воспроизводит биномиальный закон и закон Пуассона.

Очевидно, что для компонента двигателя 1 с несколькими вариантами отказов в течение времени закон Вейбулла может быть определен через различные параметры в зависимости от возраста компонента. Например, в самом начале частота отказов элементов может быть убывающей (β<1), то что называется «младенческой смертностью». Другими словами, уязвимые компоненты выходят из строя в самом начале очень быстро, вызывая снижение частоты отказов после замены дефектных компонентов. Далее частота отказов остается неизменной (β=1) в течение всего срока жизни компонента. Наконец, частота отказов начинает возрастать (β>1) в процессе естественного износа. Три вида отказов затем образуют непрерывную кривую в форме ванны.

Следует отметить, что другие статистические законы могут быть использованы для компонентов, которые имеют некоторые нелинейные явления, такие как образование трещин. Для такого рода явлений можно использовать более соответствующие логарифмически нормальные распределения.

Фиг. 2 демонстрирует способ прогнозирования операций технического обслуживания двигателя летательного аппарата в соответствии с изобретением.

Этап E10 относится к инициализации данных, параметров и входных переменных. Эти входные данные включают в себя модель двигателя, его условия эксплуатации, его рабочее состояние, модели отказов, адаптированные для этого двигателя, и т.д.

Входные данные также содержат параметры P1, P2,..., Pi, наиболее влияющие в связи между вероятной причиной отказа и уровнем объема работ, а также совокупность правил R принятия решений об уровне объема работ на двигателе 1.

Совокупность P1, P2,..., Pi влияющих параметров включает в себя параметры о возрасте двигателя и ограничения по восстановлению двигателя.

Кроме того, правила R принятия решений могут быть логическими правилами, построенными в зависимости от различных моделей отказа и совокупности параметров.

На этапе E20 средства 11 обработки располагают из средств 13 хранения совокупностью M1, M2, M3,..., Mn моделей отказов, адаптированных к наблюдаемому двигателю 1. Каждая из моделей отказов представлена законом накопленной вероятности отказа от 0 до 100% в зависимости от времени, выраженного, например, в часах или в количестве циклов работы двигателя под крылом. Следует отметить, что цикл соответствует всем фазам полета (взлет, полет и посадка). Эти модели M1, M2, M3,..., Mn отказов могут быть отображены на экране, входящем в средства 15 вывода.

На этапе E30 средства 11 обработки выполнены с возможностью сравнения совокупности моделей M1, M2, M3,..., Mn отказов, чтобы выбрать соответствующую модель Mi отказа с возрастом T0 отказа, определяющим возраст, который двигатель 1 будет иметь в момент отказа.

Преимущественно выбор подходящей модели осуществляется моделированием по методу Монте-Карло на совокупности моделей M1, M2, M3,..., Mn отказов. Моделирование по методу Монте-Карло позволяет определить детерминированные выходные данные из стохастических входных данных, соответствующих распределениям вероятности моделей M1, M2, M3,..., Mn отказов типа закона Вейбулла. Действительно, благодаря закону больших чисел моделирование по методу Монте-Карло позволяет связать детерминированное количество появлений события с вероятностью возникновения этого события.

В этом случае распределение вероятностей Н(t) правильного функционирования компонента двигателя 1 может быть выражено как функция вероятности отказа (или функция распределения) F(t) через некоторое время t следующим выражением:

где Р - случайное число между 0 и 1, полученное моделированием по методу Монте-Карло, соответствующее вероятности отказа после времени t.

Таким образом, время t, которое соответствует возрасту двигателя в момент отказа, определяется по следующей формуле:

Средства 11 обработки выполняют это вычисление для каждой из совокупности моделей M1, M2, M3,..., Mn отказа, создавая тем самым совокупность возрастов отказа .

Средства 11 обработки выполнены с возможностью выбора соответствующего возраста отказа среди этой совокупности возрастов отказов, а также модели отказа, соответствующей этому возрасту. Например, соответствующий возраст отказа может соответствовать минимальному возрасту . Следует отметить, что этот соответствующий возраст отказа T0 позволяет указать дату нахождения в мастерской.

На этапе E40 средства 11 обработки выполнены с возможностью связывать с соответствующей моделью Mi отказа правила R принятия решений уровня объема работ на двигателе 1 в зависимости от совокупности параметров P1, P2,..., Pi, относящихся к этому двигателю 1.

Преимущественно совокупность влияющих параметров включает в себя ограничения по восстановлению двигателя и параметры, касающиеся возраста двигателя, в том числе возраст двигателя в момент отказа, техническую предпосылку (или продолжительность функционирования) двигателя в часах или рабочих циклах с его последнего нахождения в мастерской, ранг или индекс SV (Shop Visit), соответствующий количеству посещений двигателем мастерской 3, и потенциальный оставшийся срок службы для каждой из множества деталей с ограниченным сроком службы (LLP) двигателя 1.

На этапе E50 средства 11 обработки выполнены с возможностью определять в зависимости от правил R принятия решений необходимый уровень объема работ Wf технического обслуживания двигателя 1.

Таким образом, средства 11 обработки делают связь между наиболее вероятной причиной отказа (другими словами, соответствующей моделью отказа) и влияющими параметрами, которые могут включать в себя предпосылки двигателя, ограничения по восстановлению и ранг нахождения в мастерской, таким образом, чтобы запланировать наиболее реалистичный уровень объема работ во время нахождения в мастерской, указанный соответствующим возрастом T0 отказа, определенным на этапе E30.

Фиг. 3 показывает частный вариант осуществления способа прогнозирования операций технического обслуживания, показанного на фиг. 2.

Этап E11 относится к инициализации данных, параметров P1,..., Pi и входных переменных, как на этапе E10 на предыдущей фигуре. В частности, согласно этому примеру совокупность R правил принятия решения об уровне объема работ на двигателе 1 содержит совокупность первых модулей R1 правил и другую совокупность вторых модулей R2 правил.

Совокупность первых модулей R1 правил определена таким образом, что каждый из этих первых модулей связан с определенной моделью отказа и определенным рангом SV нахождения в мастерской 3.

Фиг. 4 иллюстрирует пример первого модуля правил, определяющего множество ступеней L1, L2, L3 или уровней объема работ относительно продолжительности функционирования двигателя. Другими словами, первый модуль R1 правил содержит для различных объемов работ «критическое время под крылом» выбора уровня объема работ. Различные объемы работ могут касаться компрессора низкого давления НД, компрессора высокого давления ВД, камеры сгорания, турбины высокого давления ТВД, турбины низкого давления ТНД и т.д. Например, восстановление допустимого предела температуры выходных газов ТВГ может быть реализовано воздействием на газогенератор двигателя (другими словами, узел, состоящий из компрессора высокого давления ВД, камеры сгорания и турбины высокого давления ТВД).

В примере на фиг. 4 показаны три ступени, указывающие на характер объема работ (workscope) в связи с данной причиной Х отказа в зависимости от времени t работы двигателя 1 под крылом. Этот график показывает первую ступень L1, называемую малым SV (Shop Visit) между 0 и 2000 циклов, вторую ступень L2, называемую средним SV между 2000 и 5000 циклов, и третью ступень L3, называемую крупным SV для времени под крылом более чем 5000 циклов. Ступень малого SV соответствует нахождению в мастерской для небольшого уровня объема работ, ступень среднего SV соответствует объему работ на уровне газогенератора двигателя, и ступень крупного SV соответствует объему работ на уровне газогенератора и турбины низкого давления ТНД двигателя.

Например, первые модули R1 правил могут соответствовать табличным данным в виде значений, разделенных запятыми, с помощью файлов в формате CSV (значения, разделенные запятыми), называемых "картами". Таким образом, карта может быть структурирована следующим образом для ранга 1 нахождения в мастерской на фиг. 4:

- дата карты; ступени; причина X, ступень 1; ранг 1; модель двигателя; мощность двигателя (другими словами подвид двигателя в зависимости от тяги, выдаваемой двигателем), 0, 2000; малый SV.

- Дата карты; ступени; причина X, ступень 2; ранг 1; модель двигателя; мощность двигателя, 2000, 5000; средний SV.

- Дата карты; ступени; причина X, ступень 3; ранг 1; модель двигателя; мощность двигателя; 5000; 50000; крупный SV.

Нижний и верхний пределы каждой ступени L1, L2, L3 определяются для каждого типа двигателя относительно условий эксплуатации. Преимущественно эти пределы изменяются или корректируются в зависимости от опыта эксплуатации по объему работ, сделанных в мастерской 3.

Кроме того, совокупность вторых модулей R2 правил определяют для каждой из ступеней L1, L2, L3 первых модулей R1 окончательный уровень объема работ в зависимости от ограничений по восстановлению двигателя 1. Другими словами, для каждого первого модуля R1 правил есть второй модуль R2 правил, определяющий отношения между уровнями объема работ первого модуля правил и заключительными операциями технического обслуживания. Вторые модули R2 правил также могут быть созданы с помощью файлов или карт в формате CSV.

Этапы Е20 и Е30 на фиг. 3 аналогичны этапам, описанным со ссылкой на фиг. 2.

Таким образом, на этапе Е20 средства 11 обработки располагают совокупностью моделей M1, М2, М3, …, Mn отказов, адаптированных к двигателю 1.

Например, располагают первой моделью M1 отказа, относящейся к причине отказа, связанной с температурой выхлопного газа ТВГ, вторая модель М2 отказа относится к причине отказа газогенератора, третья модель М3 отказа относится к причине отказа на ТНД, и n-ая модель Mn отказа относится к отказам вентилятора.

Затем на этапе Е30 средства 11 обработки сравнивают совокупность моделей M1, М2, М3, …, Mn отказов, адаптированных к двигателю 1, чтобы выбрать соответствующую модель Mi отказа с возрастом Т0, который двигатель 1 будет иметь в момент отказа.

Ссылаясь на предыдущий пример, предположим, что соответствующая модель Mi является первой M1 моделью отказа для ТВГ при 18 килоциклах, которая была выбрана после сравнения моделей M1, M2, M3,..., Mn отказов и начальный потенциал LLP составляет 20 килоциклов на второй модели M2 отказа для газогенератора, 25 килоциклов на третьей модели М3 отказа для ТНД, и 30 килоциклов на n-ой модели Mn отказов для вентилятора.

На этапах E41 и E42 средства 11 обработки выполнены с возможностью связывать с соответствующей моделью Mi отказа правила принятия решений, включающие в себя первый и второй модули правил, в зависимости от совокупности параметров Р1,...,Pi, относящихся к двигателю.

Более конкретно, на этапе E41 средства 11 обработки связывают с соответствующей моделью Mi отказа первый модуль R1 правил, определяющий множество уровней объема работ L1, L2, L3 относительно продолжительности функционирования двигателя 1.

Затем средства 11 обработки выбирают соответствующий уровень среди множества уровней объема работ L1, L2, L3 в зависимости от возраста отказа T0, связанного с соответствующей моделью Mi отказа, выбранной на этапе Е30. Этот первый модуль R1 правил позволяет обеспечить минимальный уровень объема работ по операциям технического обслуживания.

В случае предыдущего примера соответствующая модель M1 отказа относительно отказа ТВГ при 18 килоциклах находится на второй ступени L2 первого модуля R1 правил, связанного со средним SV для минимальной работы над газогенератором.

На этапе E42 средства 11 обработки выбирают второй модуль R2 правил, определяющий соотношение между уровнями объема работ L1, L2, L3 первого модуля R1 правил, связанных с соответствующей моделью Mi отказа, и соответствующими операциями технического обслуживания.

Второй модуль R2 правил позволяет средствам 11 обработки определить необходимый уровень объема работ технического обслуживания в зависимости от соответствующего уровня L2, выбранного на этапе E41, ограничений по восстановлению двигателя и потенциального оставшегося срока службы для каждой детали с ограниченным сроком службы (LLP) двигателя 1.

Например, карта для второго модуля R2 правил для причины X и ранга 1 нахождения в мастерской может быть структурирована следующим образом:

номер причины X; причина X, ступень 1; необходимость LLP (да/нет); необходимость LLP вентилятора (да/нет); необходимость LLP газогенератора (да/нет); необходимость LLP ТНД (да/нет); код окончательного уровня объема работ; комбинаторный уровень объема работ (да/нет); окончательный уровень объема работ.

В примере, описанном выше, допустим, что ограничения по восстановлению двигателя 1 составляют 8 килоциклов на LLP при нахождении в мастерской. Другими словами, двигатель 1 должен быть восстановлен так, чтобы он находился в хорошем состоянии по крайней мере 8000 циклов после выхода из мастерской. Предположим, что потенциальные оставшиеся LLP составляют 2000 циклов на газогенераторе, 7000 циклов на ТНД и 12000 циклов на вентиляторе. Таким образом, LLP газогенератора и LLP ТНД должны быть изменены таким образом, чтобы все LLP имели потенциал более 8000 циклов. Таким образом, необходимы LLP газогенератора и ТНД, что повышает начальный уровень объема работ с газогенератора до работ газогенератор + ТНД.

Таким образом, средства 11 обработки определяют в зависимости от этих первого и второго модулей принятия решения необходимый уровень объема работ Wf технического обслуживания (окончательный уровень объема работ), требуемый к исполнению на двигателе 1 во время его нахождения в мастерской 3, заданный соответствующим возрастом T0 отказа, определенным заранее.

Преимущественно после завершения операции технического обслуживания на типовом двигателе совокупность параметров повторно адаптируют. Это дает возможность принимать во внимание результаты этого объема работ для еще более точного определения следующего объема работ.

Следует отметить, что при прогнозировании оптимальной операции технического обслуживания целесообразно принимать во внимание все следующие параметры: возраст отказа, ранг нахождения в мастерской, потенциальный оставшийся срок службы для каждой из деталей с ограниченным сроком службы (LLP) двигателя, ограничения по восстановлению двигателя. Очевидно, что способ в соответствии с настоящим изобретением будет работать одинаково хорошо с большим количеством параметров или только с некоторыми из этих параметров. Например, параметр, соответствующий рангу нахождения в мастерской, можно не учитывать.

1. Способ прогнозирования операций технического обслуживания типового двигателя летательного аппарата, отличающийся тем, что он содержит следующие этапы, на которых:

инициализируют входные данные, содержащие модель упомянутого двигателя и совокупность параметров (P1, … Pi) и правила (R) принятия решений об уровне объема работ на упомянутом двигателе;

сравнивают совокупность моделей (M1, …, Mn) отказов, адаптированных к упомянутому типовому двигателю (1), для выбора соответствующей модели (Mi) отказа с возрастом отказа (Т0), определяющим возраст упомянутого двигателя в момент отказа;

связывают с упомянутой соответствующей моделью (Mi) отказа правила (R) принятия решений об уровне объема работ по упомянутому типовому двигателю (1) в зависимости от упомянутой совокупности (P1, … Pi) параметров, относящихся к упомянутому типовому двигателю;

определяют в зависимости от упомянутых правил принятия решения необходимый уровень объема работ (Wf) технического обслуживания на упомянутом типовом двигателе.

2. Способ по п. 1, отличающийся тем, что упомянутая совокупность параметров включает в себя следующие параметры: возраст отказа, продолжительность функционирования упомянутого типового двигателя с момента последнего нахождения в мастерской, ранг нахождения в мастерской, потенциальный оставшийся срок службы для каждой из множества деталей с ограниченным сроком службы (LLP) упомянутого типового двигателя и ограничения по восстановлению упомянутого двигателя.

3. Способ по п. 1, отличающийся тем, что упомянутые правила принятия решения включают в себя первый модуль (R1) правил, определяющий множество уровней (L1, L2, L3) объема работ относительно продолжительности функционирования упомянутого двигателя, и тем, что соответствующий уровень выбирают из упомянутого множества уровней объема работ в зависимости от упомянутого возраста (Т0) отказа, связанного с упомянутой соответствующей моделью (Mi) отказа.

4. Способ по п. 3, отличающийся тем, что упомянутый первый модуль (R1) правил выбирают из совокупности первых модулей правил, определенных ранее в течение фазы инициализации, при этом каждый из упомянутых первых модулей правил связан с определенной моделью отказа и с определенным рангом нахождения в мастерской.

5. Способ по п. 3 или 4, отличающийся тем, что упомянутые правила принятия решений содержат второй модуль (R2) правил, определяющий взаимосвязи между уровнями объема работ упомянутого первого модуля правил и операциями технического обслуживания, а также тем, что упомянутый требуемый уровень объема работ технического обслуживания определяют в зависимости от упомянутого соответствующего уровня объема работ, ограничений по восстановлению упомянутого двигателя и потенциального оставшегося срока службы для каждой из множества деталей с ограниченным сроком службы (LLP) упомянутого типового двигателя.

6. Способ по п. 1, отличающийся тем, что упомянутую совокупность параметров повторно адаптируют с учетом результатов обслуживания после завершения операции технического обслуживания на упомянутом типовом двигателе летательного аппарата.

7. Способ по п. 1, отличающийся тем, что упомянутые модели отказов получают из анализа опыта эксплуатации парка двигателей, содержащего следующие данные: количество двигателей, условия эксплуатации каждого двигателя, модель каждого двигателя, рабочее состояние каждого двигателя, место технического обслуживания каждого двигателя, время между поступлением каждого двигателя в мастерскую и его выходом из мастерской.

8. Система прогнозирования операций технического обслуживания типового двигателя летательного аппарата, отличающаяся тем, что она содержит:

средства для инициализации входных данных, содержащих модель упомянутого двигателя и совокупность параметров (P1, … Pi) и правила (R) принятия решений об уровне объема работ на упомянутом двигателе;

средства (11) обработки для сравнения совокупности моделей (M1, …, Mn) отказов, адаптированных к упомянутому типовому двигателю, для выбора соответствующей модели (Mi) отказа с возрастом (Т0) отказа, определяющим возраст упомянутого двигателя в момент отказа;

средства (11) обработки для связи с упомянутой соответствующей моделью отказа правил принятия решения об уровне объема работ по упомянутому типовому двигателю в зависимости от упомянутой совокупности параметров, относящихся к упомянутому типовому двигателю;

средства (11) обработки для определения необходимого уровня объема работ технического обслуживания упомянутого типового двигателя в зависимости от упомянутых правил принятия решений.

9. Читаемый компьютером носитель, содержащий компьютерную программу, включающую в себя кодовые команды, которые побуждают компьютерную систему выполнять способ прогнозирования по любому из пп. 1-7, когда они выполняются средствами обработки.



 

Похожие патенты:

Изобретение относится к области определения принадлежности точки кривой в многомерном пространстве с помощью компьютерных систем. Технический результат заключается в реализации назначения заявленного решения.

Изобретение относится к горному делу и может быть применено для определения интервалов между трещинами в скважинах, дающих углеводородный флюид. Способ включает получение размера первой трещины, выбираемого из наименьшей длины или высоты первой трещины, и ожидаемый размер второй трещины выбирают из наименьшей ожидаемой длины или ожидаемой высоты второй трещины, подлежащей образованию.

Изобретение относится к области принудительной доставки сообщения посредством облегченного приложения. Техническим результатом является расширение функции принудительной доставки сообщений, чтобы облегченные приложения могли применяться в большом количестве сценариев для улучшения взаимодействия с пользователем.

Изобретение относится к способу компьютерной генерации управляемой данными модели технической системы, в частности газовой турбины или ветрогенератора. Управляемая данными модель обучается предпочтительно в областях тренировочных данных с низкой плотностью.

Изобретение относится к области автоматизированного управления и может быть использовано в автоматизированных системах управления (АСУ) войсками противовоздушной обороны (ПВО).

Изобретение относится к средствам информатики и вычислительной техники и может быть использовано для синтеза арифметико-логических устройств, для создания быстродействующих и производительных цифровых устройств суммирования и вычитания чисел в двоичной системе счисления в прямых кодах.

Устройство для преобразования данных на основе полиномов может содержать процессор. Этот процессор может быть сконфигурирован для идентификации данных, которые релевантны для набора из одного или более запросов, и для генерирования вектора источника информации, который указывает на источники информации, ассоциированные с данными.

Изобретение относится к технологиям управления электронной информацией и, более конкретно, относится к системе и способу эффективного выполнения процедуры имитации сети.

Изобретение относится к способу оценки вероятности добычи на буровой площадке. .

Изобретение относится к области моделирования динамических систем. .

Изобретение относится к общей области осаждения керамических покрытий, создающих термические барьеры, на детали горячей части газовых турбин, таких, например, как турбореактивные двигатели.

Изобретение относится к области геофизики и может быть использовано для отслеживания трещин в процессе гидроразрыва пласта. Предложены система, способ и носитель данных, используемые для анализа микросейсмических данных, собранных при гидравлическом разрыве пласта в подземной зоне.

Изобретение относится к автоматизированному проектированию, технике моделирования и проверки кодов и может быть использовано при цифровом моделировании характеристик помехоустойчивых низкоплотностных кодеков в однопроцессорных гетерогенных компьютерных системах малой производительности.

Изобретение относится к области геофизики и может быть использовано для определения количества углеводородного флюида, присутствующего в породе углеводородсодержащего пласта.

Изобретение относится к способу бурения нефтяной скважины. Технический результат - повышение эффективности бурения скважины.

Изобретение относится к области геофизики и может быть использовано для определения доверительного значения для плоскости развития трещины. В некоторых аспектах выбирают подмножество микросейсмических событий, связанных с операцией гидроразрыва подземной зоны.

Изобретение относится к области геофизики и может быть использовано для отслеживания трещин в процессе гидроразрыва пласта. Предложенные система, способ и программные средства могут быть использованы для анализа микросейсмических данных от операции по разрыву пласта.

Изобретение относится к области геофизики и может быть использовано для отслеживания трещин в процессе гидроразрыва пласта. Предложенные система, способ и программное обеспечение могут использоваться для анализа микросейсмических данных, обусловленных гидроразрывом.

Изобретение относится к области геофизики и может быть использовано для отслеживания трещин в процессе гидроразрыва пласта. Предложенные система, способ и программное обеспечение могут использоваться для анализа микросейсмических данных из подземной зоны.

Изобретение относится к области геофизики и может быть использовано для прогнозирования операционных результатов операции бурения. По меньшей мере некоторыми из иллюстративных вариантов осуществления являются способы, включающие в себя сбор данных датчиков относительно соседних скважин и контекстных данных относительно соседних скважин и размещение данных датчиков и контекстных данных в хранилище данных, создание сокращенного набора данных посредством идентификации корреляции между данными в хранилище данных и операционным результатом в операции бурения, создание модели на основе сокращенного набора данных и прогнозирование операционного результата на основе модели.

Группа изобретений относится к передатчикам параметра процесса. Технический результат – повышение точности измерения параметра процесса.
Наверх