面向飞机作动系统实时诊断与预测的的计算框架
计算工程、金融与科学
2021-08-11 v1 机器学习
系统与控制
系统与控制
摘要
预测与健康管理（PHM）是一种新兴的产品生命周期方法，可在降低运行与维护成本的同时维持系统安全并提升可靠性。这对于同时要求高完整性与高性能的航空航天系统尤为相关。我们提出了一种用于动力学组件近实时故障检测与识别（FDI）以及系统剩余有用寿命（RUL）估计的新策略。及时获得系统健康状态估计，将支持知情的自适应维护规划与任务剖面的动态重构，从而降低运行成本并提升可靠性。本工作涵盖预测流程的三个阶段——即（1）信号采集、（2）故障检测与识别、以及（3）剩余有用寿命估计——并引入了一种适用于实时机载执行的算力高效流程。为实现该目标，我们提议将不同保真度的物理模型信息与机器学习技术相结合，以获得适用于近实时应用的高效表示（代理模型）。此外，我们提出了一种重要性采样策略以及一种用于动力学系统损伤传播建模的新方法。该方法学针对用于次级飞行控制的飞机电动机械作动器（EMA）的 FDI 与 RUL 估计进行了评估。结果表明，所提方法在系统 RUL 评估中具有高精度，同时在计算时间上优于常见的基于模型的技术。
引用
@article{arxiv.2009.14645,
title = {Computational framework for real-time diagnostics and prognostics of aircraft actuation systems},
author = {Pier Carlo Berri and Matteo D. L. Dalla Vedova and Laura Mainini},
journal= {arXiv preprint arXiv:2009.14645},
year = {2021}
}
备注
57 pages