[发明专利]从通用模型库自生成特定于发动机的健康监测模型

权利要求书

1.一种用于在发动机健康监测系统中自生成特定于发动机的模型的方法，所述方法包括：

识别运载工具中的发动机的配置，所述识别包括识别所述发动机中的发动机部件；

使用处理器生成通用发动机模型，所述通用发动机模型包括所述特定发动机中的多个发动机部件中的每一个的基于物理学的通用模型；

在一个或多个预先计划的训练任务期间，使用飞机传感器捕获所述多个发动机部件中的每一个的多个观测到的发动机部件参数和多个观测到的环境参数；以及

使用处理器并使用在所述一个或多个预先计划的训练任务期间捕获的所述多个观测到的发动机部件参数和所述多个环境参数来训练特定于发动机的模型，所述特定于发动机的模型包括所述特定发动机中的所述多个发动机部件中的每一个的特定于发动机的基于物理学的模型；

其中发动机部件的每个特定于发动机的基于物理学的模型被配置用于使用在由所述运载工具执行的操作任务期间使用飞机传感器捕获的第二多个观测到的环境参数来预测一个或多个发动机部件参数；并且

其中所述发动机健康监测系统被配置为当与特定发动机部件相关并且在所述操作任务期间使用飞机传感器捕获的第二多个观测到的发动机部件参数中的一个或多个在所述操作任务期间偏离所述特定发动机部件的预测的发动机部件参数达预定量时，识别所述特定发动机部件以执行维护动作。

2.根据权利要求1所述的方法，其中所述识别发动机的配置包括识别所述运载工具中的所述发动机部件的数量、类型、尺寸和布局。

3.根据权利要求2所述的方法，其中所述识别发动机的所述配置包括确定齿轮箱、压缩机级、燃烧室、排放口和涡轮级的数量以及可用的仪表水平。

4.根据权利要求1所述的方法，其中所述特定发动机中的多个发动机部件中的每一个的所述基于物理学的通用模型包括用于模拟发动机部件操作的性能标测图，所述性能标测图基于所述多个发动机部件的性能标测图的系统的状态来生成关键参数。

5.根据权利要求4所述的方法，其中所述性能标测图包括用基于理论或基于经验的部件气动热设计工具而不采用与所述发动机相关的实验或测试数据生成的非线性非经验部件模型。

6.根据权利要求1所述的方法，其中所述训练包括通过使用所观测到的所述特定部件的发动机部件参数和所捕获的环境参数来调整所述特定部件的所述基于物理学的通用模型，从而生成所述特定发动机中的每个特定部件的特定于发动机的基于物理学的部件模型，所述调整包括为所述部件标测图生成多组标量。

7.根据权利要求6所述的方法，其中所述训练包括使用人工智能或机器学习技术来生成每个特定部件的特定于发动机的基于物理学的部件模型。

8.根据权利要求1所述的方法，还包括在由所述运载工具执行的操作任务期间捕获第二多个观测到的发动机部件参数和第二多个观测到的环境参数；以及使用所述第二多个观测到的环境参数和所述特定发动机中的所述特定部件的所述特定于发动机的基于物理学的部件模型来预测多个发动机部件参数。

9.根据权利要求8所述的方法，还包括将所预测的发动机部件参数与所述第二多个观测到的发动机部件参数进行比较；以及当与特定部件相关的所述第二多个观测到的发动机部件参数中的一个或多个偏离所述特定部件的预测的发动机部件参数达预定量时，识别所述特定部件以执行维护动作。

10.一种用于在发动机健康监测系统中自生成特定于发动机的模型的系统，所述系统包括：

通用发动机模型生成器，所述通用发动机模型生成器包括由计算机可读介质上的编程指令配置的一个或多个处理器，所述通用发动机模型生成器被配置为生成通用发动机模型，所述通用发动机模型包括运载工具中的特定发动机中的多个发动机部件中的每一个的基于物理学的通用模型；和

特定发动机模型生成器，所述特定发动机模型生成器包括由计算机可读介质上的编程指令配置的一个或多个处理器，所述特定发动机模型生成器被配置为：

接收在一个或多个预先计划的训练任务期间捕获的所述多个发动机部件中的每一个的多个观测到的发动机部件参数和多个观测到的环境参数；以及

使用在所述一个或多个预先计划的训练任务期间捕获的所述多个观测到的发动机部件参数和所述多个环境参数来训练特定于发动机的模型，所述特定于发动机的模型包括所述特定发动机中的所述多个发动机部件中的每一个的特定于发动机的基于物理学的模型；

其中发动机部件的每个特定于发动机的基于物理学的模型被配置用于使用在由所述运载工具执行的操作任务期间捕获的第二多个观测到的环境参数来预测一个或多个发动机部件参数；并且

其中所述发动机健康监测系统被配置为当与特定发动机部件相关并且在所述操作任务期间捕获的第二多个观测到的发动机部件参数中的一个或多个在所述操作任务期间偏离所述特定发动机部件的预测的发动机部件参数达预定量时，识别所述特定发动机部件以执行维护动作。