如今,航空业不断发展,特别是随着新技术和新解决方案的出现。因此,航空业对提高安全性和运行效率的要求越来越高。为了保证这种安全性,必须对飞机发动机进行有效的监测、控制和维护。因此,研究界正在不断努力,以提供高效、经济的解决方案。在这个意义上,人工智能,更具体地说,机器学习模型已经得到了应用。这就是本文的命题所在。它提出了利用机器学习模型实施预测性维护的解决方案。它们有助于预测飞机故障。这是为了避免计划外维护和服务中断。

通过整合尖端技术和先进的数据分析,航空业已进入飞机维护和可靠性的新阶段。在航空领域,飞机部件的可用性和良好运行一直至关重要。通过准确的故障预测可以提高飞机系统和部件的可用性。维修作业的时间安排是决定飞机部件维护和大修总成本的关键因素,而维护和大修成本在航空系统的所有运营费用中占很大比重。在航空业,设备维护主要有三种形式。纠正性维护涉及维护程序和使用飞机设备时出现的计划外问题,如机器和设备故障。预防性维护旨在通过定期维护减少计划外维修,防止设备故障或机器故障。计划中的任务可避免意外停机和故障事件,最大限度地减少维修操作的需要。顾名思义,预测性维护利用设备运行期间测量到的参数来预测潜在的故障。其目标是在故障发生前进行干预,通过为从事维护工作的人员提供更可靠的预防性维护计划选择,减少意外故障。评估系统可靠性对于选择适当的维护策略至关重要。随着人工智能技术的出现,预防性维护取得了令人瞩目的进展。借助人工智能方法及其分析大量历史数据(包括飞机部件、发动机性能、传感器读数和维护记录)的能力,可以实施预防性分析,以便在问题发生之前进行预测。这样就能降低意外停机的风险,并及时进行干预。人工智能还有助于根据任务的关键性有效地确定优先级,并相应地优化资源分配。最后,通过在飞机部件上部署传感器和其他物联网设备,人工智能技术可以对飞机进行实时监控,以监测其健康状况和性能。在本文中,人工智能的一个方面将用于实施预测性维护,即机器学习。选择这些模型的依据是它们在文献中的表现。在分析和探索大量商用模块化航空推进系统模拟(CMAPSS)数据集时,将对这些模型进行探讨。文章提出的方法首先是深入探索和准备数据,这是机器学习和决策系统的核心模块。这包括使用直方图来了解相关变量的分布情况。这一步骤有助于深入了解数据的统计特征,并帮助识别潜在的模式和异常情况。这一过程包括选择和设计相关属性,以全面了解发动机健康状况和潜在故障情况。这些细致入微的步骤为构建强大的预测模型奠定了基础,该模型有可能重新定义航空维修实践,这也是构建机器学习模型的下一步。本文阐明了这些进展的意义、所采用的方法、由此产生的见解及其对航空航天业的深远影响,以提高飞机发动机的安全性和效率。

所提方法

这项工作的主要目的是建立一个能够预测飞机涡轮风扇发动机潜在故障的系统。为此,我们创建了一个准确可靠的人工智能模型,利用数据分析和预测技术来预测故障。

  • 及早发现异常:主要目的是利用模型和先进的人工智能技术,在发动机出现异常或故障的早期征兆之前,就能发现它们的严重性。
  • 提高飞机可靠性:通过提前识别潜在故障,这项工作旨在提高飞行可靠性和安全性。

首先,对 C-MAPSS 数据集进行了详细描述,包括输入变量和数据集组成的介绍。建议的方法使用分类方法来预测最终的故障部件。建议的方法分为三个步骤: 首先,直方图;2)平衡数据;3)平滑数据;4)提取特征;5)通过开发监督机器学习模型获得最终预测结果。

成为VIP会员查看完整内容
23

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《人工智能在海战中的角色》
专知会员服务
47+阅读 · 7月2日
《生成式人工智能模型:机遇与风险》
专知会员服务
56+阅读 · 4月22日
《多机器人自主系统中的智能体任务分配》279页
专知会员服务
75+阅读 · 3月19日
《用于空战机动的分层多智能体强化学习》
专知会员服务
53+阅读 · 2023年10月5日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
130+阅读 · 2023年4月12日
《人工智能在军事武器系统中的崛起》
专知会员服务
128+阅读 · 2023年3月21日
《人工智能安全测评白皮书》,99页pdf
专知
30+阅读 · 2022年2月26日
清华大学《高级机器学习》课程
专知
36+阅读 · 2020年7月21日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
反无人机技术的方法与难点
无人机
16+阅读 · 2019年4月30日
机器学习必备手册
机器学习研究会
18+阅读 · 2017年10月24日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
Arxiv
145+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
60+阅读 · 2023年3月26日
Arxiv
128+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《人工智能在海战中的角色》
专知会员服务
47+阅读 · 7月2日
《生成式人工智能模型:机遇与风险》
专知会员服务
56+阅读 · 4月22日
《多机器人自主系统中的智能体任务分配》279页
专知会员服务
75+阅读 · 3月19日
《用于空战机动的分层多智能体强化学习》
专知会员服务
53+阅读 · 2023年10月5日
《可信人工智能: 将人工智能融入美国陆军知识体系》
专知会员服务
130+阅读 · 2023年4月12日
《人工智能在军事武器系统中的崛起》
专知会员服务
128+阅读 · 2023年3月21日
相关基金
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员