Validation en service de la capacité
réelle d'une strategie globale de
détection DPHM
Decision Support System for Fleet Health
Monitoring and Prognosis
Valeur totale/ Total value
$1,101,000
Années/ Years
4
Financé par CRSNG/ NSERC Funded
Statut/ Status
In progress
Début du projet/ Start
SEP-15-2008
Mise à jour/ Update
AUG-21-2009
No.
DPHM-4
Chercheur principal et leader
industriel/ Principal Investigator and
Industrial Leader
Participant
Organisation/Organization
Khorasani, Khashayar
Concordia
University
Thomassin, Jean
Pratt & Whitney
Canada
Partenaires/ Partners
Organisation/Organization
Université
Concordia
University of
British Colombia
GlobVision
Pratt & Whitney
Canada
Nombre
d'étudiants impliqués sur ce projet : /
Number of students
Bac/ Undergraduate
0
Maîtrise/ Master
1
Doctorat/ Doctorate
4
Post-Doc
3
Description du projet/ Project
Description
L’objectif général d’un système de
diagnostic, pronostic et gestion de
l’état d’un moteur d’avion est d’en
permettre la surveillance, de fournir
une analyse prédictive de tendance, de
détecter et de diagnostiquer les
défauts. La complexité croissante du
design, les exigences strictes en
matière de sûreté et de sécurité, le
besoin d’une réduction du coût du cycle
de vie et les pressions économiques
rendent nécessaire d’abandonner les
pratiques conventionnelles de
surveillance simple pour un système DPHM
intégré qui peut à la fois agir de
manière autonome et interagir activement
avec des experts humains pour adresser
les défis mentionnés.
Although various disciplines have been
involved in the development of fault
diagnosis, prognosis, and health
management (DPHM) algorithms, we notice
a lack of hybrid, intelligent, and well
integrated approaches in the literature.
The overall objective of this project is
to develop and implement a new
integrated approach for DPHM of small
aircraft gas turbine engines and
associated accessories. The envisaged
hybrid methodology is based on an
“optimal” integration of model-based and
computational intelligence-based
techniques to monitor, diagnose, predict
failures and estimate remaining useful
life to maximize aircraft availability
and minimize the overall life cycle cost.
In particular, we will study hybrid
fault diagnosis, hybrid prognosis, case-based
reasoning for health monitoring, and the
development of DPHM architectures and
algorithms to adequately integrate the
various functionalities. From the
industrial partners’ perspective, the
developed technologies will be
integrated into a prototype that
leverages existing engine data and
processes to answer the following needs:
1. Detection of significant events with
new products: An efficient and adaptable
method to investigate events during
fleet operations will be developed.
This method will identify the
combination or sequence of anomalies and
symptoms, and provide a realistic
measurement of the confidence of the
detection strategy,
2. Decision support for design and
operation: The methods developed will
help enhance the speed and quality of
engine health monitoring, predict
emerging fleet issues, and improve
product improvement decisions made by
the service engineers particularly for
engines with little service experience,
3. Formally characterize and develop
global fault detection, health
monitoring and prognostic strategies for
an engine to conduct routine assessment
of the detectability of various
in-service difficulties,
4. Develop a reliable method for
measuring the degree of efficacy of the
proposed technologies (i.e. in terms of
ability for detection or prediction) and
grade the various elements of the fault
detection chain against known
difficulties, and
5. Optimally integrate the fault
detection and monitoring algorithms to
fuse and combine raw fleet usage and
in-service difficulties data collected
during troubleshooting sessions into
“Decision Panels” that can direct
attention of service engineers on
emerging fleet/product issues.
Objectifs/ Objectives
Dans le cadre du présent projet, seront
dès lors développés, des algorithmes
pour de nouvelles architectures hybrides
faites d’intelligence artificielle et
d’approches basées sur le modèle (model
driven) de manière à fournir des
systèmes d’aide à la décision pour le
contrôle et le pronostic de flottes de
moteurs d’avions. Capitalisant sur
l’expertise de l’équipe ainsi que sur le
développement et la commercialisation
couronnés de succès de solutions
avancées orientées systèmes
intelligentes dans des industries et
domaines d’application variés,
l’objectif sera de développer des
systèmes d’aide à la décision
génériques, intelligents, autonomes et
robustes pour assurer les fonctions DPHM
sur les moteurs de Pratt and Whitney
Canada. Les technologies nouvelles et
innovantes développées seront destinées
à la surveillance continue de l’état des
moteurs d’avions et serviront à fournir
de l’information sur les paramètres du
moteur ainsi que les avertissements
adéquats. Les solutions envisagées et
proposées auront pour but de maîtriser
les désavantages et les limitations dues
à l’usage de techniques d’estimation de
tendance standards en développant et en
utilisant : (i) de nouveaux algorithmes
DPHM basés sur l’intelligence
artificielle, des architectures basées
sur le modèle et hybrides (ii) des
solutions pour produire de l’information
plus efficace et de façon plus
appropriée en fournissant du feedback et
des améliorations aux modèles
analytiques; et (iii) des stratégies
pour fournir des informations plus
détaillées et plus appropriées sur les
conditions de défaillance afin d’en
assurer la détection, le diagnostic, la
stabilisation et le pronostic.
Objective is to improve the speed and
quality of the product improvement
decisions made by the service engineers
as the use of pre-processed information
as opposed to raw data enables more
rapid detection of emerging problems and
better characterization of field
problems.
3 Février 2009
- Réunion de démarrage / Kick off meeting
