解决直升机变速箱健康监测挑战:一种机器学习方法
Guilherme Moreira1, Alexandre Pereira2, Airton Nabarrete3
1Instituto Tecnológico de Aeronáutica (ITA), Programa de Pós-graduação em Aplicações, Pça. Mal. Eduardo Gomes, 50, 12228-970 São José dos Campos, SP, Brazil.
Anais da Academia Brasileira de Ciencias
|December 19, 2024
概括
由于磨损,军用直升机变速箱可能会脱落金属颗粒. 这项研究使用机器学习的飞行数据来预测粒子脱落,提高H225M舰队的安全性和维护.
科学领域:
- 航空工程 航空工程 航空工程
- 机械工程 机械工程
- 数据科学数据科学数据科学
背景情况:
- 像H225M这样的军事直升机变速箱面临着相当大的动态负载.
- 变速箱的磨损和疲劳会导致铁磁粒子脱离,造成安全风险并增加维护需求.
研究的目的:
- 应用机器学习算法来预测直升机传输中的铁磁粒子脱离.
- 提高巴西H225M舰队的运营安全和维护效率.
主要方法:
- 使用飞行数据记录器 (FDR) 和健康和使用监测系统 (HUMS) 的数据.
- 实施预处理技术,以有效地应用机器学习模型.
- 开发预测模型来预测粒子脱离事件.
主要成果:
- 证明了使用FDR和HUMS数据来预测粒子脱落的可行性.
- 确定了与变速箱磨损和颗粒释放相关的关键指标和模式.
- 为积极的维护策略提供了基础.
结论:
- 机器学习提供了一种可行的方法来预测军用直升机中的变速箱粒子脱离.
- 积极预测可以显著提高航空安全,并降低H225M机队的运营成本.
- 数据预处理对于机器学习在航空维护中的成功实施至关重要.


