摘要。不同行业数字化的最新趋势导致了大量数据的产生。自然而然地,大量高级机器学习技术被应用于这种大数据。同时,对提高运营可靠性、降低维护成本和提高安全性的需求也日益增长,因此预测性维护正迅速成为许多行业(尤其是航空航天业)最重要的战略。随着新型飞机配备更多传感器,与开发预测性维护解决方案的传统方法相比,基于机器学习的诊断和预测技术正变得越来越流行。构建基于机器学习的诊断和预测模型需要大量的运行到故障传感器数据,但与其他领域相比,在高度可靠和安全至关重要的飞机平台上捕获这些在役故障相关数据的机会非常有限。为了应对缺乏足够和适当的在役故障数据的挑战,空中客车 DS 在 ISHM 和预测性维护的技术开发路线图中开发了一个模拟框架。为了加速开发各种飞机系统的预测性维护解决方案,我们开发了数据驱动的诊断和预测框架。本文概述了这一独特的框架及其使用 ISHM Simu 生成的数据进行的验证
架构与载人航天器模块化分布式实时航空电子架构要求的比较。这项调查是美国宇航局马歇尔太空飞行中心 (MSFC) 推进高冲击航空电子技术 (PHIAT) 项目的成果之一。PHIAT 最初由下一代发射技术 (NGLT) 计划资助,旨在开发用于控制下一代可重复使用火箭发动机的航空电子技术。在太空探索计划宣布后,2004 年 1 月,探索系统任务理事会 (ESMD) 通过 MSFC 的推进技术和集成项目资助了 PHIAT。此时,项目范围扩大到包括载人和机器人任务的车辆系统控制。在 PHIAT 项目早期,进行了一项调查,以确定安全关键型实时分布式控制系统的最佳通信架构。这项调查仅关注那些专门针对安全关键型系统的通信架构。然而,随着 PHIAT 项目范围的扩大和 NASA 对实施集成系统健康管理 (ISHM) 的兴趣日益增加,很明显,需要对物理和功能分布式系统之间的通信采取更广泛的看法。
本次调查的目的是提供一份适合于用串行总线架构来满足载人航天器模块化分布式实时航空电子架构要求的数据汇编。本次调查是美国宇航局马歇尔太空飞行中心 (MSFC) 推进高冲击航空电子技术 (PHIAT) 项目的成果之一。PHIAT 最初由下一代发射技术 (NGLT) 计划资助,旨在开发用于控制下一代可重复使用火箭发动机的航空电子技术。在太空探索计划宣布后,2004 年 1 月,探索系统任务理事会 (ESMD) 通过 MSFC 的推进技术和集成项目资助了 PHIAT。此时,项目范围扩大到包括载人和机器人任务的飞行器系统控制。在 PHIAT 项目早期,进行了一项调查,以确定安全关键实时分布式控制系统的最佳通信架构。这次调查仅关注那些专门针对安全关键系统的通信架构。然而,随着 PHIAT 项目范围的扩大以及 NASA 对实施综合系统健康管理 (ISHM) 的兴趣日益增加,很明显需要对物理和功能分布式系统之间的通信采取更广泛的视角。