摘要:嵌入我们生活中的元宇宙在物理世界中创造了虚拟体验。随着飞机维护向元宇宙迈进,混合现实 (MR) 为与虚拟飞机 (数字孪生) 的互动创造了巨大的机会,可提供近乎真实的体验,并在大流行期间保持物理距离。导出到 MR 的现代机器的 3D 孪生可以轻松操作、共享和更新,这为仍在利用退役模型进行练习的航空学院带来了巨大的好处。因此,我们建议在智能眼镜中对波音 737 飞机维护进行混合现实教育和培训,并增强深度学习语音交互模块,让实习工程师能够使用语音命令控制虚拟资产和工作流程,使他们能够用双手操作。语音模块利用卷积神经网络(CNN)架构获取音频特征,利用学习和分类部分获取命令和语言识别,处理英语和韩语混合请求,并给出相应的反馈。测试数据评估显示预测准确率高,命令和语言预测的 F1-Score 指标平均分别为 95.7% 和 99.6%。提出的飞机维护元宇宙语音交互模块进一步改善了教育和培训,对操作进行了直观和有效的控制,增强了与混合现实中虚拟对象的交互。
摘要:嵌入我们生活中的元宇宙在物理世界中创造了虚拟体验。随着飞机维护向元宇宙迈进,混合现实 (MR) 为与虚拟飞机 (数字孪生) 的互动创造了巨大的机会,可提供近乎真实的体验,并在大流行期间保持物理距离。导出到 MR 的现代机器的 3D 孪生可以轻松操作、共享和更新,这为仍在利用退役模型进行练习的航空学院带来了巨大的好处。因此,我们建议在智能眼镜中对波音 737 飞机维护进行混合现实教育和培训,并增强深度学习语音交互模块,让实习工程师能够使用语音命令控制虚拟资产和工作流程,使他们能够用双手操作。语音模块利用卷积神经网络(CNN)架构获取音频特征,利用学习和分类部分获取命令和语言识别,处理英语和韩语混合请求,并给出相应的反馈。测试数据评估显示预测准确率高,命令和语言预测的 F1-Score 指标平均分别为 95.7% 和 99.6%。提出的飞机维护元宇宙语音交互模块进一步改善了教育和培训,对操作进行了直观和有效的控制,增强了与混合现实中虚拟对象的交互。
摘要 ................................................ ................................................. ...................... iii
本系统综述的目的是强调飞机维护和持续适航管理领域从事件中学习的突出要素。这涉及对 1,000 多种反映不同领域实践的出版物的审查。缓存最终被提炼为 18 种与从事件中学习相关的出版物。文献的系统综述并非详尽无遗,但故意受预定义搜索词参数的约束。使用 NVivo 软件对 18 种提炼的出版物进行了强有力的分析。对这 18 种文献进行批判性和系统性的审查进一步支持了五个编纂主题的发展。对文献的分析揭示了公正文化作为报告和从事件中学习的推动者的好处。此外,它还确定了当前知识体系固有的局限性。最明显的是缺乏与特色行业相关的文献。还强调了从事件中学习的一些障碍。其中最核心的一点是,普遍缺乏对事件令人满意的因果关系的有效关注和实践。目前,许多特色领域所采用的努力似乎都基于无效的传统线性实践。然而,新兴的调查哲学超越了直接的因果关系,为从业者提供了通过新兴公理来考虑因果关系的机会
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
有助于提高损伤检测的准确性,减少飞机停机时间,并有助于防止检查事故。本文的目的是展示这种方法在支持飞机工程师自动检测飞机凹痕方面的潜力。这项工作的新颖之处在于应用了最近开发的神经网络架构 Mask R-CNN,该架构能够检测图像中的对象,同时为每个实例生成分割掩码。尽管用于训练的数据集很小,但结果令人鼓舞,并展示了深度学习在自动化飞机维护检查方面的潜力。该模型可以训练以识别其他类型的损坏,例如雷击入口和出口点、油漆损坏、裂缝和孔洞、缺失标记,因此可以成为飞机工程师有用的决策支持系统。
摘要目的——本文旨在研究如何使用统一数据结构支持的单一集成框架来解决当前飞机重型维修规划和调度方法的某些局限性。设计/方法/方法——“单一结构技术”最初是在制造规划和控制背景下开发的,考虑到与基于条件的维护相关的不确定性,该技术在飞机重型维修应用中得到了进一步增强。所提出的框架提供了同步和动态前瞻性规划维护操作以及有限资源加载所需的高级功能,以优化整体维护性能。发现——在不确定的情况下执行维护操作涉及材料变化、整改和重新组装。结果表明,使用集成框架,可以通过同时和动态前瞻性规划材料和操作以及有限资源加载来处理材料(备件)、资源和操作的重新调度。研究的局限性/影响——作为在实践中采用所提出的框架的一部分,它需要以适合特定应用环境的总体方法为指导。实际影响——采用所提出的框架的潜在直接好处包括按时完成项目、降低备件库存水平和降低加班成本。原创性/价值——现有的飞机维护计划和调度方法在处理大型维护项目执行阶段进行的检查中出现的意外事件的能力有限。由于上述附加功能,所提出的综合方法能够处理与基于条件的维护相关的不确定性。关键词 飞机大修、计划和调度、重新组装、不确定性、业务规划、维护 论文类型 研究论文