美军旋转翼飞机预测性维修中的状态监测和数据分析技术

与基于时间的计划性维修完全不同,视情维修强调基于预测性状态指示器的故障探测。作为实施视情维修的重要手段之一,预测性维修的研究目标是在飞机维修数据分析中引入数据挖掘技术,建立高效的预测系统,使用先进的统计软件对部队级航空后勤系统（ULLS-A）的飞行日志数据、HUMS飞机传感器数据和试验台数据进行定量和定性分析,最终选取有用的数据,增强故障诊断和预测能力,提高视情维修水平。预测内容包括根据实际状况动态预测飞机的剩余使用寿命、预测部件故障以延长维修间隔、寻找剩余使用寿命与部件故障的关系以及维修行为对这一关系的影响、主动计划未来的维修行为等。     

美国海军陆战队V-22“鱼鹰”飞机维修中自然语言处理技术的应用

项目概述
　　美军目前的视情维修（CBM）主要使用振动数据、发动机润滑油残片检测和其他状态指示器分析复杂动部件的健康状况,为制订维修计划和确定维修过程提供依据。如何分析识别众多指示器的海量数据,从中获取有用的准确信息,对于维修决策至关重要。这些数据有时以传感器收集的数字信号的形式存在,有时也以手工输入文本的形式存在,在很大程度上,文本档案大小以及反复书写文本带来的人力成本,使这些数据源不可能被完全利用。自然语言处理（NLP, Natural Language Processing）使用计算机处理技术,为处理这些维修数据提供了潜在的手段,是一种极具时间和成本效益的处理方式。