A Non-Probabilistic Metric Derived From Condition Information for Operational Reliability Assessment of Aero-Engines
Notice bibliographique
Résumé
The aero-engine is the heart of an airplane. Operational reliability assessment that aims to identify the reliability level of the aero-engine in the service phase is of great significance for improving flight safety. Traditionally, reliability assessment is carried out by statistical analysis on large failure samples. Because the operational reliability of a specific aero-engine is an individual problem lacking statistical sample data, traditional reliability assessment methods may be insufficient to assess the operational reliability of an individual aero-engine. The operational states of the aero-engine can be identified by its condition information. Changes in the condition information reflect the performance degradation of the aero-engine. Aiming at the assessment of the operational reliability of individual aero-engines, a novel similarity index (SI) is proposed by analyzing the condition information from the fault-free state, and the current state. A condition subspace is first obtained by kernel principal component analysis (KPCA). Subspace similarity is then represented by subspace angles, i.e., kernel principal angles (KPAs). The cosine function is finally utilized as a mapping function to transform the subspace angles into a similarity index. The index can be used as a non-probabilistic metric for operational reliability assessment. Only the condition information is needed for computation of the similarity index, thus it can be performed conveniently for online assessment. The effectiveness of the proposed method is validated by three case studies regarding the health assessment of aero-engines subjected to system-level and component-level degradation. The positive results demonstrate that the proposed SI is an effective metric for operational reliability assessment of individual aero-engines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».