JP2020082827A - 航空機の状態判定装置及び航空機の状態判定方法 - Google Patents

Abstract

【課題】飛行データに基づく航空機の状態を適切に判定することができる航空機の状態判定装置等を提供する。【解決手段】航空機の状態を判定する処理部を備える航空機の状態判定装置において、処理部は、航空機の飛行データを取得する取得ステップＳ１と、取得した飛行データに含まれるパラメータの特徴量を抽出する抽出ステップＳ２〜Ｓ６と、抽出した特徴量に基づいて、航空機の状態を判定する判定ステップＳ７〜Ｓ１０と、を実行する。処理部は、判定ステップＳ７〜Ｓ１０において、マハラノビス・タグチ・メソッドを用いて、抽出した特徴量に基づき、航空機の状態を判定する。【選択図】図２

Description

本発明は、航空機の状態判定装置及び航空機の状態判定方法に関するものである。

従来、モータ駆動機構の機械異常を判定する異常判定装置が知られている（例えば、特許文献１参照）。この異常判定装置は、モータの入出力に関する時系列データを取得し、取得した時系列データのデータ異常を判定し、データ異常と判定された時系列データの取得態様に基づいて、モータ駆動機構の機械異常を判定している。

特開２０１７−１５１５９８号公報

ところで、航空機には、各種計器が設けられており、計器の一つとして、使用する燃料の流量を計測する燃料流量計が設けられている。航空機の状態の判定としては、例えば、燃料流量計の異常状態の判定がある。燃料流量計は、計測した燃料流量を計測データとして出力する。計測データは、アナログ計器である燃料流量指示計と、フライトデータレコーダ（ＦＤＲ：Flight Data Recorder）とに入力される。燃料流量計に異常が発生した場合、計測データには、スパイクノイズが生じる。燃料流量指示計は、アナログ計器であることから、スパイクノイズに追従し難い。このため、燃料流量指示計を視認しただけでは、燃料流量計に不具合が発生しているか否かを判定することは難しい。なお、特許文献１は、モータ駆動機構の機械異常を判定するために、モータの入出力に関する時系列データを用いているが、航空機の状態を判定するためのデータとはなっていない。

そこで、本発明は、飛行データに基づく航空機の状態を適切に判定することができる航空機の状態判定装置及び航空機の状態判定方法を提供することを課題とする。

本発明の航空機の状態判定装置は、航空機の状態を判定する処理部を備える航空機の状態判定装置において、前記処理部は、前記航空機の飛行データを取得する取得ステップと、取得した前記飛行データに含まれるパラメータの特徴量を抽出する抽出ステップと、抽出した前記特徴量に基づいて、前記航空機の状態を判定する判定ステップと、を実行する。

また、本発明の航空機の状態判定方法は、航空機の状態を判定する航空機の状態判定装置において実行される航空機の状態判定方法であって、前記航空機の飛行データを取得する取得ステップと、取得した前記飛行データに含まれるパラメータの特徴量を抽出する抽出ステップと、抽出した前記特徴量に基づいて、前記航空機の状態を判定する判定ステップと、が実行される。

これらの構成によれば、飛行データに含まれるパラメータの特徴量に基づいて、航空機の状態を適切に判定することができる。

また、前記航空機は、燃料流量を計測する燃料流量計を有し、前記飛行データには、前記燃料流量計の燃料流量の計測データがパラメータとして含まれ、前記処理部は、前記抽出ステップにおいて、前記燃料流量の計測データの特徴量を抽出し、前記判定ステップにおいて、マハラノビス・タグチ・メソッドを用いて、抽出した前記特徴量に基づき、前記航空機の状態として、前記燃料流量計の異常を判定することが、好ましい。

この構成によれば、燃料流量計の計測データの特徴量に基づき、マハラノビス・タグチ・メソッドを用いることで、燃料流量計の異常を精度よく判定することができる。

また、前記燃料流量の計測データは、時間の経過に伴って変化する燃料流量のデータであり、前記処理部は、前記抽出ステップにおいて、前記燃料流量の計測データを無次元化して第１のデータを生成し、前記第１のデータの移動平均を算出して第２のデータを生成し、前記第１のデータと前記第２のデータの差から高周波成分となる第３のデータを生成し、前記第３のデータの特徴量を抽出することが、好ましい。

この構成によれば、高周波成分となる第３のデータは、無次元化された第１のデータから移動平均となる第２のデータを引くことで、燃料流量の増減による影響を軽減したものとなっている。このため、高周波成分となる第３のデータを用いて特徴量を抽出することで、燃料流量の増減に関わらず、計測データに含まれるノイズを適切に抽出することができる。

また、前記処理部は、前記抽出ステップにおいて、前記第３のデータに対して、特徴量を抽出するためのしきい値である標本線を設定し、前記第３のデータの値が前記標本線のしきい値を超える数をカウントし、カウント数を特徴量として抽出することが、好ましい。

この構成によれば、標本線を用いて、特徴量を容易に抽出することができる。

また、前記標本線は、前記第３のデータに対して４本設定され、４本の前記標本線のうち、２本の前記標本線は、前記第３のデータにノイズが発生したときの前記ノイズの平均値となる振幅の両側に設定され、残りの２本の前記標本線は、前記第３のデータに前記ノイズが発生したときの前記ノイズの最大値となる振幅の両側に設定されることが、好ましい。

この構成によれば、４本の標本線を用いることで、マハラノビス・タグチ・メソッドにおける各特徴量のサンプリング数が増大することを抑制しつつ、燃料流量計の異常の判定精度を高いものとすることができる。

また、前記飛行データは、前記燃料流量を調整する燃料スロットルが定常状態となる範囲の前記飛行データを用いることが、好ましい。

この構成によれば、計測データに含まれる特徴量を適切に抽出することができる。なお、定常状態とは、例えば、エンジン始動時及びエンジン停止時を除く状態等であり、航空機の飛行中の状態等である。

また、前記航空機は、エンジンから排気される排気ガスの排気ガス温度を計測する排気ガス温度センサを有し、前記飛行データには、前記航空機のエンジンのエンジン回転数の回転数データと、前記排気ガス温度の温度データと、がパラメータとして含まれ、前記処理部は、前記抽出ステップにおいて、前記回転数データと前記温度データとを関係付けた第４のデータの特徴量を抽出し、前記判定ステップにおいて、マハラノビス・タグチ・メソッドを用いて、前記航空機の状態として、前記エンジンのエンジン特性を判定することが、好ましい。

この構成によれば、回転数データと温度データとを関係付けた第４のデータの特徴量に基づき、マハラノビス・タグチ・メソッドを用いることで、エンジンのエンジン特性を精度よく判定することができる。なお、エンジン特性としては、排気ガス温度の立ち上がりが、所定のしきい値に対して早いエンジンであるか否かである。

また、前記第４のデータは、前記エンジン回転数の変化に伴って変化する、前記エンジン回転数と排気ガス温度とを用いて算出したパラメータであり、前記処理部は、前記抽出ステップにおいて、前記第４のデータに対して、特徴量を抽出するためのしきい値である標本線を設定し、前記標本線のしきい値を超える前記エンジン回転数の回転域と、前記パラメータの最大値と、を特徴量として抽出することが、好ましい。

この構成によれば、標本線を用いて、複数の特徴量を容易に抽出することができる。

また、前記飛行データは、前記航空機のエンジンが始動状態となる範囲の前記飛行データを用いることが、好ましい。

この構成によれば、第４のデータに含まれる特徴量を適切に抽出することができる。

また、前記処理部は、前記航空機の状態の判定を、試験中において取得した前記飛行データに基づいて実行することが、好ましい。

この構成によれば、航空機の試験中に、航空機の状態を判定することができる。

また、前記処理部は、前記航空機の状態の判定を、リアルタイムに取得する前記飛行データに基づいて実行することが、好ましい。

この構成によれば、航空機の飛行中に、航空機の状態をリアルタイムに判定することができる。

図１は、実施形態１に係る航空機の状態判定装置に関する図である。 図２は、実施形態１に係る航空機の状態判定方法に関する一例のフローチャートである。 図３は、高周波成分データの算出に関する説明図である。 図４は、標本線の設定に関する説明図である。 図５は、抽出された特徴量に関する説明図である。 図６は、特徴量に基づく異常判定に関する説明図である。 図７は、実施形態１に係る航空機の状態判定方法に関する一例のフローチャートである。 図８は、エンジン回転数により変化する排気ガス温度のグラフである。 図９は、特徴量の抽出に用いられるエンジン回転数と排気ガス温度との関係を示すグラフである。 図１０は、実施形態２に係る航空機の状態判定装置に関する図である。

以下に、本発明に係る実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。また、下記実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。さらに、以下に記載した構成要素は適宜組み合わせることが可能であり、また、実施形態が複数ある場合には、各実施形態を組み合わせることも可能である。

［実施形態１］
実施形態１に係る航空機の状態判定装置は、航空機の状態を判定するものであり、例えば、航空機に設けられる燃料流量計の異常を判定したり、航空機１に設けられるエンジンのエンジン特性を判定したりしている。

図１を参照して、実施形態１に係る航空機１の状態判定装置１０について説明する。図１は、実施形態１に係る航空機の状態判定装置に関する図である。図１に示すように、航空機１は、航空機１に設けられる各種計器と、各種計器から出力されるデータを飛行データとして記録する飛行データ記録装置（以下、ＦＤＲ（Flight Data Recorder）という）８とを備えている。各種計器は、例えば、燃料流量計３と、燃料流量指示計４と、エンジン回転数センサ５と、排気ガス温度センサ６とを含んでいる。

燃料流量計３は、航空機１のエンジンに供給される燃料の燃料流量を計測する。燃料流量計３は、計測した燃料流量に関する情報を、デジタルな燃料流量の計測データとして生成し、生成した燃料流量の計測データを出力する。燃料流量の計測データは、時間に伴って変化する燃料流量のデータである。燃料流量計３には、燃料流量指示計４が接続されており、燃料流量指示計４に計測データを出力する。また、燃料流量計３には、ＦＤＲ８が接続されており、ＦＤＲ８に計測データを出力する。

燃料流量指示計４は、航空機１を操作する操作者に、燃料流量を報知するアナログな指示計である。操作者は、燃料流量指示計４を視認することにより、燃料流量を把握することができる。

エンジン回転数センサ５は、航空機１に設けられるエンジンのエンジン回転数（ＲＰＭ：Revolutions Per Minute）を計測する。エンジン回転数センサ５は、計測したエンジン回転数に関する情報を、デジタルなエンジン回転数の計測データとして生成し、生成したエンジン回転数の計測データを出力する。エンジン回転数の計測データは、時間に伴って変化するエンジン回転数のデータである。エンジン回転数センサ５には、ＦＤＲ８が接続されており、ＦＤＲ８に計測データを出力する。

排気ガス温度センサ６は、航空機１のエンジンから排出される排気ガスの排気ガス温度（ＥＧＴ：Exhaust Gas Temperature）を計測する。排気ガス温度センサ６は、計測した排気ガス温度に関する情報を、デジタルな排気ガス温度の計測データとして生成し、生成した排気ガス温度の計測データを出力する。排気ガス温度の計測データは、時間に伴って変化する排気ガス温度のデータである。排気ガス温度センサ６には、ＦＤＲ８が接続されており、ＦＤＲ８に計測データを出力する。

ＦＤＲ８は、各種計器から出力されるデジタルな計測データを取得し、飛行データとして記録する。具体的に、ＦＤＲ８は、飛行データに含まれるパラメータとして、燃料流量計３から出力される燃料流量の計測データを取得する。また、ＦＤＲ８は、パラメータとして、エンジン回転数センサ５から出力されるエンジン回転数の計測データ（回転数データ）を取得する。さらに、ＦＤＲ８は、パラメータとして、排気ガス温度センサ６から出力される排気ガス温度の計測データ（温度データ）を取得する。ＦＤＲ８は、取得した計測データを時間に関連付けて、飛行データとして記録する。ＦＤＲ８には、状態判定装置１０が接続されており、状態判定装置１０に飛行データを出力する。

状態判定装置１０は、航空機１と別体の装置となっている。状態判定装置１０は、航空機１の試験中において記録された飛行データに基づいて、航空機１の状態を判定している。状態判定装置１０は、各種処理を実行可能な処理部１１と、各種プログラムおよびデータを記憶する記憶部１２と、を備えている。

記憶部１２は、半導体記憶デバイス、及び磁気記憶デバイス等の任意の記憶デバイスを含んでいる。記憶部１２は、処理部１１の処理結果を一時的に記憶する作業領域としても利用してもよい。記憶部１２は、各種プログラムとして、航空機１の状態を判定する処理を実行するためのプログラムを記憶している。また、記憶部１２は、データとして、ＦＤＲ８から取得した飛行データを記憶している。記憶部１２は、ＦＤＲ８に接続されている。記憶部１２は、ＦＤＲ８から飛行データを取得し、取得した飛行データを記憶する。

処理部１１は、状態判定装置１０による各種処理を実行する。処理部１１は、例えば、ＣＰＵ（Central Processing Unit）等の集積回路を含んでいる。具体的に、処理部１１は、記憶部１２に記憶されている飛行データを用いて、航空機１の状態を判定する処理を実行する。

次に、図２を参照して、状態判定装置１０による航空機１の状態を判定する状態判定方法に関する処理の一例について説明する。図２は、実施形態１に係る航空機の状態判定方法に関する一例のフローチャートである。図２に示す航空機の状態判定方法では、燃料流量計３の異常を判定している。

図２に示す状態判定方法では、先ず、処理部１１は、記憶部１２に記憶された飛行データに含まれる、燃料流量の計測データを取得する（ステップＳ１：取得ステップ）。ステップＳ１において、処理部１１は、例えば、燃料流量を調整する燃料スロットルが定常状態となる範囲の飛行データを用い、この範囲の燃料流量の計測データを取得している。

続いて、処理部１１は、取得した計測データの特徴量を抽出する抽出ステップを実行する。抽出ステップは、ステップＳ２からステップＳ６となっている。ここで、図３は、抽出ステップに関する説明図である。

処理部１１は、図３に示すように、抽出ステップにおいて、燃料流量の計測データを無次元化する（ステップＳ２）。ステップＳ２において、処理部１１は、例えば、時間変化する燃料流量を正規化することで、時間に応じて変化する無次元量のデータである無次元化データ（第１のデータ）Ｄ１を算出する。なお、無次元化する手法については、特に限定されず、代表値を用いて除算する等、何れの手法を用いてもよい。

処理部１１は、算出した無次元化データＤ１から、無次元化データＤ１の移動平均（つまり、低周波成分）となる移動平均データＤ２（第２のデータ）を算出する（ステップＳ３）。ステップＳ３において、処理部１１は、例えば、無次元化データＤ１において、所定の時点におけるデータ点と、そのデータ点の前後の時点におけるデータ点との平均をとることで、移動平均となる移動平均データＤ２を算出する。なお、移動平均の手法については、特に限定されず、上記のような単純移動平均の他、重み付けをした加重移動平均等を用いてもよく、何れの手法を用いてもよい。

処理部１１は、無次元化データＤ１と移動平均データＤ２との差分から、高周波成分となる高周波成分データＤ３（第３のデータ）を算出する（ステップＳ４）。ステップＳ４において、処理部１１は、無次元化データＤ１から移動平均データＤ２を減算することで、高周波成分データＤ３を算出する。

続いて、処理部１１は、高周波成分データＤ３に対して、特徴量を抽出するための標本線を設定する（ステップＳ５）。ここで、図４は、標本線の設定に関する説明図である。図４では、高周波成分データＤ３の一例を図示している。図４に示すように、処理部１１は、高周波成分データＤ３に対して、４本の標本線Ｌ１〜Ｌ４を設定する。２本の標本線Ｌ２，Ｌ３は、振幅がゼロになる値を挟んで、正負側に設定されており、振幅の値が所定のしきい値となっている。２本の標本線Ｌ２，Ｌ３は、そのしきい値が、高周波成分データＤ３にノイズが発生したときの、ノイズの振幅の平均値となっている。２本の標本線Ｌ１，Ｌ４は、振幅がゼロになる値を挟んで、正負側に設定されており、振幅の値（絶対値）が、２本の標本線Ｌ２，Ｌ３よりも大きなしきい値となっている。２本の標本線Ｌ１，Ｌ４は、そのしきい値が、高周波成分データＤ３にノイズが発生したときの、ノイズの振幅が最大となる最大値となっている。

処理部１１は、４本の標本線Ｌ１〜Ｌ４を設定すると、４本の標本線Ｌ１〜Ｌ４のしきい値を超える数をカウントし、カウント数を特徴量として抽出する（ステップＳ６）。図５は、抽出された特徴量に関する説明図である。なお、図５は、抽出された特徴量の一例となっている。図５に示すように、標本線Ｌ１を超えたカウント数は、「０」となっている。標本線Ｌ２を超えたカウント数は、「４」となっている。標本線Ｌ３を超えたカウント数は、「４」となっている。標本線Ｌ４を超えたカウント数は、「０」となっている。

続いて、処理部１１は、ステップＳ６において抽出した特徴量に基づき、マハラノビス・タグチ・メソッド（ＭＴ法）を用いて、燃料流量計の異常を判定する判定ステップを実行する。判定ステップは、ステップＳ７からステップＳ１０となっている。ここで、図６は、特徴量に基づく異常判定に関する説明図である。

処理部１１は、判定ステップにおいて、抽出した特徴量に基づいて、単位空間からのマハラノビス距離ＭＤを算出する（ステップＳ７）。ここで、マハラノビス距離Ｄは、単位空間の中心からの距離である。なお、単位空間は、燃料流量計３が正常である（異常がない）とされる複数のデータ点及びステップＳ５で設定した標本線に基づいて設定されたものが予め用意されている。

処理部１１は、マハラノビス距離ＭＤを算出すると、算出したマハラノビス距離ＭＤが、予め設定されたしきい値以上となっているか否かを判定する（ステップＳ８）。処理部１１は、算出したマハラノビス距離ＭＤがしきい値以上である場合（ステップＳ８：Ｙｅｓ）、燃料流量計３の異常有りと判定する（ステップＳ９）。一方で、処理部１１は、算出したマハラノビス距離ＭＤがしきい値未満である場合（ステップＳ８：Ｎｏ）、燃料流量計３の異常無しと判定する（ステップＳ１０）。処理部１１は、ステップＳ９またはステップＳ１０の実行後、燃料流量計３の異常を判定する処理を終了する。

次に、図７を参照して、状態判定装置１０による航空機１の状態を判定する状態判定方法に関する処理の他の一例について説明する。図７は、実施形態１に係る航空機の状態判定方法に関する一例のフローチャートである。図７に示す航空機の状態判定方法では、航空機１のエンジンのエンジン特性を判定している。具体的に、エンジン特性は、エンジン始動時において、エンジンから排出される排気ガス温度が上昇し易いエンジンであるか否かの特性である。

図７に示す状態判定方法では、先ず、処理部１１は、記憶部１２に記憶された飛行データに含まれる、エンジン回転数の計測データと、排気ガス温度の計測データとを取得する（ステップＳ２１：取得ステップ）。ステップＳ２１において、処理部１１は、例えば、航空機１のエンジンが始動状態となる範囲の飛行データを用い、この範囲のエンジン回転数の計測データと排気ガス温度の計測データとを取得している。

続いて、処理部１１は、取得した計測データの特徴量を抽出する抽出ステップを実行する。抽出ステップは、ステップＳ２２からステップＳ２４となっている。ここで、図８は、エンジン回転数により変化する排気ガス温度のグラフである。また、図９は、特徴量の抽出に用いられるエンジン回転数と排気ガス温度との関係を示すグラフである。

処理部１１は、図８及び図９に示すように、抽出ステップにおいて、エンジン回転数と排気ガス温度との関係を示すデータ（第４のデータ）Ｄ４を生成する（ステップＳ２２）。データＤ４は、図８のグラフに基づいて生成される図９に示すグラフに関するデータである。図８は、その横軸がエンジン回転数（ＲＰＭ）となっており、その縦軸が排気ガス温度（ＥＧＴ）となっている。つまり、図８は、エンジン回転数に応じて変化する排気ガス温度のグラフとなっている。ステップＳ２において、処理部１１は、エンジン回転数の計測データ及び排気ガス温度の計測データから、所定の時点におけるエンジン回転数と、所定の時点における排気ガス温度とを対応付けることで、図８のグラフを生成する。図８のグラフには、エンジン回転数に応じて変化する排気ガス温度が、複数のケース数分、図示されている。

処理部１１は、図８のグラフに対して、その縦軸の排気ガス温度に対し、エンジン回転数を用いた演算処理を行うことで、特徴量の抽出に適した縦軸とする。つまり、図９のグラフは、その横軸がエンジン回転数（ＲＰＭ）となっており、その縦軸がエンジン回転数と排気ガス温度とを用いて算出したパラメータとなっている。処理部１１は、図８のグラフに基づいて、図９に示すデータＤ４を生成する。図９のグラフには、図８の複数のケース数に応じて、複数のケース数のデータＤ４が図示されている。

なお、処理部１１は、ステップＳ２２において、図８のグラフから、図９のグラフを生成したが、エンジン回転数の計測データ及び排気ガス温度の計測データから図９のグラフを生成してもよい。

続いて、処理部１１は、図９に示すデータＤ４に対して、特徴量を抽出するための標本線を設定する（ステップＳ２３）。図９に示すように、処理部１１は、データＤ４に対して、１本の標本線Ｌ５を設定する。１本の標本線Ｌ５は、縦軸のパラメータ値が所定のしきい値となっている。

処理部１１は、１本の標本線Ｌ５を設定すると、標本線Ｌ５のしきい値を超えるエンジン回転数の回転域Ｈと、パラメータの最大値Ｐとを、特徴量として抽出する（ステップＳ２４）。回転域Ｈは、パラメータ値が標本線Ｌ５のしきい値を超えてから、パラメータ値が標本線Ｌ５のしきい値を下回るまでのエンジン回転数の帯域である。つまり、回転域Ｈは、パラメータ値が標本線Ｌ５のしきい値を超えたときのエンジン回転数と、パラメータが標本線Ｌ５のしきい値を下回ったときのエンジン回転数との間の回転数の帯域である。最大値Ｐは、エンジンの始動時における、エンジン回転数の全域に亘って、パラメータ値が最大となる値である。

続いて、処理部１１は、ステップＳ２４において抽出した特徴量に基づき、マハラノビス・タグチ・メソッド（ＭＴ法）を用いて、エンジン特性を判定する判定ステップを実行する。判定ステップは、ステップＳ２５からステップＳ２８となっている。なお、特徴量に基づくエンジン特性の判定は、図６における異常判定とほぼ同様の判定となっている。

処理部１１は、判定ステップにおいて、抽出した特徴量、つまり、回転域Ｈ及び最大値Ｐに基づいて、単位空間からのマハラノビス距離ＭＤを算出する（ステップＳ２５）。マハラノビス距離Ｄは、単位空間の中心からの距離であり、単位空間は、エンジン特性がないとされる複数のデータ点に基づいて設定されたものが予め用意されている。

処理部１１は、マハラノビス距離ＭＤを算出すると、算出したマハラノビス距離ＭＤが、予め設定されたしきい値以上となっているか否かを判定する（ステップＳ２６）。処理部１１は、算出したマハラノビス距離ＭＤがしきい値以上である場合（ステップＳ２６：Ｙｅｓ）、エンジン特性有りと判定する（ステップＳ２７）。一方で、処理部１１は、算出したマハラノビス距離ＭＤがしきい値未満である場合（ステップＳ２６：Ｎｏ）、燃料流量計３のエンジン特性無しと判定する（ステップＳ２８）。なお、エンジン特性有りの判定とは、エンジンから排出される排気ガス温度が上昇し易いエンジンであるとの判定である。また、エンジン特性無しの判定とは、エンジンから排出される排気ガス温度が上昇し易いエンジンでないとの判定である。処理部１１は、ステップＳ２７またはステップＳ２８の実行後、燃料流量計３の異常を判定する処理を終了する。

なお、処理部１１は、ステップＳ２７において、エンジン特性有りと判定した場合、航空機１の操作者に対して、「航空機１のエンジンは、エンジンから排出される排気ガス温度が上昇し易いエンジン特性である」旨の報知を行う。

以上のように、実施形態１によれば、状態判定装置１０は、飛行データに含まれるパラメータの特徴量に基づいて、試験中の航空機１の状態を適切に判定することができる。

また、実施形態１によれば、状態判定装置１０は、燃料流量計３の計測データの特徴量に基づき、マハラノビス・タグチ・メソッドを用いることで、燃料流量計３の異常を精度よく判定することができる。

また、実施形態１によれば、無次元化データＤ１から移動平均データＤ２を引くことで、高周波成分データＤ３を燃料流量の増減による影響を軽減したデータとすることができる。このため、状態判定装置１０は、高周波成分データＤ３を用いて特徴量を抽出することで、燃料流量の増減に関わらず、計測データに含まれるノイズを適切に抽出することができる。

また、実施形態１によれば、燃料流量計３の異常の判定において、標本線Ｌ１〜Ｌ４を用いることで、計測データの特徴量を容易に抽出することができる。

また、実施形態１によれば、状態判定装置１０は、４本の標本線Ｌ１〜Ｌ４を用いることで、マハラノビス・タグチ・メソッドにおける各特徴量のサンプリング数が増大することを抑制しつつ、燃料流量計３の異常の判定精度を高いものとすることができる。

また、実施形態１によれば、燃料流量を調整する燃料スロットルが定常状態となる範囲の飛行データを用いることにより、燃料流量計３の計測データに含まれる特徴量を適切に抽出することができる。

また、実施形態１によれば、状態判定装置１０は、エンジン回転数と排気ガス温度とを関係付けたデータＤ４の特徴量に基づき、マハラノビス・タグチ・メソッドを用いることで、エンジンのエンジン特性を精度よく判定することができる。

また、実施形態１によれば、エンジン特性の判定において、状態判定装置１０は、標本線Ｌ５を用いることで、複数の特徴量を容易に抽出することができる。

また、実施形態１によれば、航空機１のエンジンが始動状態となる範囲の飛行データを用いることにより、エンジン回転数と排気ガス温度とを関係付けたデータＤ４に含まれる特徴量を適切に抽出することができる。

なお、実施形態１では、高周波成分データＤ３を用いて、燃料流量計３の異常判定を行ったが、無次元化データＤ１を用いて、または燃料流量の計測データをそのまま用いて、異常判定を行ってもよい。この場合、無次元化データＤ１または燃料流量の計測データに、標本線を設定して、特徴量を抽出する。

［実施形態２］
次に、図１０を参照して、実施形態２に係る状態判定装置３０について説明する。なお、実施形態２では、重複した記載を避けるべく、実施形態１と異なる部分について説明し、実施形態１と同様の構成である部分については、同じ符号を付して説明する。図１０は、実施形態２に係る航空機の状態判定装置に関する図である。

実施形態１の状態判定装置１０は、航空機１と別体の装置となっており、航空機１の試験中において取得した飛行データを、ＦＤＲ８から取得して、航空機１の状態を判定した。実施形態２の状態判定装置３０は、航空機１に設けられ、航空機１の飛行中において取得した飛行データを、各種計器から取得して、航空機１の状態を判定している。なお、実施形態２において、状態判定装置３０は、各種計器から飛行データを取得するが、ＦＤＲ８を介して飛行データを取得してもよく、特に限定されない。

状態判定装置３０は、実施形態１と同様に、各種処理を実行可能な処理部１１と、各種プログラムおよびデータを記憶する記憶部１２と、を備えている。記憶部１２は、各種計器が接続され、例えば、上記の燃料流量計３、エンジン回転数センサ５及び排気ガス温度センサ６が接続されている。記憶部１２は、燃料流量計３、エンジン回転数センサ５及び排気ガス温度センサ６から各種の計測データを取得する。なお、処理部１１と記憶部１２とは、実施形態１と同様であるため、説明を省略する。

実施形態２の状態判定装置３０による航空機１の状態判定方法に関する処理については、実施形態１とほぼ同様である。一方で、燃料流量計３の異常の判定に関し、移動平均データＤ２の算出について一部異なっている。飛行データは、実施形態１と異なり、リアルタイムに取得される。このため、移動平均データＤ２は、現在の時点から過去の所定の期間（例えば、現在の時点から過去のａ秒間）の無次元化データＤ１を用いて算出される。

以上のように、実施形態２によれば、状態判定装置３０は、飛行データに含まれるパラメータの特徴量に基づいて、飛行中の航空機１の状態を適切に判定することができる。

１ 航空機
３ 燃料流量計
４ 燃料流量指示計
５ エンジン回転数センサ
６ 排気ガス温度センサ
１０ 状態判定装置
１１ 処理部
１２ 記憶部
３０ 状態判定装置
Ｄ１ 無次元化データ
Ｄ２ 移動平均データ
Ｄ３ 高周波成分データ
Ｄ４ データ
Ｌ１〜Ｌ５ 標本線

Claims (12)

1. 航空機の状態を判定する処理部を備える航空機の状態判定装置において、
   前記処理部は、
   前記航空機の飛行データを取得する取得ステップと、
   取得した前記飛行データに含まれるパラメータの特徴量を抽出する抽出ステップと、
   抽出した前記特徴量に基づいて、前記航空機の状態を判定する判定ステップと、を実行する航空機の状態判定装置。
2. 前記航空機は、燃料流量を計測する燃料流量計を有し、
   前記飛行データには、前記燃料流量計の燃料流量の計測データがパラメータとして含まれ、
   前記処理部は、前記抽出ステップにおいて、前記燃料流量の計測データの特徴量を抽出し、前記判定ステップにおいて、マハラノビス・タグチ・メソッドを用いて、抽出した前記特徴量に基づき、前記航空機の状態として、前記燃料流量計の異常を判定する請求項１に記載の航空機の状態判定装置。
3. 前記燃料流量の計測データは、時間の経過に伴って変化する燃料流量のデータであり、
   前記処理部は、前記抽出ステップにおいて、前記燃料流量の計測データを無次元化して第１のデータを生成し、前記第１のデータの移動平均を算出して第２のデータを生成し、前記第１のデータと前記第２のデータの差から高周波成分となる第３のデータを生成し、前記第３のデータの特徴量を抽出する請求項２に記載の航空機の状態判定装置。
4. 前記処理部は、前記抽出ステップにおいて、前記第３のデータに対して、特徴量を抽出するためのしきい値である標本線を設定し、前記第３のデータの値が前記標本線のしきい値を超える数をカウントし、カウント数を特徴量として抽出する請求項３に記載の航空機の状態判定装置。
5. 前記標本線は、前記第３のデータに対して４本設定され、
   ４本の前記標本線のうち、２本の前記標本線は、前記第３のデータにノイズが発生したときの前記ノイズの平均値となる振幅の両側に設定され、残りの２本の前記標本線は、前記第３のデータに前記ノイズが発生したときの前記ノイズの最大値となる振幅の両側に設定される請求項４に記載の航空機の状態判定装置。
6. 前記飛行データは、前記燃料流量を調整する燃料スロットルが定常状態となる範囲の前記飛行データを用いる請求項２から５のいずれか１項に記載の航空機の状態判定装置。
7. 前記航空機は、エンジンから排気される排気ガスの排気ガス温度を計測する排気ガス温度センサを有し、
   前記飛行データには、前記航空機のエンジンのエンジン回転数の回転数データと、前記排気ガス温度の温度データと、がパラメータとして含まれ、
   前記処理部は、前記抽出ステップにおいて、前記回転数データと前記温度データとを関係付けた第４のデータの特徴量を抽出し、前記判定ステップにおいて、マハラノビス・タグチ・メソッドを用いて、前記航空機の状態として、前記エンジンのエンジン特性を判定する請求項１に記載の航空機の状態判定装置。
8. 前記第４のデータは、前記エンジン回転数の変化に伴って変化する、前記エンジン回転数と排気ガス温度とを用いて算出したパラメータであり、
   前記処理部は、前記抽出ステップにおいて、前記第４のデータに対して、特徴量を抽出するためのしきい値である標本線を設定し、前記標本線のしきい値を超える前記エンジン回転数の回転域と、前記パラメータの最大値と、を特徴量として抽出する請求項７に記載の航空機の状態判定装置。
9. 前記飛行データは、前記航空機のエンジンが始動状態となる範囲の前記飛行データを用いる請求項７または８に記載の航空機の状態判定装置。
10. 前記処理部は、前記航空機の状態の判定を、試験中において取得した前記飛行データに基づいて実行する請求項１から９のいずれか１項に記載の航空機の状態判定装置。
11. 前記処理部は、前記航空機の状態の判定を、リアルタイムに取得する前記飛行データに基づいて実行する請求項１から９のいずれか１項に記載の航空機の状態判定装置。
12. 航空機の状態を判定する航空機の状態判定装置において実行される航空機の状態判定方法であって、
    前記航空機の飛行データを取得する取得ステップと、
    取得した前記飛行データに含まれるパラメータの特徴量を抽出する抽出ステップと、
    抽出した前記特徴量に基づいて、前記航空機の状態を判定する判定ステップと、が実行される航空機の状態判定方法。

Images