Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
METHOD FOR MONITORING AN AIRCRAFT ENGINE OPERATING IN A GIVEN ENVIRONMENT
Document Type and Number:
WIPO Patent Application WO/2016/075409
Kind Code:
A1
Abstract:
The present invention relates to method for monitoring an engine (1) of an aircraft (2) operating in a given environment. The invention is characterized in that it comprises the implementation, via means for data processing (31), of the steps of: (a) receiving a sequence of n-tuples (x1- exec... xn- exec; yexec) of physical-parameter values relating to said aircraft (2) engine (1), including at least one endogenous parameter specific to the operation of the engine (1) and at least one exogenous parameter specific to said environment; (b) For each n-tuple (x1- exec... xn- exec; yexec) of the received sequence, calculating, according to a regression model, a standardized value (yexec-norm) of the endogenous parameter in relation to the exogenous parameters; (c) identifying at least one stabilized phase in said normalized sequence of n-tuples (x1- exec... xn- exec:; yexec-norm) from a set of phase signatures; (d) for each stabilized phase, calculating the mean values of the physical parameters on the portion of the sequence of n-tuples (x1- exec... xn- exec; yexec) corresponding to the stabilized phase, in order to obtain an n-tuple (x1...xn;y) defining a recurrent point of said flight of the aircraft (2).

More Like This:
Inventors:
GOUBY, Aurélie (Moissy-Cramayel Cedex, F-77550, FR)
BOTHIER, Guillaume (Moissy-Cramayel Cedex, F-77550, FR)
Application Number:
FR2015/053050
Publication Date:
May 19, 2016
Filing Date:
November 10, 2015
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
SNECMA (2 boulevard du Général Martial Valin, Paris, F-75015, FR)
International Classes:
G05B23/02; B64F5/00
Foreign References:
FR2971595A12012-08-17
FR2939928A12010-06-18
EP1630633A22006-03-01
FR2971595A12012-08-17
FR2939928A12010-06-18
Attorney, Agent or Firm:
REGIMBEAU (20 rue de Chazelles, Paris Cedex 17, Paris Cedex 17, F-75847, FR)
Download PDF:
Claims:
REVENDICATIONS

1. Procédé de surveillance d'un moteur (1 ) d'aéronef (2) en fonctionnement dans un environnement donné, caractérisé en ce qu'il comprend la mise en œuvre par des moyens de traitement de données (31 ) d'étapes de :

(a) Réception d'une séquence de n-uplets de valeurs de paramètres physiques relatifs audit moteur (1 ) d'aéronef (2), dont au moins un paramètre endogène propre au fonctionnement du moteur (1 ) et au moins un paramètre exogène propre audit environnement, lesdites valeurs étant mesurées au cours du temps par des capteurs (20) de sorte que chaque n-uplet de la séquence définit un point d'un vol dudit aéronef (2), un ensemble de séquences de référence de n-uplets (x1i - Xni;yi)i∈[1,p] de valeurs desdits paramètres physiques étant stocké dans une base de données stockée sur des moyens de stockage de données (32) ;

(b) Pour chaque n-uplet de la séquence reçue, calcul en fonction d'un modèle de régression associé à un sous- ensemble dudit ensemble de séquences de référence de n-uplets ( d'une valeur normalisée du paramètre

endogène par rapport aux paramètres exogènes, de sorte à obtenir une séquence de n-uplets normalisés · '

(c) Identification d'au moins une phase stabilisée dans ladite séquence

de n-uplets normalisée à partir d'un ensemble de signatures de phases stocké dans ladite base de données des moyens de stockage de données (32), chaque signature étant définie par un n-uplet de valeurs des paramètres physiques et un n-uplet de

valeurs de variance associée, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec les valeurs du n-uplet d'une signature à la variance associée près ; (d) Pour chaque phase stabilisée, calcul de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de

sorte à obtenir un n-uplet définissant un point récurrent dudit vol de l'aéronef (2), et transmission à des moyens d'interface (33).

2. Procédé selon la revendication 1 , dans lequel l'étape (a) comprend la séparation des valeurs des paramètres exogènes et des valeurs (yexec) des paramètres endogènes. 3. Procédé selon l'une des revendications 1 et 2, dans lequel l'étape (b) comprend, pour chaque n-uplet de

la séquence reçue, une étape préalable (bO) de détermination d'une classe exogène du n-uplet en fonction des valeurs des paramètres exogènes dudit n-uplet, parmi une pluralité de classes exogènes chacune définie par les valeurs des paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets (x1i - Xni;yi)i∈[1,p]

4. Procédé selon la revendication 3, dans lequel l'étape (bO) comprend la projection dudit n-uplet dans les classes de contextes de sorte à identifier la classe exogène la plus proche selon un critère de distance.

5. Procédé selon l'une des revendications 3 et 4, dans lequel le modèle de régression utilisé à l'étape (b) pour un n-uplet de la séquence reçue est le modèle associé à la classe exogène déterminée pour ledit n-uplet

6. Procédé selon la revendication 5, comprenant une phase préalable de traitement dudit ensemble de séquences de référence de n-uplets (x1i - Xni;yi)i∈[1,p] de la base de données, comprenant la mise en œuvre par des moyens de traitement de données (31 ) d'étapes de : (aO) classification des séquences de référence de n-uplets de sorte à générer ladite pluralité de classes

exogènes ;

(a1 ) pour chaque classe exogène, détermination dudit modèle de régression associé au sous-ensemble dudit ensemble de séquences de référence de n-uplets par une régression

modélisant la valeur y du paramètre endogène en fonction des valeurs x1 ... xn des paramètres exogènes à partir de l'ensemble des n-uplets de la classe exogène ;

(a2) pour chaque n-uplet de l'ensemble de séquences

de référence, calcul pour la classe exogène (y) du n-uplet d'une valeur estimée du paramètre endogène

et d'un résidu associé ;

(a3) Pour chaque n-uplet de l'ensemble de séquences

de référence, calcul de la valeur normalisée du paramètre

endogène par rapport aux paramètres exogènes, de sorte à obtenir un ensemble de séquences de référence de n-uplets normalisés

(a4) pour chaque séquence de référence de n-uplets normalisés identification d'au moins une phase stabilisée dans ladite séquence de référence de n-uplets normalisée une phase stabilisée correspondant à une

partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés sont constantes à une variance donnée près ;

(a5) pour chaque phase stabilisée de chaque séquence de référence, calcul de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à

la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent potentiel d'un vol de l'aéronef (2) ;

(a6) classification des n-uplets définissant un point récurrent

potentiel obtenus de sorte à générer une pluralité de cellules, chacune associée à un sous-ensemble des n-uplets

définissant un point récurrent potentiel ;

(a7) pour au moins une cellule générée, calcul d'un n-uplet

de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée de sorte à définir une signature de phase associée à la cellule, et stockage des signatures de phases dans ladite base de données des moyens de stockage de données (32).

7. Procédé selon la revendication 6, dans laquelle la classification des étapes (aO) et (a6) est mise en œuvre conformément à une méthode non-supervisée choisie parmi l'algorithme des k-moyennes, la méthode des cartes auto-adaptatives de Kohonen et la classification ascendante hiérarchique (CAH). 8. Procédé selon l'une des revendications 6 et 7, dans laquelle l'étape (a6) comprend, pour chaque cellule générée, le calcul d'une densité de la cellule définie comme le nombre de séquences de référence pour lesquelles la cellule comprend au moins un n-uplet

définissant un point récurrent potentiel obtenu, l'étape (a7) étant mise en œuvre pour les cellules présentant la densité la plus élevée.

9. Procédé selon l'une des revendications 1 à 8, dans laquelle chaque paramètre endogène est choisi parmi une pression en sortie d'un booster du moteur (1 ), une pression statique en entrée d'une chambre de combustion du moteur (1 ), une température en sortie du booster du moteur (1 ), une température des gaz d'échappement du moteur (1 ), un débit massique de carburant en entrée d'un compresseur Haute- Pression du moteur (1 ), et un régime de rotation Haute-Pression en entrée du compresseur Haute-Pression du moteur (1 ). 10. Procédé selon l'une des revendications 1 à 9, dans laquelle chaque paramètre exogène est choisi parmi une altitude, une température en entrée d'une soufflante du moteur (1 ), et un régime de rotation basse pression en entrée de la soufflante du moteur (1 ). 11. Procédé selon l'une des revendications 1 à 10, comprenant l'ajout de la séquence reçue de n-uplets

audit ensemble de séquences de référence de n-uplets

12. Equipement (3) de surveillance d'un moteur (1 ) d'aéronef (2) en fonctionnement dans un environnement donné, comprenant :

- des moyens de traitement de données (31 ),

- des moyens de stockage de données (32) stockant dans une base de données :

o un ensemble de séquences de référence de n-uplets de valeurs de paramètres physiques relatifs

audit moteur (1 ) d'aéronef (2), dont au moins un paramètre endogène propre au fonctionnement du moteur (1 ) et au moins un paramètre exogène propre audit environnement, et o un ensemble de signatures de phases, chaque signature étant définie par un n-uplet de valeurs des paramètres physiques et un n-uplet de

valeurs de variance associée,

- des moyens d'interface (33),

l'équipement (3) étant caractérisé en ce que les moyens de traitement de données (31 ) sont configurés pour mettre en œuvre :

- Un module de réception d'une séquence de n-uplets de valeurs des paramètres physiques relatifs

audit moteur (1 ) d'aéronef (2), lesdites valeurs étant mesurées au cours du temps par des capteurs (20) de sorte que chaque n-uplet de la séquence définit un point d'un vol dudit aéronef (2) ;

- Un module de calcul, pour chaque n-uplet de

la séquence reçue, en fonction d'un modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n- uplets d'une valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir une séquence de n-uplets normalisés

- Un module d'identification d'au moins une phase stabilisée dans ladite séquence de n-uplets normalisée à partir dudit ensemble de signatures de phases, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec

les valeurs du n-uplet d'une signature à la variance

associée près ;

- Un module de calcul, pour chaque phase stabilisée, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un

point récurrent dudit vol de l'aéronef (2) ; et - Un module de transmission des points récurrents aux moyens d'interface (33).

13. Equipement selon la revendication 12, dans lequel le module de traitement de données (31 ) est en outre configuré pour mettre en œuvre :

- Un module de classification des séquences de référence de n-uplets de sorte à générer une pluralité de classes

exogènes chacune définie par les valeurs des paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets

- Une module de détermination, pour chaque classe exogène, dudit modèle de régression associé au sous-ensemble dudit ensemble de séquences de référence de n-uplets par une

régression modélisant la valeur y du paramètre endogène en fonction des valeur x1 ... xn des paramètres exogènes à partir de l'ensemble des n-uplets de la classe exogène ;

- Un module de calcul, pour chaque n-uplet de l'ensemble de séquences de référence, d'une valeur estimée du paramètre endogène et d'un résidu associé pour la classe exogène (y) du n-uplet

- Un module de calcul, pour chaque n-uplet de

l'ensemble de séquences de référence, de la valeur normalisée du paramètre endogène par rapport aux paramètres

exogènes, de sorte à obtenir un ensemble de séquences de référence de n-uplets normalisés

- Un module d'identification, pour chaque séquence de référence de n- uplets normalisés d'au moins une phase

stabilisée dans ladite séquence de référence de n-uplets normalisée une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés sont constantes à une variance donnée

près ;

Un module de calcul, pour chaque phase stabilisée de chaque séquence de référence, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte

à obtenir un n-uplet définissant un point récurrent potentiel d'un vol de l'aéronef (2) ;

Un module de classification des n-uplets définissant un

point récurrent potentiel obtenu de sorte à générer une pluralité de cellules, chacune associée à un sous-ensemble des n-uplets définissant un point récurrent potentiel ;

Un module de calcul, pour au moins une cellule générée, d'un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée de sorte à définir une signature de phase associée à la cellule, et de stockage des signatures de phases dans ladite base de données des moyens de stockage de données (32).

Description:
Procédé de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné

DOMAINE TECHNIQUE GENERAL

La présente invention concerne le domaine du « Health Monitoring » des équipements aéronautiques.

Plus précisément, elle concerne un procédé de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné.

ETAT DE L'ART

Le Health Monitoring (en français surveillance de l'état de santé) désigne le suivi de l'évolution de la santé et de l'état d'un équipement, en particulier une turbomachine, tout au long de sa vie.

Un des objectifs du Health Monitoring est d'anticiper et planifier les opérations de maintenance de manière suffisamment pertinente pour éviter tout problème qui pourrait causer un dysfonctionnement voire une panne (aux conséquences probablement dramatiques si elle a lieu en l'air). A cette fin, on cherche à suivre finement tous les paramètres moteurs accessibles permettant de prévoir des opérations de maintenance préventives plutôt que curatives (qui sont notamment plus coûteuses).

La mise en place du suivi du moteur requiert une expertise fine du fonctionnement du moteur en fonction de ses propres paramètres de fonctionnement (paramètres dits « endogènes », par exemple la pression en entrée de la chambre de combustion, la température des gaz d'échappement, etc.) mais aussi des paramètres extérieurs, liés à l'environnement (paramètres dit « exogènes », par exemple l'altitude ou la température de l'air entrant). Il a été proposé d'analyser le comportement d'un moteur par comparaison aux comportements rencontrés dans le passé (voir la demande de brevet FR2971595). Pour ce faire, il faut pouvoir comparer les moteurs entre eux, c'est-à-dire qu'il faut supprimer l'influence du contexte sur les paramètres étudiés, en d'autres termes les normaliser (par exemple, les vols subsahariens présentent une température des gaz d'échappement qui sera plus élevée que la normale, sans pour autant que le fonctionnement du moteur soit anormal).

Ces méthodes de normalisation, qui fonctionnent par apprentissage d'un modèle, sont construites avec un point précis et représentatif du vol : le « snapshot » (en français « instantané »). Ces points représentatifs du vol seront appelés par la suite points récurrents vol à vol.

Si pour les moteurs civils, où la phase de snapshot est typiquement une phase de croisière, ces méthodes apportent entière satisfaction, la situation est plus compliquée pour les moteurs militaires. En effet, le profil de vol est différent : un avion de reconnaissance change constamment de régime et d'altitude.

La modélisation via un fonctionnement « moyen » permet ainsi très difficilement de prendre en compte les conditions de fonctionnement d'un moteur d'un avion de chasse qui peut être poussé à ses limites dans ces conditions extérieures très sévères au cours de certaines missions

Il serait donc souhaitable de disposer d'une façon fiable, efficace, et reproductible de surveiller le fonctionnement d'un moteur d'aéronef y compris militaire, quelles que soient la variété, la diversité et l'étendue de ses opérations.

PRESENTATION DE L'INVENTION

La présente invention propose selon un premier aspect un procédé de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné, caractérisé en ce qu'il comprend la mise en œuvre par des moyens de traitement de données d'étapes de : (a) Réception d'une séquence de n-uplets de valeurs de paramètres physiques relatifs audit moteur d'aéronef, dont au moins un paramètre endogène propre au fonctionnement du moteur et au moins un paramètre exogène propre audit environnement, lesdites valeurs étant mesurées au cours du temps par des capteurs de sorte que chaque n-uplet de la séquence définit un point d'un vol dudit aéronef, un ensemble de séquences de référence de n-uplets de valeurs desdits paramètres physiques étant stocké dans une base de données stockée sur des moyens de stockage de données ;

(b) Pour chaque n-uplet de la séquence reçue, calcul en fonction d'un modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n-uplets, d'une valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir une séquence de n-uplets normalisés ;

(c) Identification d'au moins une phase stabilisée dans ladite séquence de n-uplets normalisée à partir d'un ensemble de signatures de phases stocké dans ladite base de données des moyens de stockage de données, chaque signature étant définie par un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec les valeurs du n-uplet d'une signature à la variance associée près ;

(d) Pour chaque phase stabilisée, calcul de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent dudit vol de l'aéronef, et transmission à des moyens d'interface.

La normalisation des paramètres endogènes permet de s'affranchir contexte et de pouvoir comparer deux vols, et l'utilisation des signatures permet de trouver des phases stabilisées et par là des points récurrents vol à vol caractérisant facilement et efficacement le comportement du moteur par rapport à des comportements connus. Selon d'autres caractéristiques avantageuses et non limitatives :

• l'étape (a) comprend la séparation des valeurs des paramètres exogènes et des valeurs des paramètres endogènes ;

• l'étape (b) comprend, pour chaque n-uplet de la séquence reçue, une étape préalable (bO) de détermination d'une classe exogène du n-uplet en fonction des valeurs des paramètres exogènes dudit n-uplet, parmi une pluralité de classes exogènes chacune définie par les valeurs des paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets ;

• l'étape (bO) comprend la projection dudit n-uplet dans les classes de contextes de sorte à identifier la classe exogène la plus proche selon un critère de distance ;

• le modèle de régression utilisé à l'étape (b) pour un n-uplet de la séquence reçue est le modèle associé à la classe exogène déterminée pour ledit n-uplet ;

· le procédé comprend une phase préalable de traitement dudit ensemble de séquences de référence de n-uplets de la base de données, comprenant la mise en œuvre par des moyens de traitement de données d'étapes de : (aO) classification des séquences de référence de n-uplets de sorte à générer ladite pluralité de classes exogènes ;

(a1 ) pour chaque classe exogène, détermination dudit modèle de régression associé au sous-ensemble dudit ensemble de séquences de référence de n-uplets par une régression modélisant la valeur du paramètre endogène en fonction des valeur des paramètres exogènes à partir de l'ensemble des n-uplets de la classe exogène ; (a2) pour chaque n-uplet de l'ensemble de séquences de référence, calcul pour la classe exogène du n-uplet d'une valeur estimée du paramètre endogène et d'un résidu associé ; (a3) Pour chaque n-uplet de l'ensemble de séquences de référence, calcul de la valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir un ensemble de séquences de référence de n-uplets normalisés ;

(a4) pour chaque séquence de référence de n-uplets normalisés, identification d'au moins une phase stabilisée dans ladite séquence de référence de n-uplets normalisée, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés sont constantes à une variance donnée près ;

(a5) pour chaque phase stabilisée de chaque séquence de référence, calcul de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent potentiel d'un vol de l'aéronef ;

(a6) classification des n-uplets définissant un point récurrent potentiel obtenus de sorte à générer une pluralité de cellules, chacune associée à un sous-ensemble des n-uplets définissant un point récurrent potentiel ;

(a7) pour au moins une cellule générée, calcul d'un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée de sorte à définir une signature de phase associée à la cellule, et stockage des signatures de phases dans ladite base de données des moyens de stockage de données.

• la classification des étapes (aO) et (a6) est mise en œuvre conformément à une méthode non-supervisée choisie parmi l'algorithme des k-moyennes, la méthode des cartes auto-adaptatives de Kohonen et la classification ascendante hiérarchique (CAH) ;

· l'étape (a6) comprend, pour chaque cellule générée, le calcul d'une densité de la cellule définie comme le nombre de séquences de référence pour lesquelles la cellule comprend au moins un n-uplet définissant un point récurrent potentiel obtenu, l'étape (a7) étant mise en œuvre pour les cellules présentant la densité la plus élevée ;

• chaque paramètre endogène est choisi parmi une pression en sortie d'un booster du moteur, une pression statique en entrée d'une chambre de combustion du moteur, une température en sortie du booster du moteur, une la température des gaz d'échappement du moteur, un débit massique de carburant en entrée d'un compresseur Haute-Pression du moteur, et un régime de rotation Haute-Pression en entrée du compresseur Haute- Pression du moteur ;

· chaque paramètre exogène est choisi parmi une altitude, une température en entrée d'une soufflante du moteur, et un régime de rotation basse pression en entrée de la soufflante du moteur ;

• les capteurs sont intégrés dans le moteur, ladite séquence de n-uplets étant reçue depuis le moteur via une transmission Aircraft Communication Addressing and Reporting System (ACARS) ;

• les n-uplets d'une séquence sont mesurés par les capteurs à une fréquence régulière comprise entre 0.1 Hz et 10Hz ;

• le procédé comprend l'ajout de la séquence reçu de n-uplets audit ensemble de séquences de référence de n-uplets.

Selon un deuxième aspect, l'invention concerne un équipement de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné, comprenant :

- des moyens de traitement de données,

- des moyens de stockage de données stockant dans une base de données :

o un ensemble de séquences de référence de n-uplets de valeurs de paramètres physiques relatifs audit moteur d'aéronef, dont au moins un paramètre endogène propre au fonctionnement du moteur et au moins un paramètre exogène propre audit environnement, et o un ensemble de signatures de phases, chaque signature étant définie par un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée,

- des moyens d'interface,

l'équipement étant caractérisé en ce que les moyens de traitement de données sont configurés pour mettre en œuvre :

- Un module de réception d'une séquence de n-uplets de valeurs des paramètres physiques relatifs audit moteur d'aéronef, lesdites valeurs étant mesurées au cours du temps par des capteurs de sorte que chaque n-uplet de la séquence définit un point d'un vol dudit aéronef ;

- Un module de calcul, pour chaque n-uplet de la séquence reçue, en fonction d'un modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n-uplets, d'une valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir une séquence de n-uplets normalisés ;

- Un module d'identification d'au moins une phase stabilisée dans ladite séquence de n-uplets normalisée à partir dudit ensemble de signatures de phases, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec les valeurs du n-uplet d'une signature à la variance associée près ;

- Un module de calcul, pour chaque phase stabilisée, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n- uplet définissant un point récurrent dudit vol de l'aéronef, et

- Un module de transmission aux moyens d'interface. Selon d'autres caractéristiques avantageuses et non limitatives :

• le module de traitement de données est en outre configuré pour mettre en œuvre : - Un module de classification des séquences de référence de n-uplets de sorte à générer une pluralité de classes exogènes chacune définie par les valeurs des paramètres exogènes d'un sous- ensemble dudit ensemble de séquences de référence de n-uplets ; - Une module de détermination, pour chaque classe exogène, dudit modèle de régression associé au sous-ensemble dudit ensemble de séquences de référence de n-uplets par une régression modélisant la valeur y du paramètre endogène en fonction des valeur des paramètres exogènes à partir de l'ensemble des n-uplets de la classe exogène ;

- Un module de calcul, pour chaque n-uplet de l'ensemble de séquences de référence, d'une valeur estimée du paramètre endogène et d'un résidu associé pour la classe exogène du n-uplet ;

- Un module de calcul, pour chaque n-uplet de l'ensemble de séquences de référence, de la valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir un ensemble de séquences de référence de n-uplets normalisés ;

- Un module d'identification, pour chaque séquence de référence de n- uplets normalisés, d'au moins une phase stabilisée dans ladite séquence de référence de n-uplets normalisée, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés sont constantes à une variance donnée près ;

- Un module de calcul, pour chaque phase stabilisée de chaque séquence de référence, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent potentiel d'un vol de l'aéronef ;

- Un module de classification des n-uplets définissant un point récurrent potentiel obtenus de sorte à générer une pluralité de cellules, chacune associée à un sous-ensemble des n-uplets définissant un point récurrent potentiel ;

- Un module de calcul, pour au moins une cellule générée, d'un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée de sorte à définir une signature de phase associée à la cellule, et de stockage des signatures de phases dans ladite base de données des moyens de stockage de données.

Selon un troisième aspect, l'invention concerne un système comprenant :

- un aéronef comprenant un moteur et des capteurs ;

- un équipement selon le deuxième aspect de l'invention de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné.

Selon un quatrième et un cinquième aspect, l'invention concerne un produit programme d'ordinateur comprenant des instructions de code pour l'exécution d'un procédé selon le premier aspect de l'invention de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné ; et un moyen de stockage lisible par un équipement informatique sur lequel un produit programme d'ordinateur comprend des instructions de code pour l'exécution d'un procédé selon le premier aspect de l'invention de surveillance d'un moteur d'aéronef en fonctionnement dans un environnement donné.

PRESENTATION DES FIGURES

D'autres caractéristiques et avantages de la présente invention apparaîtront à la lecture de la description qui va suivre d'un mode de réalisation préférentiel. Cette description sera donnée en référence aux dessins annexés dans lesquels : - la figure 1 représente un exemple d'environnement dans lequel le procédé selon l'invention est mis en œuvre ;

- les figures 2a-2b illustrent les étapes de deux phases d'un exemple du procédé selon l'invention ;

- la figure 3 représente un exemple de classes exogènes utilisées dans un procédé selon l'invention

- la figure 4 représente des exemples de phases stabilisées identifiées lors de la mise en œuvre du procédé selon l'invention ;

- les figures 5a-5b représente des exemples de cellules utilisées lors de la mise en œuvre du procédé selon l'invention.

DESCRIPTION DETAILLEE

En référence à la figure 1 , le présent procédé est un procédé de surveillance d'un moteur 1 d'aéronef 2 en fonctionnement dans un environnement donné, en particulier un aéronef militaire (par exemple un avion de chasse) en mission. Le moteur 1 est typiquement tout ou partie d'une turbomachine, en particulier double flux. L'objectif est de trouver des phases de vol où le comportement du moteur est identique indépendamment du contexte, et de déterminer des snapshots, en d'autres termes des « points récurrents vol à vol » évoqués précédemment, associés à ces phases. Ces points récurrents permettent de se référer à des comportements déjà rencontrés par le passé et donc de prévoir plus facilement des opérations de maintenance.

Le présent procédé peut s'appliquer à n'importe quelle surveillance de mesure, mais de façon préférée, il s'agit d'une surveillance « pseudo temps réel » : le moteur 1 est équipé de capteurs 20, actifs pendant le vol de l'aéronef 2. Ce dernier alors envoie régulièrement au sol des petits messages instantanés comprenant les valeurs des mesures issus des capteurs 20. Ces messages sont envoyés par exemple par satellite 35 (protocole ACARS) grâce à des moyens de transmission, et un équipement 3 disposé au sol comprenant des moyens de traitement de données 31 (par exemple un processeur) et des moyens de stockage de données 32 (par exemple un disque dur) reçoit les données contenues dans ces messages via une station de base 34 et les traite pour la mise en œuvre du procédé.

L'homme du métier comprendra que ce dernier n'est limité à aucune procédure pour la transmission des mesures à l'équipement 3 (il est par exemple possible que les mesures soient stockées sur l'aéronef le temps du vol, et transmises en bloc à l'équipement 3 après l'atterrissage). Par ailleurs, le traitement peut être différé dans le temps. Il est même envisageable que l'équipement 3 soit intégré à l'aéronef 2.

L'équipement 3 (ou un autre équipement) est équipé de moyens d'interfaces 33 (tels qu'un clavier et un écran) pour interagir, et en particulier pour l'affichage des résultats (voir plus loin).

De façon générale, la première étape (a) du présent procédé consiste en la réception par les moyens de traitement de données 31 d'une séquence de n-uplets de valeurs x 1 exec ... x n -exec ; y exec de paramètres physiques relatifs audit moteur 1 d'aéronef 2, dont au moins un paramètre endogène propre au fonctionnement du moteur 1 et au moins un paramètre exogène propre audit environnement.

Par « n-uplet », on entend un vecteur comprenant une valeur pour chacun des paramètres. Les valeurs sont mesurées au cours du temps par les capteurs 20, et chaque n-uplet est associé à un instant temporel. Une séquence désigne un vol de l'aéronef, et les n-uplets de la séquence sont des points du vol, ainsi obtenus consécutivement au cours du vol. De façon préférée, les valeurs sont acquises (et le cas échéant émises) à intervalles temporels réguliers, par exemple à une fréquence comprise entre 0.1 Hz et 10Hz, en particulier environ 1 Hz (une valeur acquise pour chaque paramètre à chaque seconde du vol).

Les paramètres endogènes ou exogènes sont des paramètres physiques. Ils représentent ainsi des grandeurs physiques telles qu'une température ou une pression. L'homme du métier choisira le type de grandeur physique à mesurer en fonction des effets à surveiller sur le moteur. Pour chaque paramètre, le capteur 20 associé est adapté à la grandeur (thermomètre, manomètre, etc.).

Comme expliqué, certains paramètres physiques sont « endogènes », et sont donc propres au fonctionnement du moteur 1 . En d'autres termes, ils sont des paramètres dont la valeur est directement impactée par le fonctionnement du moteur. On citera par exemple, dans le cas d'un moteur militaire double flux (avec à chaque fois le code associé entre parenthèses) :

- la pression en sortie du booster (P23) ;

- la pression statique en entrée de la chambre de combustion (PS32) ;

- la température en sortie du booster (T23) ;

- la température des gaz d'échappement (TM49) ;

- le débit massique de carburant en entrée du compresseur Haute- Pression (W25) ;

- le régime de rotation Haute-Pression en entrée du compresseur Haute-Pression (XN25).

Les autres paramètres physiques sont « endogènes », et sont donc propres à l'environnement du moteur 1 , i.e. le contexte. En d'autres termes, ils sont des paramètres dont la valeur n'est pas impactée par le fonctionnement du moteur, mais que subit le moteur. On citera par exemple, dans le cas d'un moteur militaire double flux (avec à chaque fois le code associé entre parenthèses) :

- l'altitude (ALTF) ;

- La température en entrée de la soufflante (T2) ;

- Le régime de rotation basse pression en entrée de la soufflante (XN2).

Un paramètre exogène (valeur x) est une variable « explicative » ou « prédictive », par opposition à un paramètre endogène (valeur y) qui est une variable « à expliquer » ou «à prédire ». En d'autres termes, la valeur x du paramètre exogène est une cause, lorsque la valeur y du paramètre endogène est une conséquence. Un n-uplet x 1 ... x n ; y désigne une acquisition ponctuelle : pour des valeurs x des paramètres exogènes, des valeur y des paramètres endogènes sont mesurées. Dans la suite de la présente description, on prendra l'exemple d'un paramètre endogène (et n paramètres exogène), mais on comprendra qu'il suffit de répéter les étapes du procédé pour chaque paramètre endogène s'il y en a plusieurs, et que le nombre de paramètres exogènes n'a pas d'importance. Dans les exemples, on prendra trois paramètres exogènes.

Un ensemble de séquences de référence de n-uplets (x 1i - X ni; y i ) i∈[1,p] de valeurs desdits paramètres physiques (p séquences) est stocké dans une base de données elle-même stockée sur les moyens de stockage de données 32. Chaque séquence correspond à un vol d'un aéronef similaire (avec un moteur similaire), et pour chacun de ses vols on a une séquence de n-uplets. Les n-uplets de la base définissent chacun des valeurs de référence y t des paramètres endogènes pour des valeurs x t des paramètres exogènes.

Par séquences et valeurs « de référence », on entend qu'elles sont acquises pendant des vols antérieurs connus, c'est-à-dire qu'elles peuvent être considérées comme exploitables. Des éventuelles valeurs anormales ont déjà été supprimées de la base.

La séquence reçue de n-uplets x 1 exec ... x n - exec ; y exec désigne la séquence « surveillée », c'est-à-dire celle du vol pour lequel on cherche à surveiller le moteur 1 en fonctionnement dans un environnement donné

Comme expliqué cette séquence surveillée peut être aussi bien une séquence obtenue en temps réel (en particulier dans un fonctionnement ACARS) ou bien une séquence obtenue en temps différé (n-uplets x 1 exec ... x n - exec ; y exec stockés dans la base de données et placés en attente). Phase d'apprentissage Le présent procédé comprend deux phases. La première est une phase d'apprentissage et la seconde est une phase d'exécution. De façon préférée, la phase d'apprentissage est mise en œuvre préalablement de sorte à créer les modèles qui seront décrits plus loin (et le cas échéant les stocker sur les moyens de stockage de données 32), et la phase d'exécution est ensuite mise en œuvre à chaque nouvelle réception d'une séquence. C'est la phase d'exécution qui permet la surveillance du moteur 1 , objet de l'invention. La phase d'apprentissage peut être relancée de temps à autres pour mettre à jour les modèles.

Alternativement, il est tout à fait possible de ne pas faire de faire d'apprentissage préalable et de déterminer les modèles au coup par coup à chaque mise en œuvre de la phase d'exécution.

On décrira dans la suite de la présente description les deux phases. La phase d'apprentissage peut être vue comme un ensemble d'étapes de traitement des seules données de la base (i.e. indépendamment de la séquence de n-uplets x 1 exec ... x n - exec ; y exec ).

En référence à la figure 2a, la phase d'apprentissage commence par une étape (aO) de classification des séquences de référence de n-uplets (x 1i - X ni; y i ) i∈[1,p] de sorte à générer ladite pluralité de classes exogènes.

Comme les contextes de vol d'un aéronef militaire sont très variés, il est en effet important de pouvoir les classer. Chaque « classe exogène » est définie par les valeurs (x 1i - X ni; y i ) i∈[1,p ( ] Pj désigne le cardinal de la classe exogène j, la somme des pj vaut p) des paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets (x 1i - X ni; y i ) i∈[1,p] - En d'autres termes, cette étape consiste en la partition des n-uplets (x 1i - X ni; y i ) i∈[1,p] privés des valeurs des paramètres endogènes (i.e. leur restriction à tout ou partie des paramètres exogènes, en l'espèce des hyperplans dans notre exemple à un seul paramètre endogène) via des méthodes de classification non-supervisées (en particulier choisies parmi l'algorithme des k-moyennes, la méthode des cartes auto-adaptatives de Kohonen et la classification ascendante hiérarchique (CAH)). Pour reformuler encore, on place chacun des points de vols définis par un n-uplet (x 1i - X ni; y i ) i∈[1,p] dans un sous-espace restreint (en termes de dimension) aux paramètres exogènes, et on partitionne cet espace en k classes (par exemple entre 2 et 10), dont chacune sera représentative d'un type général de contexte dans lequel les paramètres exogènes auront des valeurs similaires entre deux vols (par exemple « basse altitude au Qatar »). Chaque classe exogène est ainsi associée à un sous-ensemble de l'ensemble de séquences de référence de n-uplets (x 1i - X ni; y i ) i∈[1,p] sous-ensemble constitué de vols « proches » en termes de contexte.

L'avantage de fixer k par exemple entre 2 et 10 est de définir un nombre maximum de classes exogènes pour que la classification soit pertinente (ne pas avoir autant de classes que de points lorsque ces derniers sont tous très éloignés.). Une méthode d'optimisation permet de choisir k de façon à maximiser l'écart entre les différents groupes et à minimiser l'écart entre points d'une même classe).

La figure 3 illustre ainsi un exemple représentant la disposition des n- uplets (x 1i - X ni; y i ) i∈[1,p] clans un espace à trois dimensions engendré par les trois paramètres exogènes ALTF, T2 et XN2. On voit clairement trois classes exogènes qui ressortent.

Cette étape est suivie par une étape (a1 ) de détermination d'une pluralité de modèles de régression chacun associé à un sous-ensemble dudit ensemble de séquences de référence de n-uplets (x 1i - X ni; y i ) i∈[1,p] (en particulier une classe exogène), par une régression modélisant y en fonction des x sur les valeurs des n-uplets (x 1i - X ni; y i ) i∈[1,p] dudit sous- ensemble (en d'autre termes ceux associés à la classe exogène). Dans le cas où il y a plusieurs paramètres endogènes, cette étape est répétée de sorte à déterminer des modèles de régression modélisant chaque y en fonction des x. Ces modèles de régression vont être utilisés dans la phase d'exécution.

La régression désigne un ensemble de méthodes statistiques bien connues de l'homme du métier pour analyser la relation d'une variable (ici y) par rapport à une ou plusieurs autres (ici x 1 .. x n ). L'étape (a1 ) consiste en d'autres termes à déterminer des fonctions f j (j est un indice désignant la j- ème classe exogène) de permettant d'approximer au mieux les valeurs y i en fonction des valeurs x 1i ... x ni , pour un type de lien donné. On connaît ainsi des régressions linéaire, polynomiale, exponentielle, logarithmique, etc.

Le choix du type de lien utilisé est avantageusement fait en fonction de l'allure de la courbe et peut se faire de manière automatique par optimisation en maximisant un coefficient de détermination, par exemple de la façon décrite dans la demande de brevet FR2939928.

Dans une troisième étape (a2), la phase d'apprentissage comprend le calcul (répété pour chaque paramètre endogène), pour chacun des n- uplet (x 1i - X ni; y i ) i∈[1,p] d'une valeur estimée y/ du paramètre endogène et d'un résidu resf associé, pour la classe j à laquelle appartient le n-uplet (x1i - Xni;yi)i∈[1,p] .le residu est l'écart entre une valeur estimée et une valeur mesurée. A partir des modèle de régression, on obtient simplement ces valeurs par les formules pour

Une fois le modèle de régression créé, les moyens de traitement de données 31 en déduisent un autre modèle utilisé dans la phase d'exécution : il s'agit du modèle de normalisation. Comme expliqué, l'objectif est de retirer l'influence des contextes sur les paramètres endogènes, en d'autres termes de les rendre normalisés et comparables puisqu'ils sont ramenés aux mêmes conditions de vol.

Dans l'étape (a3), est ainsi calculée pour chaque n-uplet (x 1i - X ni; y i ) i∈[1,p] de l'ensemble des séquences de référence, une valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir un ensemble de séquences de référence de n- uplets normalisés Le modèle de normalisation

associe à chaque valeur d'un paramètre endogène la valeur normalisée de ce paramètre. Le modèle de normalisation est par exemple donné par la formule est la valeur moyenne du paramètre y

pour les n-uplets de la classe exogène j. En effet, puisque est la prédiction faite à partir des variables exogènes et que

l'application de la formule précédente permet de soustraire l'influence des endogènes, et il ne reste plus qu'un signal centré en la moyenne et dont la variabilité ne peut plus être expliquée par le contexte.

Une fois les paramètres endogènes normalisés, on va chercher pendant le vol les phases stabilisées. Ainsi, dans une étape (a4), on identifie (si possible) pour chaque séquence de référence de n-uplets normalisés (x 1i ... x ni ; Y i --norm) i∈[1,p] au moins une phase stabilisée dans ladite séquence de référence de n-uplets normalisée (x 1i ... x ni ; Y i --norm) i∈[1,p] une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné, par exemple dix minutes, (si la fréquence d'acquisition est constante, alors ce seuil de temps correspond à un seuil de nombre de points consécutifs) et dans laquelle les valeurs des n-uplets normalisés (x 1i ... x ni ; Y i --norm) i∈[1,p] sont constantes à une variance donnée près. En d'autres termes, on fixe une durée t de phase stabilisée minimum à atteindre et pour chaque paramètre une tolérance sur la variance. Il est à noter qu'un pilote d'avion militaire reste souvent peu de temps dans des phases stables, c'est pourquoi il est souhaitable de tester plusieurs seuils de temps minimum et plusieurs tailles de fenêtre de variance De façon connue, la variance se calcule comme la moyenne des résidus au carré.

La figure 4 illustre les séquences de valeur pour trois paramètres endogènes (normalisés) P23, TM49 et XN25. On repère trois phases stabilisées dans lesquelles chacun des paramètres endogènes présente une valeur sensiblement constante.

Une fois les phases stabilisées trouvées dans les différents vols de l'apprentissage (i.e. pour chaque séquence de l'ensemble), on résume chaque phase (étape (a5)) en un n-uplet en faisant la moyenne des valeurs paramètres sur la phase (i.e. sur les n-uplets (x1i ... xni; Yi --norm) i∈[1 , ,p ] de ladite partie de séquence correspondant à la phase). On obtient donc pour un vol une matrice de taille nxk où n est le nombre de paramètres et k le nombre de phases stabilisées trouvées pendant le vol. Le n-uplet définit un point récurrent « potentiel »

d'un vol de l'aéronef 2, et constitue ainsi potentiellement une « signature » de la phase.

Dans l'étape suivante (a6), les n-uplets définissant un point récurrent potentiel obtenus sont classifiés par les moyens de traitement de données 31 à la manière de ce qui est fait dans l'étape (aO). Comme avant, une pluralité de méthodes non-supervisées peuvent être mises en œuvre, et de façon préférée la méthode des cartes auto-adaptatives de Kohonen est choisie.

La classification permet de générer une pluralité de cellules selon une carte telle que représentée sur la figure 5a, chacune associée à un sous-ensemble des n-uplets définissant un point récurrent potentiel.

Cette étape comprend avantageusement, pour chaque cellule générée, le calcul d'une « densité » de la cellule définie comme le nombre de séquences de référence pour lesquelles la cellule comprend au moins un n-uplet définissant un point récurrent potentiel obtenu (en d'autres termes, on calcule le nombre de points récurrents potentiels par cellule, en ne comptant qu'un point si un vol (i.e. une séquence) comprend plusieurs fois une même phase).

Le nombre affiché sur chaque cellule de la figure 5a est ainsi le nombre de vols projetés dans chaque cellule). La ou les cellules les plus denses sont identifiées (la cellule à 184 vols dans l'exemple de la figure 5a), et sélectionnées. Alternativement, il peut être prévu un seuil minimal de densité de cellule. Dans tous les cas, si la base de n-uplets n'est pas assez vaste pour construire une carte pertiente, il peut être prévu de regrouper certaines classes voisines en « méta-classes », tel que représenté sur la figure 5b, où de construire une carte avec moins de cellules.

Pour au moins une cellule générée (en particulier celles où la densité est la plus élevée, i.e. celles où les points sont vraiment « récurrents »), une signature de la cellule est calculée dans l'étape (a7). Cette signature est une signature d'un type de phase récurrent des vols de l'aéronef.

Une signature s est définie par un n-uplet x 1s ... x ns ; y s de valeurs des paramètres physiques et un n-uplet far s (x 1 ) ... var s (x n ); var s (y) de valeurs de variance associée. Le n-uplet x 1s ... x ns ; y s de valeurs est typiquement le « représentant » de la cellule, c'est-à-dire le centre de la cellule au sens de Kohonen, où la moyenne des n-uplets de la cellule.

La variance est la variance « réelle » des paramètres de la cellule, c'est-à-dire typiquement que où m est le

nombre de n-uplets de la cellule (on note que cette formule est la même pour des variables endogènes y).

Les signatures de phases obtenues sont stockées dans ladite base de données des moyens de stockage de données (32).

Phase d'exécution

Comme expliqué précédemment, la phase d'apprentissage représente un travail préparatoire pour accélérer la phase d'exécution (qui correspond au cœur du présent procédé selon l'invention). La phase d'apprentissage peut alternativement être réalisée « en même temps » que la phase d'exécution. On fera dans la description de cette partie référence à toutes les formules associées décrites précédemment. Cette phase permet de surveiller le moteur 1 en fonctionnement dans un environnement donné pendant un vol défini par une séquence de n- uplets de valeurs des paramètres physiques du

moteur 1 .

Cette phase est illustrée par la figure 2b. Si la phase d'apprentissage a été mise en œuvre précédemment, les modèles et les signatures peuvent être chargés depuis les moyens de stockage de données 32, comme illustré sur cette figure. L'étape (a), déjà évoqué, voit la réception des n-uplets à traiter. Cette étape comprend la séparation des valeurs des paramètres exogènes et des valeurs des paramètres endogènes (par exemple grâce à une liste).

Dans une étape (b), pour chaque point de la séquence une valeur de chaque paramètre endogène est calculée pour les valeurs

des paramètres exogène en fonction d'un modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n-uplets (en l'espèce le modèle associé à une classe exogène, déterminé le cas échéant dans la phase d'apprentissage). Pour cela, l'étape (b) comprend une étape préalable (bO) de détermination d'une classe exogène du n-uplet en fonction des valeurs des paramètres

exogènes dudit n-uplet, parmi une pluralité de classes exogènes chacune définie par les valeurs des paramètres exogènes d'un

sous-ensemble dudit ensemble de séquences de référence de n-uplets

En l'espèce, la classe exogène du n-uplet est

typiquement celle dont il est le plus proche (selon ses paramètres exogènes).

Pour cela, cette détermination se fait par exemple par projection dudit n-uplet dans les classes exogènes de sorte à identifier la classe exogène la plus proche selon un critère de distance (méthode classique dans laquelle les moyens de traitement de données 31 calculent pour chaque classe exogène une distance (selon un critère de distance donné) entre la classe et une restriction x exec ... x n exec aux paramètres exogènes dudit n-uplet, et la classe j pour laquelle la distance est la plus courte est choisie)

Une fois la classe exogène j déterminée, le calcul se fait comme expliqué précédemment en calculant tout d'abord une valeur estimée estimée du paramètre endogène par la formule Le résidu associé est alors calculé :

Enfin, la valeur normalisée est obtenue directement par la formule

On obtient alors une séquence de n-uplets normalisés V pour lesquels l'influence du contexte a été supprimée.

Dans l'étape (c), les phases stabilisées sont identifiées à partir de l'ensemble de signatures de phases stocké dans ladite base de données des moyens de stockage de données 32.

Comme expliqué, une phase stabilisée correspond à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec les valeurs du n-uplet d'une signature à la variance associée près.

Concrètement, si pendant une durée d'au moins le seuil donné, l'écart entre chaque paramètre du n-uplet

normalisé et chaque paramètre correspondant du n-uplet d'une signature s, à la valeur correspondante du n- uplet de variance associé à la signature s, alors il s'agit bien d'une phase stabilisée connue, et un point récurrent vol à vol peut être identifié.

Dans l'étape (d), ces points récurrents sont définis comme un n-uplet de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la

phase stabilisée. Ces points récurrents sont alors transmis à des moyens d'interface 33 pour exploitation (et/ou par exemple stockés sur les moyens de stockage 32), par exemple détermination d'étapes de maintenance à prévoir, en utilisant des modèles connus.

II est à noter que la séquence reçue de n-uplets

peut alors être ajoutée audit ensemble de séquences de référence de n- uplets (pour renforcer la base d'apprentissage et affiner

les modèles). Equipement et système

L'équipement 3 (représenté sur la figure 1 ) pour la mise en œuvre du procédé qui vient d'être décrit (surveillance d'un moteur 1 d'aéronef 2 en fonctionnement dans un environnement donné) comprend des moyens de traitement de données 31 , des moyens de stockage de données 32, et de moyens d'interface 33.

Les moyens de stockage de données 32 stockent dans une base de données :

o L'ensemble de séquences de référence de n-uplets de valeurs de paramètres physiques relatifs

audit moteur 1 d'aéronef 2, et

o L'ensemble de signatures de phases, chaque signature étant définie par un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée,

Les moyens de traitement de données 31 sont configurés pour mettre en œuvre :

- Un module de réception d'une séquence de n-uplets de valeurs des paramètres physiques relatifs audit moteur 1 d'aéronef 2, lesdites valeurs étant mesurées au cours du temps par des capteurs 20 de sorte que chaque n-uplet de la séquence définit un point d'un vol dudit aéronef (2) ;

- Un module de calcul, pour chaque n-uplet de la

séquence reçue, en fonction d'un modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n- uplets d'une valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir une séquence de n-uplets normalisés

- Un module d'identification d'au moins une phase stabilisée dans ladite séquence de n-uplets normalisée à

partir dudit ensemble de signatures de phases, une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés coïncident avec les valeurs du n-uplet d'une signature à la variance

associée près ;

- Un module de calcul, pour chaque phase stabilisée, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent dudit vol de l'aéronef 2 ; et

- Un module de transmission des points récurrents aux moyens d'interface 33.

De façon préférée, les moyens de traitement de données 31 mettent également en œuvre un module de détermination, pour chaque n-uplet x i exec - x n exec > y eX ec de la séquence reçue, d'une classe exogène du n- uplet en fonction des valeurs des paramètres exogènes

dudit n-uplet, parmi une pluralité de classes exogènes chacune définie par les valeurs des paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets

Le modèle de régression associé à un sous-ensemble dudit ensemble de séquences de référence de n-uplets est alors le modèle associé à la classe exogène.

Ce module de détermination peut réaliser la projection dudit n-uplet dans les classes de contextes de sorte à identifier la classe exogène la plus proche selon un critère de distance.

Si l'équipement 3 met également en œuvre la phase d'apprentissage, alors le module de traitement de données 31 est en outre configuré pour mettre en œuvre :

- Un module de classification des séquences de référence de n-uplets de sorte à générer une pluralité de classes

exogènes chacune définie par les valeurs des

paramètres exogènes d'un sous-ensemble dudit ensemble de séquences de référence de n-uplets

- Une module de détermination, pour chaque classe exogène, dudit modèle de régression associé au sous-ensemble dudit ensemble de séquences de référence de n-uplets par une

régression modélisant la valeur y du paramètre endogène en fonction des valeur des paramètres exogènes à partir de l'ensemble des n-uplets de la classe exogène ;

- Un module de calcul, pour chaque n-uplet de

l'ensemble de séquences de référence, d'une valeur estimée du paramètre endogène et d'un résidu associé pour la classe exogène ; du n-uplet

- Un module de calcul, pour chaque n-uplet de

l'ensemble de séquences de référence, de la valeur normalisée du paramètre endogène par rapport aux paramètres exogènes, de sorte à obtenir un ensemble de séquences de référence de n-uplets normalisés

- Un module d'identification, pour chaque séquence de référence de n- uplets normalisés d'au moins une phase

stabilisée dans ladite séquence de référence de n-uplets normalisée une phase stabilisée correspondant à une partie de ladite séquence représentative d'un temps de vol supérieur à un seuil donné et dans laquelle les valeurs des n-uplets normalisés sont constantes à une variance donnée

près ;

- Un module de calcul, pour chaque phase stabilisée de chaque séquence de référence, de valeurs moyennes des paramètres physiques sur la partie de la séquence de n-uplets correspondant à la phase stabilisée, de sorte à obtenir un n-uplet définissant un point récurrent potentiel

d'un vol de l'aéronef 2 ;

- Un module de classification des n-uplets définissant un point récurrent potentiel obtenus de sorte à générer une pluralité de cellules, chacune associée à sous-ensemble des n-uplets

définissant un point récurrent potentiel ;

- Un module de calcul, pour au moins une cellule générée, d'un n-uplet de valeurs des paramètres physiques et un n-uplet de valeurs de variance associée de sorte

à définir une signature de phase associée à la cellule, et de stockage des signatures de phases dans ladite base de données des moyens de stockage de données 32.

L'équipement 3 s'inscrit comme expliqué de façon préférée dans un système comprenant en outre l'aéronef 2 (préférentiellement militaire) comprenant le moteur 1 et les capteurs 20 mesurant les valeurs paramètres physiques du moteur 1 .

Produit programme d'ordinateur

Selon un quatrième et un cinquième aspects, l'invention concerne un produit programme d'ordinateur comprenant des instructions de code pour l'exécution (sur des moyens de traitement de données 31 , en particulier ceux de l'équipement 3) d'un procédé selon le premier aspect de l'invention de surveillance d'un moteur 1 d'aéronef 2 en fonctionnement dans un environnement donné, ainsi que des moyens de stockage lisibles par un équipement informatique (par exemple les moyens de stockage de données 32 de cet équipement 3) sur lequel on trouve ce produit programme d'ordinateur.