控制电路可以评估来自第一部件的检查的检查结果，然后将这些检查结果输入到第一机器学习模型。检查结果包括潜在磨损指示。通过一种方法，使用训练语料库来训练第一机器学习模型，该训练语料库包括至少与第一部件相似的先前被检查部件的检查结果。第一机器学习模型可以输出评估信息，该评估信息通过一种方法将一些潜在磨损指示识别为相关。通过一种方法，上述评估信息可以被输入到使用训练语料库进行训练的第二机器学习模型，该训练语料库包括来自相同第一部件的先前检查的历史结果，并且其中第二机器学习模型输出关于第一部件的重复物理处理是否会产生特定结果的预测信息。
【技术实现步骤摘要】
这些教导总体上涉及部件评估，并且更具体地涉及确定服务中部件是否可以返回服务。
技术介绍
1、许多设备受益于对其一个或多个组成的服务中部件的检查。这方面的一个突出示例是作为许多燃气涡轮发动机一部分的线轴。此类检查可以帮助确定给定部件是否可以可靠地返回服务(无论是否翻新)，或者该部件是否应因服务中磨损而报废。
技术实现思路
【技术保护点】
1.一种评估第一部件的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，其中所述第一部件包括燃气涡轮发动机线轴。
3.根据权利要求1所述的方法，其特征在于，其中检查所述第一部件以提供检查结果包括至少部分地采用荧光渗透检查来检查所述第一部件。
4.根据权利要求1所述的方法，其特征在于，进一步包括在检查所述第一部件之前：
5.根据权利要求4所述的方法，其特征在于，其中对所述第一部件进行物理处理包括机加工所述第一部件。
6.根据权利要求1所述的方法，其特征在于，其中所述检查结果包括图像，所述第一机器学习模型包括基于卷积神经网络的模型，先前被检查部件的所述检查结果至少部分地包括图像，所述图像包括用于识别磨损指示的边界框，并且通过所述第一机器学习模型输出的所述评估信息至少部分地包括具有边界框以识别相关的潜在磨损指示的图像。
7.根据权利要求1所述的方法，其特征在于，进一步包括：
8.根据权利要求7所述的方法，其特征在于，其中使用基于图像的注释来训练所述第二机器学习模型。
>9.根据权利要求8所述的方法，其特征在于，其中所述基于图像的注释至少部分地包括表示在所述第一部件的重复物理处理之后所述第一部件是否可能返回到现用服务的特征。10.根据权利要求8所述的方法，其特征在于，其中使用具有基于图像的注释的训练图像来训练所述第二机器学习模型，其中至少一些所述训练图像具有标签，所述标签指示所述训练图像的相应内容项是不确凿的、不可使用的或可使用的中的一个。
...
【技术特征摘要】
1.一种评估第一部件的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，其中所述第一部件包括燃气涡轮发动机线轴。
3.根据权利要求1所述的方法，其特征在于，其中检查所述第一部件以提供检查结果包括至少部分地采用荧光渗透检查来检查所述第一部件。
4.根据权利要求1所述的方法，其特征在于，进一步包括在检查所述第一部件之前：
5.根据权利要求4所述的方法，其特征在于，其中对所述第一部件进行物理处理包括机加工所述第一部件。
6.根据权利要求1所述的方法，其特征在于，其中所述检查结果包括图像，所述第一机器学习模型包括基于卷积神经网络的模型，先前被检查部件的所述检查结果至少部分地包括图像，所述图像包括用于识别磨损指...
【专利技术属性】
技术研发人员：约翰·卡利吉安尼斯，刘少鹏，詹姆斯·维拉登伯格·米勒，朱培洪，大卫·坎廷，乔纳森·R·霍特曼，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。