Professional Documents
Culture Documents
《测控技术》网络首发论文
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)
》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)
》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN 2096-4188,CN 11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
网络首发时间:2023-02-10 15:30:22
网络首发地址:https://kns.cnki.net/kcms/detail//11.1764.TB.20230209.1549.001.html
测控技术
网 络 首 发 · 1·
面向 PHM 的民机飞行数据分析及应用研究进展
朱昕昀1 , 颜子琛1 , 杨彩琼2 , 孙见忠1
(1.南京航空航天大学 民航学院,江苏 南京 247000; 2.中国航发四川燃气涡轮研究院,四川 绵阳 621000)
摘要:针对现代飞机装备在可靠性、安全性、维修保障性和成本等方面存在的问题,探究了飞行数据在民
机故障预测与健康管理领域的最新技术发展及应用。 介绍了民机飞行数据采集和译码原理,针对民机
智能运维应用场景,结合机器学习和数字孪生等技术,重点介绍了围绕机载系统健康监测与预测维修、
发动机状态监控与寿命管理等应用场景的数据分析与建模方法,并结合实际工程问题给出了数据分析
应用案例。 开发的具有自主知识产权的民机飞行数据译码和智能化分析工具,可面向不同用户需求、不
同机型开展客户化开发与部署。 实现了民机的飞行安全监控和故障预警,为民航运输安全、运营、保障
等需求提供数字化、智慧化的关键理论与技术支撑。
关键词:健康监测;寿命预测;飞行数据;机器学习;数字孪生
中图分类号:V267 文献标志码:A
doi:10.19708 / j.ckjs.2022.11.329
Abstract Aiming at the reliability safety maintenance supportability and cost of modern aircraft equipment
the latest technological development and application of flight data in the field of civil aircraft prognostics and
health management PHM are explored.The principle of civil aircraft flight data acquisition and decoding are
introduced.Aiming at the application scenarios of civil aircraft intelligent operation and maintenance combined
with machine learning and digital twin technologies it focuses on the data analysis and modeling methods a⁃
round the application scenarios of airborne system health monitoring and predictive maintenance engine state
monitoring and life management and the application cases of data analysis combined with practical engineering
problems is given.The developed civil aircraft flight data decoding and intelligent analysis tool with independent
intellectual property rights can carry out customized development and deployment for different user needs and
different aircraft types.The flight safety monitoring and fault warning of civil aircraft are realized and the digital
and intelligent key theoretical and technical support for civil aviation transportation safety operation support
and other needs are provided.
Key words health monitoring life prediction flight data machine learning digital twin
现代飞机装备结构愈加复杂,综合化和电子化程 度加深,带来了可靠性、安全性、维修保障性和成本等
收稿日期:2022-07-30
基金项目:国家自然科学基金重大研究计划(91860139) ;国家自然科学基金面上项目(52072176) ;基础性稳定支持项目
1
提供设计指导,并不涉及飞行数据记录器系统的总体
民机机载总线参数采集与译码
要求,但会考虑接口和系统标准。
飞行数据一般是指飞机上各机载传感器在运行过 ARINC 767 规范同样采用“ 数据帧” 的方式进行
程中记录下来的与飞机各系统和部件的工作状态、飞 数据存储,但是这里的“ 数据帧” 是记录参数带有时间
机飞行状态、外界飞行环境等相关的参数的集合。 通 标记的分组,如图 2 所示。 “ 数据帧” 主要由一组有序
常,飞行数据根据特定的 ARINC 规范存储在数据记录 的参数、相关的帧标签( Frame Header) 和时间戳组成,
器中,主 要 包 括 数 字 飞 行 数 据 记 录 器 ( Digital Flight 每个唯一帧将由以下多个部分组成标头:同步字(2 B,
Data Recorder,DFDR) 、快速存取记录器( Quick Access 十六进制模式“ EB90” ) ;帧长度( 2 B) ,以字节表示此
Recorder,QAR) 、数字式飞机综合数据记录器( Digital 帧的总长度;时间戳(4 B) ,表示记录数据的相对时间
Aids Recorder,DAR) 等。 ( ms) ; 帧 类 型 / ID 表 示 唯 一 帧 标 识 的 帧 类 型 / ID ( 2
飞行 数 据 译 码 的 目 的 是 准 确 地 还 原 记 录 器 B) 。
( DFDR、QAR 或 DAR) 记录的飞行参数,将数据记录 1.3 译码软件
器内的以二进制排列的原始数据转换成有单位的、直 手工译码效率较低,大量重复性的工作将会增加
观的工程数据值。 因此,译码是记录的逆过程,其关键 时间成本,因此译码一般由计算机通过译码软件自动
点在于理清 ARINC 规范规定的映射关系。 完成。 译码软件一般内置了多个机型飞行参数数据
目前,民机主流机型( 如 737 系列、787 系列) 使用 库 ,飞行参数数据库一般基于飞机参数规范手册的
面向 PHM 的民机飞行数据分析及应用研究进展 · 3·
图3 机载总线数据译码软件平台
调系 统 压 缩 机 出 口 温 度 平 均 偏 差 值 MΔRAMT
( LeftACS) 序列在第 657 飞行循环超过了故障预警阈
值。 比故障发生提前了 49 飞行循环监测到异常。 在
监测到异常后,可以合理安排热交换器维修时间,避免
由于空调系统热交换器故障导致的非计划维修。
图7 全寿命周期健康指数与原始 EGT 对比
以编号 0015 的 APU 为例,该 APU 在整个寿命周
期内共产生了 970 个 ACMS 报文。 在第 801 和第 894
个 ACMS 报文循环预测的失效时间的分布分别在图 8
和图 9 中以红线表示。 由于预测结果为分布形式,带
有不确定性( 黑色点划线表示的 95%置信度区间) ,蓝
色虚线为退化预测的平均健康指数。
图6 空调系统压缩机出口温度偏差值序列
差值作为健康指数。
将 APU 整个寿命周期中健康指数与原始数据中
EGT 进行了比较,如图 7 所示。 可以看出,从 EGT 原
始数据( 蓝色) 中很难识别出的 APU 退化状态,而使
用健康指数( 黄色) 可以很好地表征 APU 性能退化趋
势,这将有助于 APU 的健康监测和失效预测。
2.4 APU 剩余寿命预测
根据 2.3 节得到表征 APU 性能退化状态的健康
指数后, 进 一 步 利 用 动 态 线 性 模 型 ( Dynamic Linear
Model,DLM) 来描述 APU 性能退化,进行剩余寿命预
测。 根据健康指数将 APU 软失效阈值设置为 60,这
也在 APU 的维修记录中得到了支持,因为所统计的
22 台 APU,基本都在该阈值附近失效并进行了大修。 图9 第 894 个 ACMS 报文循环预测
面向 PHM 的民机飞行数据分析及应用研究进展 · 5·
从图 8 和图 9 可以看出,不同阶段预测的寿命是
不同的,APU 的寿命预测精度随退化阶段的不同而变
化,越是临近失效,预测寿命越接近实际寿命。
3 发动机状态监控与寿命管理
发动机状态监测数据体系来源广泛,具有多模态、
不同时空尺度的特征,可从不同角度、不同层级反映发
动机整机 - 系统 - 零部件的状态,如图 10 所示。 如何
充分发挥飞行数据的价值实现基于智慧运维的发动机
视情维修,更好地节约维修的时间和经济成本是需要
重点解决的问题。
图 11 发动机关键件剩余寿命
的“ 个性化” 的基线模型能更准确地反映实际运行条
件个体发动机的特性。
发动机气路故障预警技术主要通过对发动机气路
相关性能参数偏差值序列的变化进行监测,来实现异
常监测参数序列的及时预警。 采用贝叶斯统计方法用
于气路性能参数的分析,提出了一种基于自适应动态
线性模型的发动机气路性能状态监控方法,并借助贝
叶斯因子来监测参数序列的异常,从而实现及时预警。
实践中民航发动机状态监控依赖于几个关键的状
态 参 数 的 偏 差 值, 例 如 起 飞 阶 段 的 排 气 温 度 裕 度
( EGTM) ,以及巡航阶段的燃油流量偏差( DFF) 、高压
转子转速偏差( DN2) 、排气温度偏差( DEGT) 等。 性
能参数偏差值序列如图 12 所示。 气路部件气路故障
发生后,偏差值序列出现异常,但由于噪声较大,故障
征兆淹没在噪声中,仅靠人的经验难以直接从趋势图
图 10 航空发动机非结构化、多模态飞行数据
中识别出来。 而根据图 13 所示的累积贝叶斯因子,在
故障发生后随着观测信息的增加,异常证据将进一步
3.1 发动机关键件剩余寿命预测
积累,其对数值迅速降低,可排除序列结构异常或者观
发动机关键件剩余寿命预测技术采用失效物理与
测野值的存在,从而准确触发预警。
数据驱动融合的方法实现对个体关键件的可靠性进行
3.3 发动机数字孪生建模技术
评估。 传统的关键件寿命监控和预测方法通常是基于
对于整机性能建模,采取基于 GasTurb 的部件特
简单的累计使用时间或者飞行的循环数对寿命消耗进
行追踪,由于没有考虑单机状态下个体发动机使用条件
的差异,因此会导致过于保守的寿命评估结果。
可基于一种新提出的累积损伤指数模型进行损伤
累积与剩余寿命评估,以关键件失效样本协变量信息
为输入进行模型的参数估计,以个体发动机性能监控
数据为模型输入进行个体关键件的损伤累积,最终得
到关键件未来运行循环对应的累积失效率,根据失效
率阈值可计算剩余寿命,如图 11 所示。
3.2 发动机气路部件故障预警技术
借助系统运行期间收集的健康发动机的性能参数
数据样本,利用基于数据驱动的多元状态估计来获得
系统的基线模型,根据每台发动机实测的数据建立起 图 12 性能参数偏差值序列
· 6· 《 测控技术》 网络首发
3.4 发动机性能退化趋势预测
发动机性能退化趋势预测技术主要通过研究发动
机整机级性能退化规律来评估在翼发动机的性能可靠
性和在翼剩余寿命。
在性能退化趋势预测中,发动机 EGTM 是衡量发
动机整机性能的一项综合指标。 采用状态空间模型对
发动机的性能退化建模,利用一个线性增长模型( 局
部线性增长( 递减) 、斜率可变) 作为状态方程来描述
系统的退化轨迹,借助贝叶斯共轭推理来估计模型的
未知参数, 进一步根据贝叶斯状态预测方法来 预 测
EGTM 未来的趋势,并估计 EGTM 到达阈值的时间,即
在翼寿命,如图 15 所示。 在考虑每台个体发动机的实
际使用载荷、故障、维修等因素对发动机使用可靠性的
图 13 累积贝叶斯因子 影响的前提下,借助实测的 EGTM 参数来动态地估计
性图缩放方法建模,零部件数字孪生体构建流程如图 发动机的可靠度,如图 16 所示。
14 所示。 该模型输入为发动机的运行条件( 海拔、标
准温度偏差等) 和环境条件( 大气温度、大气压力等) 、
工作过程参数( 压气机流量、压气机压比、燃烧室出口
温度、涵道比、压气机压比、涡轮前温度等) 和预测的
部件效率和管道恢复系数,通过基于 GasTurb 进行设
计点性能匹配和非设计点性能匹配,最终得到总体性
能模型,模型输出数据为整机性能参数( 油耗等) ,各
站位的压力、温度、流量,部件效率以及 EGT 等参数,
同时模型还可对不同工况点进仿真,输出不同工况点
下整机及各站位的温度、压力和流量等参数。
图 15 发动机失效时间分布
图 16 发动机可靠度函数
4 民机飞行数据译码与智能化分析平台
Flight Data X ( 简称 FDX) 软件平台是自主开发的
具有自主知识产权的民机飞行数据译码与智能化分析
工具,突破了民机机载总线数据的自主译码与深度挖
掘基础构件开发技术,并运用机器学习等智能数据分
析技术,实现民机的飞行安全监控和故障预警,为民航
图 14 零部件数字孪生体构建流程 运输安全、运营、保障等需求提供数字化、智慧化的关
面向 PHM 的民机飞行数据分析及应用研究进展 · 7·
5
夹批量添加文件,选择译码库之后进行译码。 译码完
成后,用户可根据不同应用场景的需求,导出适合的译
结束语
码参数进行研究,并可进行个性化需求定制,实现飞行 本文介绍了目前在民机 PHM 领域飞行数据的应
数据的敏捷译码。 用成果,并开发了一套集成化飞行数据分析平台。 所
4.2.2 面向特定业务问题的数据流管道搭建 开发的机载总线数据译码软件实现了飞行数据的自主
FDX 平台支持面向具体业务问题的数据流管道 译码,大幅减少了译码任务的时间、人力成本,并具有
· 8· 《 测控技术》 网络首发
[16] SUN J Z,CHEN D,LI C Y,et al. Integration of scheduled intenance target allocation of newly developed commercial
structural health monitoring with airline maintenance pro⁃ aero⁃engine[ J] .Aviation Maintenance & Engineering,2020
gram based on risk analysis[ J] .Proceedings of the Institu⁃ (1) :45-48( in Chinese) .
tion of Mechanical Engineers,Part O: Journal of Risk and [18] 赵红华,钱锋,韩晓冬,等. 大数据分析助力飞机健康管
Reliability,2018,232(1) :92-104. 理[ J] .民航管理,2019(2) :122-127.
[17] 卢婷婷,陈乃威,孙见忠.新研商用航空发动机的维修性 ZHAO H H, QIAN F, HAN X D, et al. Big data analysis
指标分配方法研究[ J] .航空维修与工程,2020( 1) :45- boosts aircraft heath management [ J] . Civil Aviation Man⁃
48. agement,2019(2) :122-127( in Chinese) .
LU T T,CHEN N W,SUN J Z.Research on method of ma⁃