航空故障预测与健康管理技术

中国航空计算技术研究所 韩春阳 王 宁

航空故障预测与健康管理技术

中国航空计算技术研究所 韩春阳 王 宁

PHM是实现自主式保障的基石，是提高飞机可靠性、可维护性、可测试性和安全性以及降低生命周期费用和经济承受性的一项关键技术，正在成为飞机设计和使用中的一个重要组成部分。论文论述了PHM技术的内涵和原理、结构和功能、关键技术以及在美军型号中的应用。

故障预测与状态管理（PHM）；体系结构；自主式后勤保障系统

引言

随着现代化武器装备综合化、智能化程度的不断提高,现代战争联合作战和网络中心战等新型作战模式对武器作战效能以及快速反应且经济、可持续的保障能力提出了越来越高的要求,因此,世界各大军事强国都越来越重视对综合化的故障诊断、预测与健康管理(PHM)技术的研究和应用。PHM技术实现了从单纯的状态监控向综合化的健康管理的转变,并引入了故障预测技术,通过故障预测有效地规划维修及供应保障,降低了武器系统使用与维护保障费用、提高了安全性、可靠性和可用性,实现了基于状态的维修(Condition Based Maintenance CBM)和自主式保障(Autonomic Logistics AL)。

PHM技术早在2000年7月就被美国国防部列入《军用关键技术》报告中,并成为美国国防部采购武器系统的一项要求。

1 PHM的内涵和原理

故障预测和健康管理(PHM)技术,正在成为新一代的飞机、舰船和车辆系统设计和使用中的一个组成部分。故障预测技术,能够对系统的所有部件完成各自功能的能力,进行预见性地诊断;健康管理技术,在故障预测技术提供的信息基础上,参照系统资源状况以及功能要求,对系统的后续维修维护给出恰当的建议。

PHM采用了基于智能系统的预测技术。首先采用高灵敏度的传感器(如小功率微型无线传感器、涡流传感器等)收集与系统各种特征属性相关的参数值,然后根据各种数学算法(如快速/离散傅里叶变换、Gabor变换)以及预设的人工智能模型(如神经网络、专家系统),对系统状态进行分析、预测,从而对飞机的状态进行监控和管理。PHM技术的实现将使传统的事后维修(即事件主宰的维修)或定期维修(即时间相关的维修)被基于状态的维修(CBM,亦称视情维修)所取代。

PHM的原理是借助人工智能(AI)推理机(如专家系统、神经网络、模糊逻辑或遗传算法),精确地对系统的故障模式和状态属性进行模仿以及识别。图1是实现PHM推理机的专家系统模型。

图1 专家系统体系结构

2 PHM系统结构和功能

PHM系统结构示意图如图2所示。

图2 PHM系统结构

PHM系统结构是一种基于区域管理器的体系结构,该体系结构以区域管理器为核心分为三层:第一层是传感器层,该层由机载传感器以及一些由高级算法构成的虚拟传感器组成,用于完成原始数据(与系统异常属性有关的特征参数)收集;第二层由多个区域管理器构成,负责处理来自传感器层的数据,获取飞机相应子系统的健康信息。区域管理器包括功能软件模块以及软件推理机模块两大组成部分。区域管理器综合采用了包括:数据融合技术、模糊逻辑技术、基于案例/模型推理技术以及神经网络技术,将特征参数与有用的信息相关联,借助各种算法和智能模型来分析、预测、监控和管理各子系统的工作状态;第三层是飞机系统级的推理机,该推理机对来自飞机各个子系统的数据信息进行综合处理,进而对飞机系统级的健康状态进行评估。

PHM内部结构示意图如图3所示。

图3 PHM内部结构

PHM具有如下主要功能:(1)检测与隔离故障的能力;(2)预测特定部件故障的能力;(3)跟踪并预测部件剩余寿命的能力;(4)资源管理与推理机信息融合,以及在此基础上形成的辅助决策能力;(5)故障信息的选择性报告能力,即在正确的时间以恰当的方式给不同的处理人员(飞行员、地面维护人员等)报告不同的故障信息。

3 PHM关键技术分析

3.1 故障预测技术

故障预测方法多种多样,从实际研究中应用的理论、方法和技术路线来看,可以分为如下几类:

(1)基于模型的故障预测技术。

该技术能够模拟进入到对象系统的内部,并对系统故障进行实时预测。同时,该技术在获取前期经验数据之后,会对系统的故障模型参数进行修正,从而不断提高后续故障预测的准确性。

(2)基于知识的故障预测技术。

基于知识的故障预测技术利用对象系统有关的领域专家的知识和经验,基于专家系统或模糊逻辑推理进行系统故障的定性推理。

(3)基于数据的故障预测技术。

利用该系统工作历史数据作为系统故障预测的主要手段,实现途径是采用相应的智能算法对所测量/提取的系统故障/失效随时间不断扩展的特征进行训练,获得相应的智能预测模型结构,进而识别和预兆在相似工况下相应“特征”对应的系统状态。典型算法为神经网络和支持向量机。

(4)复合预测模型。

建立基于物理的随机模型(部件强度/应力的不确定性和某一特定故障特征的广义函数),评价机械系统部件的剩余使用寿命; 对系统失效的数据特征进行提取和智能识别建立基于数据的故障预测模型,评估机械系统部件的状态特征;采用信息融合算法,综合上述模型,分析系统对象的健康状况和相应的发展趋势。 复合预测模型的输入信息从机械传感器信息和使用经验信息产生,主要包括:当前的状态评估数据和工作剖面预计,输出为部件的剩余寿命/状态。

3.2 多传感器融合技术

多传感器融合技术是指对由若干个传感器组成的具有协同的、互补的和竞争性质的传感器阵列,在一定准则下进行自动/智能分析、处理与综合,从而得到比单一信息源更精确、更完全的判断,以完成所需的决策和评估而进行的多层次多方面的信息处理过程,以获得准确的状态和趋势估计。

3.3 PHM系统验证技术

由于产品结构尺寸、材料特性的分散性,外界应力、量化故障规律和测量数据的不确定性,导致了故障诊断与预测的不确定性,进而产生了PHM技术的性能评价与验证问题。目前,常用的验证方法有:(1)实际运行验证;(2)加速试验验证;(3)分析验证;(4)建模和仿真验证。这四种方法互为补充、相互验证。

4 PHM的应用

近年来,PHM技术受到各国军方和工业界的广泛关注,并且积极对PHM技术在民用和军事两方面进行深度挖掘和开发利用,尤其在军事领域。

F35联合攻击战斗机的PHM系统。

除各种直升机以外,PHM技术同时也应用于其它军用飞机,美国的F35联合攻击战斗机(JSF)就是最典型的用例,在该飞机上PHM的系统结构如图4所示。

图4 JSF飞机的PHM系统结构

F35联合攻击战斗机上的PHM系统采用了高密度的软件布局,使用了不同层次上智能推理机软件相结合的方式,将故障诊断和预测技术综合应用到,下至模块级上至系统级的飞机各个层次。

JSF战斗机的PHM系统包括:最底层的软/硬件监控软件、中间层的区域管理软件以及最高层的飞机平台管理软件。最底层是故障信息的直接采集来源,它依靠高灵敏传感器、自检测程序以及预测模型等各种检测手段,将收集的各种信息汇报给中间层的区域管理器。各区域管理器对各自分管的子系统进行不间断的状态监控,它会对来自底层的各种故障信息进行筛选分析等预处理,然后将处理之后的故障信息汇报给最高层的飞机平台管理器。飞机平台管理器对来自各个子系统的故障信息进行最终的分析与处理,确认并隔离真正的故障,同时记录相关的故障信息供后期维护使用。为了更准确地对故障进行确认隔离,更高效地消除虚警,中间层的区域管理器和最高层的飞机平台管理器,综合使用了基于人工智能技术(神经网络、模糊逻辑等)的推理、基于数据模型的推理、以及异常情况下的推理与预测等多种不同的推理技术。

根据评估,应用自主式保障系统以及PHM技术后,不可复现故障发生的频率能够降低80%左右,故障的人力维修成本降低30%左右,飞机的后勤保障规模降低40%左右,同时,能够提升飞机的出勤率约25%。

5 结束语

总之,PHM已经成为国外新一代武器装备研制的一项核心技术,是未来降低复杂系统的生命周期费用,以及提高系统“五性”(安全性、可靠性、测试性、维护性、保障性)的一项非常有应用前景的关键技术。

当前PHM技术的发展体现在以系统集成应用为牵引,提高故障诊断与预测精度和扩展健康监控的应用对象范围,支持基于状态的维修(CMB)与自主式保障(AL)等方面。

国内,研究还处于一个起步阶段,从PHM提出到实现无疑还要做大量深入的理论研究和开发工作。

［1］张宝珍.先进的诊断和预测技术 装备质量［J］.2001.

［2］杨占才,王红,朱永波,等 飞机航电设备综合职能故障诊断专家系统研究［J］.测控技术,2006,25(4).

［3］曹立军,王兴贵,秦俊奇,等 融合案例与规则推理的故障预测专家系统［J］.计算机工程.2006,32(1).

［4］孙博,康锐,谢劲松 故障预测与健康管理系统研究和应用现状综述［J］.系统工程与电子技术,2007(10).

［5］Byington C S.Roemer M J,Galie T.Prognostic Enhancements to Diagnostic Systems for Improved Condition-Based Maintenance.2002 IEEE Aerospace Conference.

［6］Roemer M J,Etc.Development of Diagnostic and Prognostic Technologies for Aerospace Health Management Application 2001 IEEE Aerospace Conference.

［7］Michael J.Roemer,Gregory J.Kacprzynski. Etc. Assessment of Data and Knowledge Fusion Strategies for Prognostics and Health Management 2001 IEEE Aerospace Conference.

［8］S.Henley,R.Currer,A.Hess.Autonomic Logistics-the Support Concept for the 21 Century 2000 IEEE Aerospace Conference.

［9］Zhang Guangfan,Lee S,Propes N,et al.A novel architecture for an integrated fault diagnostic/prognostic system［J］.IEEE,2002.

［10］Baroth E,Powers W T,Fox J. IVHM(integrated vehicle health management)techniques for future space vehicles［J］.37thJoint Propulsion Conference & Exhibit,2001.

韩春阳，男，工程师，主要从事嵌入式实时操作系统的研究、机载实时容错分布式系统的研究。

王宁，男，工程师，主要从事嵌入式实时操作系统的研究、机载实时容错分布式系统的研究。