大数据方法在航空发动机性能监控中的应用

薛庆增

摘 要： 将大数据方法应用到航空发动机性能监控领域， 克服了传统阀值监控的弊端， 提高了监控的精度和效率。建立发动机性能参数与故障模式的知识库， 以及性能参数与发动机剩余使用寿命的知识库。利用大数据理论模型， 预测发动机性能参数的变化趋势，判断其性能状况。

关键词： 大数据； 扩展功能； 性能监控； 知识库

中图分类号：V263.4 文献标识码：A 文章编号：1672-3791（2016）01（a）-0000-00

1 大数据概念和作用

大数据是当今提及的比较多的词语，Google/baidu的搜索服务就是一个典型的大数据搜索应用。其主导思想： 根据客户的需求， Google/Baidu实时从全球海量的数字资产（或数字垃圾）中快速找出最可能最接近的答案，呈现给客户，这就是一个最典型的大数据服务的例子。只不过这只是一个简单的商业应用模式，当时并没有形成和上升到概念的层面[1，2]。

发动机性能监控是维修保障的关键环节， 将大数据方法与发动机性能监控结合在一起， 监控发动机的异常变化。并且利用大数据方法预测性能参数的变化趋势， 进一步判断其性能状况。

2应用大数据方法监控发动机性能

发动机使用时间跨度大，使用次数多，状态变换频繁。对发动机进行有效的使用和管理是维修保障工作的重中之重。发动机在准备以及大修后， 都要对其进行试车， 在没有飞参回传系统和数据采集系统时， 以保障人员的感官和经验，并结合仪表的有限读数判断发动机的性能状况；飞机在飞行时， 更多是依据经验以及飞行员反映的问题判断发动机的性能。

這种方法虽然更多的发挥了机械师等人的主观能动性，有模拟仪表提供少量数据， 但主要是靠经验进行维护，带有很强的主观性。主要表现为以下两点：

第一， 经验性维修思想仍占有一定地位。维修过程、内容、方式、时机的确定还不够科学、规范， 有的偏离了维修规律；

第二， 对预防性维修作用的认识还存在偏差， 工作略带一些盲目。总以为所有故障都可以通过预防性维修予以消除， 试图通过“多做工作、勤检查”来杜绝可能出现的所有故障，这样做往往适得其反， 造成了装备的过度维修。

近几年， 数据逐渐被视为一种资源， 数据储存与分析越来越受到重视。基于数据的发动机性能监控已然成为维修保障的重要环节。

在加装飞参回传和数据采集系统后， 给维修工作提供了一个全新的发动机数据平台， 采集到的参数是发动机乃至飞机性能最直观的表现。依据这些数据，可以更为详细的了解发动机的性能状况、故障模式等， 配合维护人员的经验以及维护规程等措施，可以及早的发现故障，更为准确的定位故障和排除故障。

由于传感器产生的数据量巨大，相应配备了发动机监控软件和数据存储设备， 可以收集和存储这些数据。这为利用大数据方法监控发动机性能提供数据基础。

3 大数据方法在发动机性能监控的具体应用

大数据最基本的功能就是将存储的数据进行可视化分析。维护人员通过研究曲线的变化， 了解发动机的性能状况， 掌握其使用情况， 便于进一步做好保障工作。

一般来讲， 直接描点法往往表示发动机性能的效果不够理想。要深层次得到发动机性能信息， 就必须进行数据挖掘以及数学变换分析。建立性能参数与发动机性能的映射关系库。结合具体情况，利用大数据平台建立以下几个关键的知识库。

（1）建立发动机性能参数与故障模式的知识库。收集发动机出现不同故障模式时对应的参数， 包括滑油数据， 试车数据，飞行数据等， 这些参数作为表征发动机出现特定故障模式对应的数据。在发动机工作参数基础上，利用数据挖掘算法学习（神经网络算法等），建立大数据模型，将反映发动机性能的参数带入到大数据模型中， 利用匹配算法， 如果此时输入的参数对应知识库中某种故障模式的参数， 那么就可以判定发动机可能处于某种故障模式。

（2）建立发动机性能参数与剩余使用寿命的知识库。发动机的剩余使用寿命一直是人员最关心的问题。维护规程规定： 发动机每到一定使用时间， 必须进厂大修； 到达使用寿命， 必须报废处理。发动机使用期间， 还要进行维护工作。理论上讲， 每进行一次修理， 发动机的剩余使用寿命便得到增加。建立发动机性能参数（包括滑油数据，飞行数据，试车数据）与其剩余寿命的大数据模型（例如神经网络非线性映射关系）， 当发动机经过一次修理后， 利用大数据模型得到其剩余寿命， 为后续使用以及维修计划提供指导。

（3）建立发动机实时监控的大数据模型。直接描点法显示发动机性能变化趋势， 但有时受一些干扰等因素， 存在参数波动的现象， 不能清楚的显示发动机性能变化趋势。利用大数据方法（支持向量机模型）， 拟合出平稳的性能变化趋势。计算原始数据与拟合曲线的差值， 得到残差。当参数残差超过阀值时， 应重点关注相关部件。相比较以前的简单阀值标准，更为准确的判断发动机性能。利用大数据模型， 预测其性能参数的变化趋势， 预先判断其性能状况， 提前做好维修保障工作。

4 大数据方法的扩展应用

以上三点是大数据方法在发动机监控中的应用。发动机参数采集系统收集的数据种类很多，包括飞行时间、油门杆角度、发动机转速等信息。参照这些数据（包括推油门的时机及时间长短等参数）以及飞行动画， 分析飞行员的驾驶动作与飞行品质， 矫正不良飞行习惯， 让他在最短时间内飞行技术取得最大的提高。

另一方面， 统计发动机各种故障形式， 以及相关的环境因素， 建立大数据模型， 拟合出发动机各种故障形式的故障率的变化规律。也可以将多台发动机进行比较， 得到同一批次发动机故障的分布规律。找到同批次发动机的共同特点， 不同发动机特有的故障形式。在存储数据的基础上，对飞参数据进行统计分析与学习， 自动更新发动机趋势分析中的报警阀值， 指导发动机的监控工作。

大数据不仅体现在有形的数据上， 文字信息与图片信息应同样受到重视。这些便于更为彻底的了解发动机的性能， 方便后续的维护保障工作。

5结语

让数据说话， 用数据指导保障工作， 是维修保障非常重要内容。但数据不是万能的， 必须结合具体实践工作， 配合维护人员的维修经验， 结合维护规程等， 认真研究发动机的构造和原理， 充分发挥维护保障人员的主观能动性， 主客观同时起效， 才能使飞行保障建设更上一个新台阶！

参考文献

[1] 甘丽新， 涂伟. 大数据时代电子商务的与挑战探讨[J]. 科技广场. 2013：3：137-140

[2] 全石峰. 云计算环境下大数据处理对电子商务发展的作用[J]. 电脑知识与技术. 2013： 9（20）： 4762-4763， 4770.