基于飞行参数的直升机智能故障诊断系统研究

纪华东 胡雪明 刘照兴

摘要

故障诊断技术可以极大地提高直升机的可靠性和安全性，降低维护成本。目前外场维护过程中故障诊断和维护手段落后，缺少自动化的技术分析飞行参数中隐含的故障信息支持故障诊断，且故障诊断的自学能力较差。而国内直升机故障诊断工作还未形成系统化的故障诊断系统来解决全机各类故障的诊断。针对直升机故障诊断存在的问题，论文通过分析各类故障诊断方法的优劣，提出了基于飞行参数的直升机智能故障诊断系统总体方案，并研究了综合案例推理、故障树和径向基（RBF）神经网络方法解决直升机各类故障的诊断流程该系统方案有助于提高国内直升机故障诊断水平，为直升机故障诊断系统的深入研究提供了有益的思路。

【关键词】故障诊断 飞行参数 案例推理 故障树 径向基神经网络

1 引言

直升机结构复杂，故障现象和工作环境复杂，故障频率高，严重影响飞行安全。及早地发现故障并进行维护，在很大程度上提高了直升机安全性、可靠性和经济效益。但通过调研发现，当前直升机外场维护主要依赖于维护人员的经验，维护设备和技术手段落后，难以高效、准确地判断故障原因以及确定维修方案;直升机飞行参数类型繁多，其中蕴含了大量的故障信息，目前主要依靠人工分析，缺少自动化的技术分析飞行参数;装备更新换代日益频繁，维护人员难以快速掌握设备状态，迫切需要自学能力强和扩展性好的故障诊断系统。因此研究基于飞行参数的故障诊断系统对于直升机具有重要现实意义。

国外在故障诊断领域已经取得了许多成果，广泛应用于军用和民用航空领域。而国内直升机的故障诊断研究和应用还处于起步阶段。当前的研究大都针对某个系统或者部件的故障診断，缺少应用于直升机全机故障通用化的诊断方案。由于实际诊断对象复杂且各种诊断方法所固有的局限性，无法单独应用一种诊断方法就完全解决实际对象的故障问题。目前故障诊断技术朝着综合化的趋势发展，如何有效集成多种诊断方法，发挥各自的优势，从而提高整个诊断系统的综合性能成为研究的重点。

本文在国内外研究的基础上，结合用户需求调研提出了基于飞行参数的直升机智能故障诊断系统方案，研究了智能故障诊断系统的实现方案和技术路线。该系统可以提高排故和维护效率，降低维护保障费用和人员负担，有效改善直升机的维修保障。

2 故障诊断基本方法

现代故障诊断技术分为基于解析模型的方法、基于信号处理的方法和基于知识的智能诊断方法。本文通过广泛的调研发现各类故障诊断方法在应用时各有优劣，总结如表1所示。

一方面由于当前直升机还存在大量需要依靠专家经验和知识解决的问题，无法通过模型求解获得，长期的使用也使得在直升机领域积累了完备的经验和知识;另一方面由于系统故障的多样，其故障和征兆之间不存在简单的——对应关系，而基于知识的方法不需要系统的数学模型，引入了诊断对象的多种信息，可以充分利用经验和知识进行故障诊断，因此基于知识的方法在直升机故障诊断领域具有广泛的应用前景。但是也存在一定的不足，如专家系统缺乏自学习能力;神经网络方法诊断推理过程不能够解释，缺乏透明度等等。

为了克服现有故障诊断方法的局限性，常常采用混合故障诊断技术，可以更加全面地分析直升机的故障问题，有效提高诊断效率。基于以上的分析，本文通过案例推理和故障树的方法构建知识库进行故障诊断，既能充分吸收以往案例经验，又能够结合现有故障树分析的成果，但是知识获取存在较大难度，且自学能力差;与径向基神经网络结合，可有效解决专家系统的不足，以往的案例和故障树也可以帮助获得训练样本。

3 基于飞行参数的直升机智能故障诊断系统

3.1 系统总体框架

基于飞行参数的直升机智能故障诊断系统可以实现飞行参数译码，可视化显示飞行过程中飞参的各种变化，故障快速判读可以全面地分析故障征兆信息，然后进行故障诊断分析出故障原因，并据此给出解决故障的建议，最后将故障分析的结果显示给用户。该系统主要包括数据解析、数据回放、数据库管理、故障诊断和解释处理等模块，总体框架如图1所示。

数据解析模块接收来自机载系统采集和处理的数据进行译码，实现飞行参数的预处理。预处理后的数据通过系统数据库管理模块实现存储、查找、删除等操作，系统数据库管理包括综合数据库和知识库，用户或者专家可以通过人机接口不断扩充数据库。数据回放模块可以实现飞行参数的可视化，包括飞参曲线显示、三维视景显示、驾驶舱仪表显示再现等，有助于识别故障信息。故障诊断模块针对飞行参数中包括的故障信息进行深入分析，故障快速判读模块能够快速发现故障征兆，在此基础上进行故障诊断定位出故障原因，给出故障维护建议。解释模块在诊断结束后将诊断结果信息汇总后通过人机接口以诊断报告的形式显示给用户，报告中记录每一步的推理过程，相关解释和解决方案等，以维护人员容易理解的方式给出故障诊断的结果和解决故障的建议。用户和专家也可以通过人机接口对数据库和知识库进行维护完善等操作。

3.2 关键模块研究

3.2.1 数据库管理模块

系统数据库管理主要存储系统管理、飞行参数解析、故障诊断推理和解释处理所需要的各类数据，主要包括综合数据库和知识库2大部分。综合数据库主要存储飞参工程值、超限报告以及存储推理中间过程和结论等，解析获得的飞行参数工程值需要存储在以飞参命名的飞参工程值表中;经过故障快速判读获得的飞参超限信息存储在超限报告中;存储故障诊断推理的中间过程及结论，可以为用户提供整个推理过程的解释。

知识库主要存储故障诊断的经验和知识，包括飞参阈值判断表、故障案例库、故障树数据库、神经网络数据库等。

（1）飞参阈值判断表是故障快速判读的主要依据规则，记录了直升机各个系统飞参信息包括名称、作用、类型、来源、故障判据、故障类型等。

（2）故障案例库是案例推理CBR方法用到的历史案例信息，主要包括案例基本信息表、故障征兆表、维修信息表等组成。其中案例基本信息表记录了故障现象、故障原因分析、诊断结果、使用频率等基本信息。故障征兆表记录了征兆描述、征兆数据信息、征兆模糊关系值、权重等信息。维修信息表记录了相关故障维修步骤信息。

（3）故障树数据库用于支持基于故障树的推理，包括故障树、规则表、最小割集表等信息。其中故障树规则表描述了各个故障现象和故障树最小割集表之间的逻辑关系，本文采用产生式规则描述规则表，基本形式是：IFPTHEN Q，规则的前件P对应于故障树的最小割集，规则的后件Q对应于故障树的顶事件。

（4）神经网络数据库存储神经网络训练建立的知识库，在此基础上进行故障诊断。相较于传统的知识表示，神经网络知识的表示属于隐性表示，通过神经网络描述某个问题知识之间的关联，通过训练样本进行训练得到网络单元的连接权值和稳定的数据中心，并存储到知识库中。

3.2.2 数据回放模块

数据回放模块以飞行数据为基础，通过多种不同形式的回放模式形象地重现飞行数据的变化情况。该模块主要提供飞行参数查询、驾驶舱仪表再现、飞参变化曲线图、三维视景仿真等功能，深入分析直升机各系统的运行情况，为提取故障信息提供支持。某些故障如偶发性的故障，机务人员无法通过单独的某个飞参值来判断故障与否，而飞参变化曲线图完整地描述了飞行过程中相关设备的运行状态变化，可为故障判断提供更多有用信息。驾驶舱中仪表和告警数据最为丰富，驾驶舱仪表再现提供重要仪表告警数据的再现功能，便于地面维护人员准确地判断可能故障及其原因和维修决策。三维视景仿真动态模拟起飞、降落等事故高发的飞行阶段，结合提供的飞机姿态、位置、驾驶舱仪表等飞行参数信息，机务人员可以直观地发现飞行过程中出现的各种飞行问题和故障现象。

3.2.3 故障诊断模块

本文根据BIT、飞行故障字等信息和基于飞参阈值的故障判读获得准确完备的故障征兆，在此基础上进行故障诊断定位故障原因，通过基于案例推理和故障树的专家系统借鉴历史经验和知识进行故障诊断;若未能解决，则通过RBF神经网络的方法通过一定的学习和训练实现故障诊断，最后将故障诊断结果以案例的形式存储在知识库中进行完善。故障诊断总体流程如图2所示。

（1）故障快速判读。故障快速判读可以快速发现直升机故障征兆信息，为进一步的故障诊断提供输入。首先根据维护BIT数据、直升机飞行后的故障字信息以及空/地勤反馈的情况，可以得到部分系统部件故障信息。其次根据译码后的飞行参数数据，与不同类型飞行参数阈值进行比对得到飞参故障快速判读结果，判断是否有飞参超限和超限事件发生，将其存放到超限报告中。维护人员收集各个系统BIT、故障字等信息，结合飞行参数可视化显示、超限报告分析出全面准确的故障征兆信息，并将其存储到数据库。

以旋翼转速为例，定义旋翼转速的飞参判据为“295

（2）基于案例推理和故障树专家系统。通过对关键飞行参数的分析获得故障征兆信息，首先进行案例库的检索，如果在案例库中发现匹配案例，则对案例进行调整;如果没有发现匹配的案例，则可结合故障征兆，执行基于故障树故障诊断推理流程。实施流程如图3所示。

1.基于案例推理的故障诊断。基于案例推理的专家系统可以通过对过去类似案例的检索，来实现快速的故障诊断。通过对关键飞行参数的分析获得故障征兆和故障现象，根据案例属性进行加权计算获得新故障问题与各个案例库中的案例的匹配程度一即相似度，给出相似度D于规定阀值λ的相似案例集;如果在案例库中发现匹配案例，则开始对案例进行调整，来实现快速的故障诊断，并直接给出完整的处理包括案例描述、详细故障原因分析、故障征兆详细描述、维修处理措施等。

2.基于故障树的故障诊断。若调整后的案例不能够解决当前的故障问题，则需要转入基于故障树推理过程。基于故障树的故障诊断常常用于诊断直升机各个系统的偶发故障。通过故障征兆和故障信息确定出故障现象即顶事件，根据故障树规则表找出顶事件所有的最小割集的集合，然后依据重要度对最小割集进行故障检测，找出发生的故障并给出维修和处理措施，最后将诊断结果以案例的形式存储到故障案例数据库中完善知识库。最小割集可以帮助人们发现系统的最薄弱环节，以便于有针对性、有目标的进行故障诊断，提高诊断的快捷性和准确性。

（3）基于RBF神经网络故障诊断。针对基于案例推理和故障树的专家系统无法识别的故障，采用径向基神经网络的故障诊断方法。实施流程如图4所示。

RBF神经网络方法包括输入层、隐层和输出层，各层之间的连接赋予其不同的权值，通过一定的学习和训练，确定出网络单元的连接权值和稳定的数据中心，然后接受外部输入并通过隐层处理便可获得期望的输出。该方法首先需要通过已知的训练样本进行训练，选取合适的方法如采用梯度下降法、自适应学习速率法等修正各单元的权值，并确定稳定的数据中心，直到达到设定的训练次数或者结果的准确率。训练样本也可以通过故障树中故障与最小割集的逻辑关系来构建;然后利用训练好的神经网络对给定的征兆集进行处理，找出征兆集和故障集之间非线性映射关系实现故障诊断。当输入信号靠近径向基函数的数据中心时，经过加权将有较大的输出;若远离则取0或者较小值;如果期望结果误差较大，则返回隐层处理调整数据中心和权值，直至满足要求。

4 总结

本文根据国内直升机外场维护调研，提出了基于飞行参数的直升机智能故障诊断系统方案，通过挖掘飞行参数中的信息准确全面地识别故障征兆，然后通过基于案例推理和故障树的专家系统以及RBF神经网络的综合故障诊断方法对各类故障进行智能诊断和处理。针对外场维护过程中故障诊断和维护效率低、故障分析自学能力差、飞行参数利用率不高的问题，该方案提供了有益的思路，通过综合多种故障诊断方法实现各个方法之间的优势互补，相较于单个方法可以更加有效地进行故障诊断。该系统的研究将有助于直升机的故障诊断系统的设计，为在直升机故障诊断的深入研究和应用奠定基础。但是直升机故障的快速诊断依赖于知识库，未来还需要不断的收集完善;当前故障诊断技术越来越多地朝着综合化的方向发展，还需要根据直升机的特点深入研究故障诊断技术如何更好地结合。

参考文献

[1]姚曜，周新力，宋斌斌.直升机飞行参数综合处理软件设计研究[J].烟台：海军航空工程学院学报，2006.

[2]韩兵，贾会琰，陈宇.美军旋转冀飞机预测性维修中的状态监测和数据分析技术[J].航空维修与工程，2016（04）.

[3]Felix T.S.Chan.Application of ahybrid Case-based reasoning approachin electroplating industry.ExpertSystem，2005.

[4]吴娉娉，惠晓滨.直升机旋翼状态监测与智能故障诊断系统设计[J].西安：火力与指挥控制，2012（09）.

[5]徐英帅，王细洋，孙伟，胡贵锋.直升机动力传动系统故障诊断方法[J].南昌：失效分析与预防，2012（04）.

[6]张鹏，黄金泉.基于双重卡尔曼滤波器的发动机故障诊断[J].南京：航空动力学报，2008（05）.

[7]金小强，李新民，陈焕等.基于神经网络的直升机自动倾斜器轴承故障诊断方法[J].南京航空航天大学学报，2016.

[8]J.J.Gill.Lessons Learned from Rotaryand Fixed-wing HUMS Applications.2000 IEEE Aerospace conferenceProceeding，2000.

[9]朱大奇，于盛林.基于知識的故障诊断方法综述[J].马鞍山：安徽工业大学学报，2002（07）.

[10]李洪宁.基于CBR与PTA的飞机故障诊断专家系统的研究与设计[J].青岛：青岛科技大学，2012.

[11]杨兴.通用性故障诊断专家系统平台的研制—人工神经网络信息融合方法[J].镇江：江苏大学，2007.

[12]卿立勇.基于飞行数据的飞机故障预测与故障诊断系统研究[J].南京：南京航空航天大学，2007.