基于CPS的飞机结构形变测量与管理

何红丽,胡绍林,郭晓博

(1.中国飞行试验研究院， 西安 710089； 2.西安理工大学， 西安 710048)

人工智能、互联网、大数据与传统的一些物理、机械等学科相结合是新一轮的科技革命。这种演进的战略核心就是通过物理—信息融合系统(cyber physical systems，CPS)实现人、设备与产品的实时连通、相互识别和有效交流，构建高度灵活的信息化、数字化的智能模式[1-3]。

由于飞机结构形变与飞机安全密切相关，是飞行安全的重要保证，每架机定型试飞必须进行形变测量。飞机结构强度形变测量是飞机设计定型考核的重要项目。机身形变测量主要通过飞行前后对飞机机身及关键部件特征点进行精确的测量，获取各测试点与飞机原有状态的相对变化量，计算其是否与设计指标相符，综合评价飞机结构强度、刚度，进而评价飞机的安全性能[4-5]。机体形变测量传统采用多测站测量法。首先需要进行飞机水平架设，然后基于固定站址手动瞄准观测并记录，经换站测量，通过坐标转换、数据融合等离线处理获取统一坐标体系下的测量结果，与飞机原有状态进行比较，给出偏差，结合理论限差给出结论，整理形成报表上缴给项目主管。

传统测试方法存在如下几个方面问题：测量过程人为干涉多，测量效率不高，测试流程和测试资源之间缺乏有机的关联，测试流程生成的智能化程度较低；测试数据管理对于测试资源和测试流程的支撑不全面，测试大数据的开发和利用不充分,围绕试验的资源、流程和数据管理的业务系统发展较为薄弱，缺少后期大数据分析和挖掘的必要支撑，不能有效地形成决策支撑链,无法从制定飞行试验方案、试验实施、到试验结束的全生命周期测量管控，数据应用受限。

作者在跟踪国内外智能化测试技术发展趋势的基础上，结合飞行试验实际需求，提出基于CPS基础架构的新一代智能测试与管理技术方案[6]--[11]。该系统以三维模型为基础、以自动化为核心驱动力,引入专家知识，用虚拟测试手段进行测量设备选型与测量方案优化配置，综合采用数字化、网络化、信息化，虚拟化等技术，实现智能感知、分析决策，优化传统的测试作业流程，从根本上减少人为干涉，提高测试的快捷性、效率与精度。

1 结构形变测量系统的构建

1.1 系统设计

飞机结构形变测量系统建设从数字化和信息化入手，以CPS为基础框架，围绕飞机形变测量展开的，在测试资源、流程和数据管理的全流程进行智慧化设计。建立可覆盖飞机设计生产以后基于三维模型的形变测量规划、飞行状态外形改变、飞机外形变化趋势分析的数字化测量与监控网络，在专家系统的支持及对知识的学习基础上，协助用户提供专业支持，形成优化的测试方案；通过数据的不断迭代形成深度“智慧”的测试数据管理。

针对飞机结构形变需求，构建飞机全生命周期的形变智能测量系统，实现特征点、线、面数据的智能化快速自动化采集、记录、计算、评估及数据的管控，系统平台架构建设如图1所示。

这种架构以原始CPS框架为基础构成了飞机形变智能化的赛博物理系统(CPS)，体现了“状态感知、实时分析、自主决策、精准执行”的智能特征。

1.2 各分系统构成及功能

如图1所示，系统根据功能需求进行划分，主要由物理测量分系统、数据采集分系统、虚拟测试分系统、智能数据处理、管理分析分系统4部分组成。

1) 物理测量分系统

物理测量分系统是设备的执行、传动、感知、测量单元，由具体的物理测量设备全站仪、光笔(光学测量仪)三维扫描仪、激光跟踪仪、摄影测量设备等组成。全站仪、光笔、激光跟踪仪主要实现对被测对象特征点测量；摄影测量设备主要利用近景摄影原理对飞机关键点云进行测量，激光扫描仪器实现对大面积点云的测量，通过多测量设备的组合应用，可以获取被测飞机上所有点、线、面的信息，通过坐标体系统一等处理获取完整的飞机外形数据。

2) 数据采集分系统

数据采集主要获取各种测量设备的数据，通过信息网络输送给测量数据处理分系统进行处理。采集分系统采用分布式测量模式，不同设备采用不同的通信接口，采用不同的操作处理系统,需统一接口转换，让控制中心可以实现多测量设备的互操作。包含异构条件下多标准集成的可扩展软硬件接口如：云访问数据接口、信息系统接口、测量软件接口、测量设备硬件数据接口等。该分系统可实现测量数据、测量计划、测量模型等信息无缝共享。

3) 虚拟测试分系统

根据测量任务的要求及现场环境知识建立仿真模型，对测量特性进行仿真计算，通过仿真给出某个特定任务中参与测量的设备的组合、布局、测量任务的规划，是系统优化配置的关键，同时也是自动化测量的基础。主要用于任务的准备，模拟测量现场，对设备布局、设备干涉、测量轨迹路径的模拟，对测量方案及计划进行确认。

测量规划分为3个层次，一是可测性规划，将可测量性设计融入飞机全寿命周期保障，在飞机设计初期即考虑如何解决各阶段的测量问题，将测量保障活动及所需的各种技术手段进行分析，并使之规范化，改变传统的“事后测量”模式；二是测量设备布站规划，在保证满足测量精度与测量范围的前提下，使用最少的测量设备和最优的站位方案；三是最优测量路径规划，其目的是在保证测量精度的前提下，能够以最短的路径，安全而又高效地遍历待测对象的检测区域。

4) 智能数据处理、管理分析分系统

该分系统是系统核心，心脏，是实现测试数据从原始数据到可用数据的转换。主要对设备进行标校处理、坐标的转换、数据的平差处理、数据融合，并负责各种设备状态及测量数据的管理，引导发送、处理、评估、显示等，基于模型库、知识库通过运行智能算法为设备整合、测量规划、路径设计、数据引导等提供控制数据；通过统一坐标系形成测量控制网，通过多模融合、数据平差获得满足测量目标的优化数据；最终实现3D标准、VR/AR等大数据可视化。具备管理决策专家系统等功能，对所测量的数据可以依据飞机型号基于模型进行管理。具体工作模式如图2所示。

2 关键技术及实现

2.1 虚拟测试

由于零部件的尺寸、现场条件以及测量系统的可视性等约束，采用单台/种仪器测量在实践中往往不可行。综合采用多台相同或不同的测量系统能够着重关注具体的特征或区域，在一次测量中获得感兴趣的更多详细信息，加快测量速度并提高测量精度和可靠性。多测量系统测量场模型要根据测量任务的要求及现场环境模型而建立，其中应包括工作空间、零部件、障碍物、测量目标、测量仪器、测量空间内的环境因素等信息。对测量系统按照不同布局或配置方案组合，通过仿真形成不同的测量场结果，由此可以在现场实际测量实施之前评价测量系统的性能参数并得到优化的结构参数，验证测量场模型和试验需求相符性，在仿真过程中着重关注可视性与精度特性。

针对智能化与高效率的要求，合理利用现有测试资源，需要设计其全生命周期的形变测量管理控制规划，对检测目标与检测任务进行分类，统筹规划、安排和确定质量检测的活动内容，包括：检测项目，检测程序，检测数量，检测次数和时间，检测设备手段，检测数据分析处理等等。其工作模式如图3所示：其特点在于飞机入院后，首先获取其整机原始状态模型，通过数据模型获取飞机的全部信息，将模型定义融入测量知识工程、测量过程模拟，通过飞机模型进行测量仿真，形成优化的测量方案设计和测量设备优化配置。

2.2 基于云计算的测试数据智能管理/分析

数据是研发、试验、生产、维护的关键和核心。围绕测试数据采集、数据分析和数据挖掘为产品设计、指标验证、生产测试和使用维护提供支持和保障，是解决现有测试问题的重要手段。基于云计算的测试数据智能管理/分析服务，为决策者提供知识共享、故障诊断、决策支持和任务调度；对于数据分析者，通过平台实现数据订阅、资源调配和试验流程设计和数据挖掘，对于执行者，多为试验人员，系统提供试验数据的存储接口，实现试验的监控、任务调度、数据存储和数据挖掘服务。

基于云计算的测试数据智能管理/分析服务的“智慧”更体现在其基于测试大数据的飞机健康评估功能。由多通道推理机、知识库、健康数据库等组成的飞机结构健康评估程序，用于诊断所监测的飞机结构是否存在故障，其诊断方法采用了基于历史飞机结构记录的趋势分析、结构形变实时测试数据、系统运行环境及其负载分析和系统部件的维修历史分析等。

1) 多通道推理机

根据不同对象的损伤机理和数据分析要求，推理机设立了不同策略的推理通道，以获得最优结果。推理机采用的分析与推理方法包括 ：基于规则和案例的方法，基于故障树的方法，基于神经网络的方法和基于相关性统计分析的方法。

2) 专家知识库

存储飞机结构健康监测和诊断所需的工程技术资料，包括正常 / 异常数据、容限、曲线、参数、警戒线、原因、危害、相关因素、判据、案例、处理预案等，用来支持推理机根据监测数据对飞机当前健康状况进行判断。

3) 健康数据库

存储系统及其部件的使用维修数据记录，全面反映飞机及各部件的累计使用情况、历次维修情况、当前健康状况、损伤残留及待查隐患、任务能力评估以及预定的维修安排等，用来支持推理机根据监测数据对飞机系统部件的健康状况进行判断。

4) 维修决策

运用概率预测模型对设备未来健康状况进行预测、获得设备在某一时间的故障率、可靠度函数或剩余寿命分布函数后，就可按照经济性、设备可用度、风险度等准则建立维修决策模型，形成最优的使用和维修策略，其决策流程如图4所示。

2.3 融合处理

目前各种数字化测量设备都有其优点与局限性，适用于特定领域的精确、快速测量。在现场测量数据采集过程中，为了充分利用各测量设备的优势信息，建立信息互补和数据冗余的智能化测量系统，实现测量任务的最优配置。根据各测量设备的测量原理和特点，如激光跟踪仪的测距精度高、全站仪测角精度高，基于坐标系配准算法和平差优化算法建立多模式融合测量模型，采用激光跟踪仪、光学测量仪、全站仪和iGPS等设备建立精密全局空间测量控制网，实现全局控制与局部终端摄影测量结合的测量模式，提高系统测量精度、测量范围和测量效率。实现步骤如下：

1) 基于坐标系配准算法统一全局坐标系，建立各测站与全局坐标系的位置关系R和T，如四元数、奇异值分解、最小二乘等算法：

P=RQ+T

(1)

其中：P是全局坐标系下特征点坐标值；Q是各测站坐标系下特征点坐标值。

2) 针对不同类型测量数据建立合理的定权模型，确定观测值权矩阵W，基于平差优化算法，实现整网平差优化：

(2)

其中，Vi是第i个测站观测值协方差矩阵。

3) 利用近景摄影测量对飞机关键点进行测量，或利用三维扫描仪获取飞机关键部位的点云数据，实现全局控制与终端摄像测量相结合的数据处理。

3 应用验证

基于CPS的飞机结构形变系统构建，按照整体规划，逐步实施的思路在开展，由于篇幅有限，本文重点介绍智能测量系统的整体设计思路，并利用现有的测量设备构建了智能测量系统的雏形，现有的专家知识库是建立在原有数据与经验积累的基础上，本文重点对自动引导测量处理控制及处理精度进行了应用验证。

针对某型运输机全机形变测量要求(点测量误差不大于1 mm)进行了形变测量与管理系统的构建。系统由全站仪、光学测量仪、影像测量设备以及测控中心(负责数据的处理与综合管控)等组成，通过测控中心进行数据处理及控制全站仪等进行自动化引导测量。在信息网络系统支持下，实现了多测量设备的联合组网，把所有的测量信息都引入控制中心进行集中管控与处理；在测控中心加入专家系统知识(飞机的外轮廓、门限信息、设备性能信息等)，通过融合解算可实现指定坐标体系的实时处理与自动化引导，结合专家知识(超差门限)给出了故障诊断结果，并用红色进行了预警，该试验验证了引导自动化测量的有效性，同时通过精度检测验证了坐标转换、平差处理的有效性。

本系统在进行任务规划时，主要依据飞机的外轮廓，重点关注可视性，可测性与精度，在满足要求的情况下形成了设备的布局与测量流程规划，采用3种设备组合进行测量，全站仪用于地面大范围单点测量，光学测量仪用于机体上隐蔽点测量，影像测量设备用于机背上点云的测量。

测量处理及决策：进行机体形变测量时，首先利用全站仪把测量坐标定制为机体坐标，然后通过机库内的公共标识点把全站仪、光学测量仪、影像测量数据坐标转换到统一坐标体系内,坐标统一之后依据测量规划，通过测控中心调控多个设备进行实时测量。实时测量的流程是先把所有要测量的点在机体坐标系下的理论值通过坐标转换获取被测点在测站坐标系下的极坐标值，用此值引导并驱动测量设备锁定目标点，锁定好目标后自动化测量，测量后的数据实时回传测控中心系统进行解算，与原有坐标进行比对，给出形变量，在专家知识(允许超差的门限)的支撑下对故障进行预警，经过多种方式确认后输出结果报表，实现了系统的自动化测量。自动化测量的界面如图5所示，该界面可以实时进行测量，实时处理给出偏差值，超差则用红颜色进行预警，实时确认测量状态。测量结束可以获取飞机外轮廓所有测量信息，可在飞机模型上对关注点的偏差进行标注，如图6所示。

精度检测：使用全站仪与光学测量仪器、影像测量系统对同一个目标点进行测量，在坐标统一后进行结果比对，试验时抽取了两个公共点的测量及处理结果进行验证，如表1所示。

表1 数据处理结果 m

通过测量处理结果比对，可以看出融合精度高于单测量设备，其可靠性更高，其精度可以达到1 mm以内，满足飞机形变测量需求。

该系统建成后，不需要水平架设，不用人工记录测量数据及录入解算，改变了传统测量需要水平架设、依据人的经验找点、测量的问题。现在利用飞机设计的理论数据进行引导测量，经网络传输给测控处理中心实时进行数据处理，并在专家知识的支撑下进行故障预警，经处理后形成处理结果报告。通过多次试验测试统计可知，采用传统测量模式完成一架机测量需要4人5个多小时完成测量处理及报表输出；而利用现有的测量模式只需要2个人，2个小时就可现场完成测量处理及报表的输出。明显提高了测量的效率，同时利用多测量设备对测量进行处理，提高了测量结果的可靠性。同时数据可以与原有模型一并保存，实现全生命周期管理。

4 结束语

基于CPS的飞机结构形变测量与管理系统直接利用飞机的三维数模，通过统一的测量数据集实现大尺寸测量规划、执行、结果分析，它将全部测量信息表示为测量数据集的形式，实现了测量信息的集成管理，可以依据飞机模型实现飞机从出场到飞行试验结束其全生命周期其结构形变的管理。该测量模式已在多型机测量中得到应用推广，系统的构建为数字化试飞提供了有力保障。