飞机PHM技术发展近况及在F-35应用中遇到的问题及挑战

张宝珍 王萍

摘要：近年来，预测与健康管理（PHM）技术作为降低成本、实现基于状态的维修和自主式保障的核心技术之一日益获得世界各国军方、工业界和学术界的重视。代表目前世界军机领域最高水平的美军F-35联合攻击战斗机（JSF）的PHM系统目前仍处于研制成熟阶段，技术成熟度依然不高，特别是与PHM配套使用的自主式保障信息系统（ALIS）进度延迟、问题不断，已经成为影响F-35项目研制进度的一个重要问题，美国国防部已正在构建新的运行数据集成网络（ODIM）替代ALIS。本文梳理总结了国外飞机PHM技术的发展应用现状，重点介绍了F-35 PHM系统及与其密切相关的ALIS系统近年的研制进展、遇到的问题与挑战和应对措施。

关键词：预测与健康管理（PHM）；诊断；预测；发展与应用现状；F-35 PHM系统；问题与挑战

中图分类号：V240.2文献标识码：ADOI：10.19452/j.issn1007-5453.2020.07.003

过去20年来，国外在开发和应用飞机健康监测系统方面取得了重大进展，并正在向预测与健康管理（PHM）系统方向发展。如今已广泛部署在民机和军机上的健康监测系统，为使维修和使用成为可预测和可控的活动提供了重要的潜能。最新航空装备的PHM系统正在集成最底层的机械、电气和电子传感器的数据，提供对系统当前状态的近实时准确评估。PHM系统根据传感器参数和使用情况的变化，确定系统的未来状态，并利用这些诊断和预测知识，确定执行任务以及加强和支持维修和保障的最佳方式。这种根据系统健康状况修改任务计划的能力有助于在系统功能退化的情况下确保任务成功。PHM系统还能够根据当前和预测的系统健康状况来计划器材保障、预先定位备件和安排维修，从而创建一个更加高效和有效的环境，促成增强型基于状态的维修（CBM+）/预测性维修的开发和实施。

然而，PHM仍然是一个新兴领域，许多已公布的工作有的还处于探索阶段，有的虽已开始工程应用，但成熟度满足不了要求，有的应用范围有限。例如，美军F-35的PHM系统从功能上代表了目前世界军机领域的最高水平，但是其仍处于研制改进过程中，技术成熟度依然不高，特别是与 PHM配套使用的自主保障信息系统（ALIS）进度延迟、问题不断，已经成为影响F-35项目研制进度的一个重要问题。未来武器装备体系和智能制造系统将要求PHM系统能够基于以往实现诊断和预测的最佳实践来应对当前挑战，同时满足未来需求。

1飞机PHM技术的发展及应用现状

（1）PHM相关技术在军、民机领域应用日益广泛，成效显著[1-3]

近十年来，PHM技术作为提高军用飞机战备完好性、降低持续保障费用、实现基于状态的维修（CBM/CBM+）和自主保障的一项核心技术，已获得世界各国广泛重视，相关技术在军用直升机、固定翼飞机上已有比较广泛的应用，并取得显著成效。如美陆军AH-64“阿帕奇”、UH-60“黑鹰”和CH-47“支奴干”直升机安装健康与使用监控系统（HUMS）后，使直升機任务完好率提高了10%，2010财年节约2亿美元，2014年起全部装备了HUMS。2017年，美陆军认定其UH-60L“黑鹰”上安装的飞行器综合健康管理系统（IVHMS）比未装备IVHMS的直升机出动率高27%，非计划维修减少52%，总维修量减少17%。英国国防部目前最成熟的HUMS是GenHUMS系统，该系统最初是传统的“海王”和“支奴干”直升机的一个“售后服务”安装版本，现在其设计已融入新交付的AW159“野猫”直升机中。此外，HUMS在加拿大、荷兰、新加坡、南非、以色列等国的军用直升机中也得到广泛应用。

PHM/HUMS不仅应用于直升机上，在欧美各种四代、五代固定翼飞机上也有不少应用，如“阵风”战斗机、A400M运输机、B-2轰炸机、“全球鹰”无人机、“鹰”教练机、C-130“大力神”运输机、RQ-7A/B“影子”200战术无人机系统、P-8A多任务海上飞机等都配备了PHM/HUMS类似系统。以波音公司为首的研究队伍为美国海军开展了一项飞机综合健康管理（IAHM）研究，以F/A-18、C-17和波音737为主要研究对象，重点研究对军、民用飞机都适用的一种可互操作的多平台飞机健康管理数据处理与分析方法，旨在显著提高飞机系统可靠性、安全性、维修性、可用性和经济可承受性，从而改进任务性能和作战使用能力。该项目生成的IAHM数据库方案、数据接口方法和算法对新飞机、衍生飞机和现有飞机都适用。

目前，所有上述PHM/HUMS系统主要实现了对飞机的增强故障诊断、状态监测和部分剩余寿命估计功能，尚未真正实现PHM系统中的预测能力。代表当今军机领域功能最全、最高技术水平的F-35 PHM系统也正处于成熟阶段，虚警问题尚未较好解决，且只在自主保障信息系统（ALIS）（驻留地面PHM系统）中纳入了少部分预测算法。

作为一项军民两用技术，PHM技术在民用航空领域的研究和应用尤其突出，近年来，波音公司开发的飞机健康管理（AHM）系统已经扩大应用于40家国际民航客运和货运公司的波音777、波音747-400、A320、A330和A340等飞机上，为这些飞机提供实时监控和决策支持服务，大大减少了航班延误，节省了运营成本，并支持民航机队长期可靠性计划的实现。PHM在民机领域的应用范围不断扩大。从以往主要集中在民用大中型飞机、重型直升机领域，扩展到通用飞机和轻型直升机领域，研究范围也从原来仅考虑保障飞机自身的安全性、经济性方面，进一步向考虑世界反恐的独立监视系统、实时监测外部环境（如火山灰等）的影响等方面扩展，成为整个航空安全保障体系的一个关键环节。图1是2015年7月美国国家航空航天局（NASA）、美国空军和美国联邦航空局（FAA）共同开展的一种验证航空发动机健康监测系统实时监测吹入火山灰影响的一次重要试验活动，以及发动机健康监测系统为此引入的新型传感器布局情况。

近年来，霍尼韦尔公司推出了一系列新型自诊断传感器：一体化健康监测（IHM）系列接近传感器，可用来改善飞机系统性能，降低维护成本。该传感器可以检测某个传感器何时受损或者受到其他影响。该接近传感器是可配置、非接触的密封装置，可以用来感应在恶劣的飞机应用环境中某个目标物体的接近或远离，如确定反推力装置是否完全闭合。该传感器可以检测某个传感器何时受损或者受到其他影响，可以探测大多数内部故障，并向飞行员或者维护人员显示，这有助于减少飞机维护时间和成本。

霍尼韦尔公司还推出了一款线位移传感器（LVDT），可用于发动机机械装置、飞行员操纵装置和前机轮操纵装置上。这种传感器可以为下一代飞机提供连续位置监测能力，并可应用在恶劣环境中。该LVDT已经安装在某些霍尼韦尔研制的系统中，并可以支持其他的组件和系统制造商。

（2）人工智能、物联网等新兴技术推动飞机PHM技术发展[4-6]

近年来，为了进一步改进和扩展PHM系统的能力，进而帮助实现增强型基于状态的维修，即预测性维修（CBM+）和航空装备80%的战备完好性目标，美军大力推动人工智能（AI）、大数据分析、云计算、物联网（IoT）等高新技术在飞机PHM领域的应用。美国国防部国防创新试验小组（DIUx）与工业界合作，将人工智能、自动化和机器学习技术应用到飞机上，作为预测潜在故障、实现预测性维修的一种新方法。合作方包括美国国防部、美国空军以及C3 IoT公司。按照合作要求，C3 IoT公司正在向F-16和E-3“哨兵”AWACS监视飞机整合AI驱动软件，争取在6个月内实现在飞机上运行。据悉，C3 IoT平台使美国防部能够在网络上统一的基于云的数据镜像中汇集和保存大量不同的数据，包括结构化数据集和非结构化数据集。人工智能可以利用所有可用信息并评估机载系统，以了解某个部件可能发生故障或需要更换的时间，从而带来后勤保障优势以及节省成本和提高飞行安全。根据飞机中航空电子设备的种类，机载传感器可以收集重要的维修数据，并在飞机着陆或飞行过程中下传遥测信息。

在美军军用直升机HUMS系统使用期间，也曾出现过虚警（错报）等问题，引起过维修人员的不信任。但经过不断改进和成熟，如绿色能源监测系统（GPMS）公司的HUMS采用了一种专利的信号过滤方法，可以减少误报，并采用了专有的云计算算法，改进了系统的故障检测能力，如今的直升机HUMS已经成为飞行员和维修人员有力的助手。

英国皇家海军正寻求一种新的健康管理和风险预测模型，通过使用数据科学和分析模型来预测潜在的缺陷或故障，实现成本节约。该模型使用的是两阶段递归神经网络，由一家名叫DecisionLab的公司开发，由英国联合部队司令部发起，并由国防部国防创新基金资助。起初该神经网络模型是为民用航空市场而开发，现在该模型经二次开发，应用于军事领域。该模型能及时对未来活动进行预测，可使维修工程师提前一天、一星期甚至兩星期掌握系统的状态和健康状况。

民用飞机健康监测在技术和概念上也在迅速发展。航空公司和飞机原始设备制造商、发动机制造商、传感器供应商和软件公司都在以互联方式开展工作，以创建更加数字化的物联网和基于云计算的飞机健康监测方法。

2017年巴黎航展上，空客公司和加利福尼亚州的软件服务公司Palantir Technologies宣布建立合作伙伴关系，让航空公司开始以新的方式监测机身的健康状况，实现从反应型向预测型飞机维修模式的转变。这两家公司合作推出新的航空数据平台“智慧天空”（Skywise）。Skywise的愿景是成为数据分析的独特接入点，将多个信息源整合到一个安全的云平台中，包括工作订单、备件消耗、零部件数据、飞机/机队技术状态、机载传感器数据和航班时刻表。空客公司还宣布已选择罗克韦尔-柯林斯公司为空客A320系列飞机提供飞行操作和维护交换机（FOMAX）计划。从2018年开始，所有新的生产型A320都配备了罗克韦尔-柯林斯SSR-7000安全服务器路由器和“紧凑型连接单元”，可收集飞机维修和性能数据并自动传送到地面操作系统。此前，这些技术是通过ACARS网络将数据传输给航空公司的地面运营和维护团队。罗克韦尔-柯林斯的路由器为飞机上的机组人员连接提供了一个Wi-Fi网络，同时也是蜂窝和终端Wi-Fi设备，并且能够连接所有主要的卫星通信设备。FOMAX提供空客飞机系列（A320/A330 ）的全系列传感器数据：便于访问超过40倍的机载传感器，以实现更好的预测性维修、更丰富的地面操作视图以及最佳的飞行操作。之前，A320运营商只能捕获400个健康参数（或者可用数据的2%）。根据空客公司的说法，支持FOMAX的A320可以捕获24000多个健康参数或100%的可用数据。

飞机发动机原始设备制造商（OEM）正在通过引入云计算，采用物联网、数字孪生和新的数据采集技术来改进发动机监测和维修方式，促进预测性维修的实现。利用大量的智能数据分析、预测工具和工程专家知识，发动机OEM帮助航空公司降低油耗，更有效地飞行，确保正确的团队和设备就位，以便更快速地维修，并保持较高的可视性。通过改进发动机健康监测数据的收集和分析方式，OEM努力实现发动机使用寿命的最大化。

数字孪生是一个已经构建的完整物理系统的数字化副本，指针对现实世界中的物体，在数字世界构建一模一样的实体，借此来实现对物理实体的理解、分析和优化。数字孪生技术的精细程度远超过传统的数字模型，将虚拟世界中的数字孪生技术应用于物理世界，可以更好地诊断故障。数字孪生可以将飞机平台或子系统的整个生命周期联系在一起，从设计到MRO到报废处置。制造的时候，装备的物理实体与数字孪生是绑定的。一套新装备交付时，装备实体及其数字孪生也一起交付，每次对装备的物理实体进行改装和维修，也会体现在数字孪生上。

目前，通用电气公司已为部分发动机制造了数字孪生部件。此外，通用电气公司还帮助开发了世界上第一项用于飞机起落架的数字孪生技术，其将传感器放置在物理设备的典型故障点上，如液压和制动的温度节点，用以提供实时数据，帮助预测早期故障或起落架的剩余寿命。数字孪生技术开发的另一个公司是西门子公司，该公司已经为诸如载人和无人飞行器的电推进装置等部件实现了数字孪生功能。

发动机OEM改进其数据收集方法的一种方式是通过传统航空公司和非传统航空公司之间的合作来实现。例如，罗罗公司与微软公司合作，利用微软的Azure云平台和Azure物联网组件来收集和聚合数据；通用电气公司同Avionica合作，为其CF34-3发动机带来实时的发动机预测能力。Avionica可为通用电气公司的庞巴迪挑战者600系列飞机带来快速访问记录器（QAR）技术。该公司将为其分布在全球70多个国家的200多架采用CF34-3发动机的飞机的运营公司提供可用的预测健康管理服务。

（3）CBM+和协作维修推动PHM技术呈现新的发展趋势[7-9]

维修方式自20世纪以来发生了重大变化，重点从技术转向技术+经济考虑。如今，各种维修策略是根据装备（设备）的重要性和成本效益，以综合方式加以应用。这些维修策略包括但不限于：修复性维修、预防性维修、预测性维修/ CBM+、自维修、灵巧维护、电子维修和协作维修等。这些策略还在不断发展，随着设备和运行条件的日益复杂，新的需求也在不断产生，目前可见的最终目标是智能维修。

美国国防部要求所有武器装备都应推广应用CBM +。该方案的重点是在各不同军事部门的平台上应用PHM，这是CBM +能力的一个子集。2020年第1季度，美国空军快速保障办公室（RSO）已将CBM+软件部署到美国空军机队的700多架飞机上，在CBM+上培训了66个维修单位，部署了178种算法（并在不断增长），在故障前更换了105个部件，节省了5000h的排故时间，并开始对179多个部件进行早期故障评估，还在三个新平台（F-15、B-52和C-17）上启用CBM+[2]。

为了更有效、更高效地进行维护，降低能源消耗和增加产能，使飞机更可靠和更健壮，需要在军、民机整个协作社区中大力推进应用PHM技术。PHM不是孤立发展的，在数据科学、工程和协同工业中，有几个重要的概念正在发展。这些进展可以在PHM系统中发挥作用，促进其增长。

在工业4.0中，必须改进自动化技术，包括自我意识和自我学习。资产已经可以通过物联网（IoT）框架、网络物理系统（CPS）、机器对机器通信和工业互联网相互“交谈”或“学习”，也就是说，将复杂的物理机械与网络化的传感器和软件集成在一个协作领域中。然而，有关智能数据分析的知识以及创造资产自我意识和自我学习的能力仍然有限，许多数据未得到充分利用。这些阻碍资产协作效率的因素限制了向智能维修的最终目标迈进。

应用PHM技术的关键是将高可靠性和精确的传感器技术，诊断、预测和健康管理的算法和软件设计结合起来，以及定义和开发一种使用和成熟PHM能力的集成环境，最终结果是一个使用可靠性和效费比更高的系统[5]。最近，在成功开发和实施此类PHM项目方面出现了一些新的趋势：首先，有一种新的需求，即运行技术（OT）、信息技术（IT）与工程技术（ET）的融合；其次，纯数据驱动或物理模型驱动的方法可能无法满足现实中资产的情况；相反，上下文驱动的方法越来越被接受，它将有效地利用所有相关信息（包括机载数据、试验数据、设备机理、上下文数据等）进行诊断、预测；最后，从产品全生命管理（PLM）的角度，从部件级到系统级，再到系统体系（SoS）级开发和实现PHM项目。

（4）飞机PHM系统的全面成功仍需克服多方挑战

目前，飞机PHM系统要全面成功地实现其功能，仍需要克服4方面挑战，包括数据采集、诊断、预测和健康管理（见表1）。而数据是根本的挑战。对于高度复杂的系统，很难建立具有预测性和持续维修能力的PHM项目。这些平台经常监视和解释成千上万的传感器状态和错误代码。对于这样的系统，人类使用者很快会陷入信息过载的境地，仅仅应用分析模型而不了解底层健康监测和报告系统的复杂细节通常不能做出准确的健康预测。

另外，在智能制造系统中实现PHM未来需要克服的几个关键挑战（见表2），包括实时诊断和预测方法、PHM系统评估标准以及用户友好型PHM系统内数据（来自传感器、可编程逻辑控制器（PLC）、专家等）的集成。

2美军F-35 PHM系统研制近况及存在的问

题及挑战[10-19]

2.1 F-35 PHM系统诊斷能力有所改善

F-35 PHM系统收集机上性能数据来确定飞行器的工作状态。当达到成熟时，PHM将利用从整个F-35上采集的数据以及PHM内存储的数据，基于趋势来预测维修需求。PHM系统旨在提供诊断和隔离故障、跟踪和预测部件的健康和寿命趋势的能力，并利用飞行期间收集和存储在飞机便携式内存装置（PMD）中的飞行器健康报告代码（HRC）使飞机的自主保障能力得以实现。

PHM监测几乎F-35的每个机上和机下系统，它必须高度一体化，能按照预期工作，并要求随着系统的成熟而不断改进。目前，F-35 PHM系统包括三个重要部分：故障和失效管理（诊断能力）、寿命和使用管理（预测能力）以及数据管理。近年来，F-35 PHM诊断和数据管理能力仍在成熟中。诊断能力应该检测飞行器内真实的故障并准确地将故障隔离到现场可更换部件（LRC）。但是，对F-35诊断能力的验证一直表现出准确性差、低检测率和高虚警率等问题，直到最近几年才开始呈现出一些改善的迹象。

虽然随着各批次F-35能力的部署，故障检测覆盖率有所提高，但大部分性能指标仍低于阈值要求。表3给出了美国国防部作战试验鉴定局2015—2017财年三年的年度报告数据对比情况。表3数据来源于2015—2017财年美军作战试验鉴定局年报。其中，2016财年与2015财年数据对比显示，F-35 PHM系统的故障覆盖率、故障检测率、非电设备故障隔离到一个现场可更换部件的故障隔离率都有明显改进，最显著的提升是平均安全关键虚警间隔飞行小时数，而平均虚警间隔飞行小时数和非电设备隔离到三个或较少LRC的故障隔离率没有明显改善，而电子设备隔离到一个LRC的故障隔离率较上一年年报中的数值更差。平均飞行安全关键虚警间隔飞行小时数和非电设备隔离至一个LRC的故障隔离率是两个仅有的似乎朝着满足其阈值要求方向不断改进的诊断指标。自2017财年起，F-35项目报告PHM指标已从6个月的滚动窗口转变为3个月。2017财年与2016财年的年度报告数据相比，2B和3F批次每个故障检测和隔离指标几乎都有所改进，但3F批次的两个非电子故障隔离指标除外，该指标下降了7%～9%。从表3可见，F-35 PHM诊断性能总体上有所改善，在这个滚动窗口中5个度量指标中的两个已满足阈值要求。

2.2 F-35 PHM系统在地面引入初步的预测能力

F-35 PHM系统的地面部分宿主在自主式保障信息系统（ALIS）中。ALIS是关键的使用与维修管理系统。2014年9月1日，洛马公司发布了ALIS 2.0版，该版本增加了针对F-35的状态趋势分析和机队管理能力。F-35项目计划直到ALIS 2.0.2版本才集成预测能力。2.0.2版本的部署从2015年12月延迟到2016年7月底，后又推迟到2017年4月。洛马公司于2017年4月26日宣布，美国空军和海军已批准安装最新型F-35战斗机维护系统软件——ALIS 2.0.2版，该软件引入了普惠公司F135发动机的数据。该版本软件将于2017年底前安装于所有装备F-35的基地。在ALIS 2.0.2版本中增加的能力包括以下几点。

（1）有寿件管理（LLPM）

有寿件管理（LLPM）具体包括推进系统集成和生产型飞机检测要求（PAIRs）。

以前，推进系统数据从飞机便携式内存装置中下载，并提供给普惠公司的现场服务工程师进行处理和生成维修工作规程。推进系统集成将便于ALIS能像处理飞机数据一样处理推进系统数据。

ALIS 2.0.2版包括PAIR系统的第1阶段。该项目在取消了大部分最初计划的预测算法后，增加了多个PAIR作为PHM的组成部分。项目计划在ALIS 2.0.2版和ALIS 3.0版中各包括8种预测算法，而最初计划在系统研制与验证（SDD）阶段纳入128种算法。

（2）分中队报告

便于飞机即使在其远离部队部署时，也能向其大本营所在中队的标准运行单元（SOU）报告其状态。

（3）SOU与SOU之间的通信

新能力将允许在特定的情况下在SOU之间进行文件的针对性传送。增加这种能力主要是使飞机部署效率更高。

（4）部署性的改进

包括改进部署规划和一次性成批转移所有部署资产。

（5）商用现货（COTS）硬件替代品

便于项目对硬件过时淘汰做好计划，随着时间的推移用更新的硬件替代。

（6）ALIS就绪检查

改善ALIS过程的健康监测。

2017财年F-35项目的一项主要工作是试验并部署ALIS 2.0.2.4软件。ALIS 2.0.2.4包含PHM中的前7种预测算法，涉及燃油、滑油和液压油的监测。最初使用这些算法的人员将负责收集数据，用于未来成熟服役寿命预测和剩余寿命预测（算法）。

试验中发现了一些缺陷，针对其中一部分缺陷，已经在部署之前采取了纠正措施。在4个使用站点部署了ALIS 2.0.2.4之后，暴露出了ALIS不能正确地追踪发动机部件的寿命使用问题，为此2017年6月海军陆战队航空站终止了飞行试验。9月开始了ALIS 2.0.2.4.4版本的试验，ALIS 2.0.2.4.4版本解决了之前发现的一些缺陷，但这次试验又发现了其他的缺陷，导致空军一度停止了ALIS 2.0.2.4.4版本的部署，直至2017年11月该项目纠正了这些缺陷，空军重新启动了ALIS 2.0.2.4.4版的部署。

该项目在2017财年年底还完成了2.0.2.5版的研发，该版本主要解决ALIS内部的一些现有的缺陷和使用性问题，并将浏览器更新到Internet Explorer 11。这个版本包括一个用于降低预测健康管理系统虚警的滤波功能，不包含其他新的功能。

F-35具备全面作战能力所必需的ALIS 3.0版本是系统研制与演示验证（SDD）阶段发布的最后一个增量，于2018年9月开始部署使用。ALIS 3.0开始全面跟踪剩余时间，以更换使用寿命有限的F-35部件，并增加防雷功能、提高网络安全性，改进低可观测健康评估系统（LOHAS）等。ALIS 3.1允许合作伙伴国家独立管理其数据。ALIS 3.5（称为“稳定”版本）目的是解決ALIS长期存在的用户问题，满足网络安全阈值要求（包括使用互联网协议），改进低可观测性健康评估系统（LOHAS），并为ALIS管理提供初始的集中化功能。该版本原计划在2019年10月发布，但由于一些缺陷被推迟到2020年1月。部署完毕后，ALIS 3.5将有助于改进F-35隐身涂层的评估，并降低生产飞机检查报告系统处理数据的时间。

在该项目之前的计划中，2020年之后还会发布另外两个版本：ALIS 3.6和ALIS 3.7。ALIS 3.6计划解决Windows 10、增强网络安全、改进标准运行单元（SOU）之间的数据传输能力以及分散的维修能力等问题，允许在没有完整的ALIS硬件套件的情况下进行部署。ALIS 3.7的目标是通过增强训练管理系统来提高任务保障能力，提高部署的备件保障能力、部分中队保障能力、腐蚀管理能力以及对头盔和其他飞行员飞行设备的保障能力。但2019年9月，F-35项目宣布不再按照原计划发布新的ALIS软件版本，而是将其分解成更小、更频繁的软件服务包。2020年1月，美国国防部宣布将用新的“运行数据集成网络”（ODIN）替代ALIS系统。

2.3 F-35 PHM遇到的问题及挑战

2.3.1 F-35 PHM虚警问题

最近三份年度报告中指示的虚警指标中的微小改进表明该项目将不能满足虚警阈值要求。

不良的诊断性能增加了维修停机时间。维修人员通常运行机内测试来判断诊断检测到的故障代码是否是真实的故障。虚警导致军职人员开展不必要的维修活动，通常只能依赖承包商的支持才能更准确地诊断系统故障。这些活动增加每飞行小时的维修工时，并进而降低了飞机可用度和出动架次率。诊断工具的准确性差还可能导致维修人员对真实故障不敏感。

ALIS中记录的虚警数可以人为减少。因为对于一名合格的维修监督员，如果他知道某个健康报告代码（HRC）对应一次虚警，可以阻止或将之取消，从而不会产生工作单，并不计入虚警指标。但如果维修人员签署了一份工作单，而HRC中描述的问题其实并没有发生，该项目将把HRC算作一次虚警。由于PHM尚不成熟，而这种做法为维修人员节省时间，所以，在外场出现这种情况是正常的。不过，这就意味着所记录的虚警数并非总是HRC虚警率的准确反映。

截至2016年4月，F-35飞机中最可能导致漏检、错误的故障隔离和虚警的系统：（1）漏检：综合核心处理器（ICP）、通信-导航-识别（CNI）机架模块、全景驾驶舱显示器、电力和热管理系统（PTMS）和飞行器系统处理能力。（2）错误的隔离：ICP、PTMS、电子战、电源、液压系统。（3）虚警：推进系统、CNI系统、电子战、ICP、显示器和指示器。

为此，F-35项目办公室在2015年曾启动了一个PHM成熟计划，以改进PHM三个主要部分中每部分的性能。（1）改进BIT的功能性：PHM软件对BIT结果、机下过滤器清单和故障隔离指示的处理；还聚焦已识别的高故障主宰因素，按照优先顺序开发能对故障检测和隔离、虚警性能、不必要维修、高维修工时、飞机可用性和过高费用产生最大影响的异常和故障辨识系统（AFRS）解决方案。（2）基于使用和修理反馈来改进生产型飞机检测要求（PAIRS）的功能性和装备状态评估算法：基于机队经验潜在增加新的寿命跟踪项目。（3）改进或增加飞机的数据收集：改进数据从飞机到ALIS的下载和处理，改进数据的分发和存储，以更好地支持用户需求。

另据2017年度作战试验与鉴定局年度报告中透露，F-35项目已开发并在测试一种先进的过滤器和相关（AFC）1.0功能，作为F-35 PHM系统的组成部分。AFC 1.0旨在减少HRC的虚警数；减少派生的HRC，因其导致单一故障生成多個HRC工作订单；减少条件性的不良HRCs，它是仅由飞机某些非工作的代表性技术状态、诸如在一种特殊（即由生产和研制并行引起的）的技术状态下测试飞机或维护飞机而触发的虚警。F-35项目期望AFC 1.0能改善PHM的虚警性能，但是DOT&E估计此改进对于项目符合要求而言将是不充分的。

2.3.2 F-35结构PHM出现的问题

结构PHM（SPHM）是整个机体寿命周期管理的一个关键元素，它包括过大g值、硬着陆、超速和过载状态等状态事件检测和分析，计划提供腐蚀监测和预测性建模能力。飞机上目前有两种腐蚀传感器：一种安装在天线罩隔框的前表面，另一种装在燃油/热交换器舱壁上。ALIS 2.0.0包括一个对这些腐蚀传感器的记录功能。2015年11月项目办公室完成的一项研究确定机队中27%的腐蚀传感器已经失效，因此该项目正在开发新的传感器。

2.3.3 F-35离机PHM及PMA当前的问题

F-35飞机的维修人员要开展大部分维修活动，必须将便携式维修辅助（PMA）笔记本电脑与飞机进行物理连接。维修人员借助PMA能够从飞机上获得状态和技术状态信息，同时控制飞机功能，开展其他维修，诸如打开容纳冷却空气容器的弹舱门，以便在地面运行航电设备时使用空调装置。维修人员还通过PMA访问异常故障辨识系统（AFRS）（属于离机PHM工具），该系统对机载PHM系统产生的HRC进行自动故障排查，并访问联合技术文件（JTD），它能告诉维修人员如何对AFRS识别的故障进行修理。最后，维修人员利用PMA记录其工作情况。

然而，F-35项目使PMA与飞机保持同步以开展维修一直比较困难耗时。在许多情况下，维修人员必须试图同时将多个PMA与一架飞机连接，以便找到一台能与飞机成功连接的PMA。这些连接被称作维修人员与飞机接口（MVI）会议。偶尔，这些PMA在一次MVI会议期间断开连接，也妨碍了高效率维修。

2016年，F-35项目引入了改进的MVI电缆适配器来预防意外的物理断开连接，已见成效。还有一些软件相关的问题，诸如PMA与飞机连接需要几秒到数分钟。这偶尔导致维修人员因误认为未能连上而断开PMA，直到ALIS管理员重置它来解决问题，这个过程非常耗时。

2.3.4ALIS数据质量的问题

自主保障信息系统（ALIS）也是困扰F-35项目已久的一个重要软件问题，进度不断延迟（完成F-35研制试验所需的ALIS版本直到最初计划的8年后（2018年）才发布），存在大量系统缺陷，高虚警率和数据错误影响管理人员对飞机健康状况的正确判断，零部件管理混乱增加了维修保障人员的负担，已成为影响F-35飞机战备完好性的重要因素。

提供的数据不准确、不完整的问题成为ALIS首要的一个使用问题。ALIS提供的数据往往不完整或完全错误。如在飞机没有问题时给出错误提示，造成飞机停飞。ALIS系统通过产生HRC追踪机队中飞机的维修状态，如果该软件检测到某架飞机上的一个技术问题，它将建立一个否定的健康报告，并依据该问题的严重程度将飞机判定为不具备任务能力。这将使飞机停飞，直至健康报告中的问题得到诊断和修复，如果报告的健康问题是虚假的，管理员将中断该系统。外场报告表明ALIS报告的问题有80%是虚假的，这为F-35本来已经超负荷的维修团队带来了大量额外负担。此外，ALIS软件的设计使得管理员难以中断该系统、阻止飞机停飞。这个问题从2012年就已经发现，为此项目组开发了多个软件补丁。

由于ALIS中数据的不可靠性，F-35站点的用户都在收集和跟踪系统外部的信息，一个站点估计每年平均花费5000～10000h手动跟踪应该在ALIS中自动获得的信息。许多设计为自动的功能需要手动完成，带来人力和时间浪费。

2020年1月，美国国防部宣布将用新的“运行数据集成网络”（ODIN）替代ALIS系统，重新设计系统架构，构建基于云的系统，采用敏捷开发模式。美国国防部计划将于2020年9月交付第一台新设备，2021年底首次投入使用，2022年12月前在所有F-35中队全面投入运行。

總之，F-35的PHM和ALIS的研制不是一蹴而就的，需较长的成熟过程，而且二者密不可分。PHM如果不与ALIS整合，PHM就不能充分发挥作用，因此，彻底地落实ALIS（或未来的ODIN）才是万全之策。

3结论

PHM技术的发展经历了状态监控和故障诊断、故障预测、系统集成三个日益完善的阶段。虽然军民用飞机领域PHM技术的发展十分迅速，但是距离全面成熟应用还有一定距离，主要在以下方面存在较大困难：（1）航电设备失效数学模型难以建立；（2）设备剩余寿命预测评估精度不高；（3）间歇性故障预测方法还很不成熟等。当前PHM技术的发展主要体现在以系统级集成应用为牵引，应用现代信息技术（建模仿真、大数据、云计算、物联网等）、人工智能技术和微系统技术，提高故障诊断与预测精度、扩展健康管理的应用对象范围，支持增强型基于状态的维修（CBM+）/预测性维修等方面。

人们普遍认为，PHM/IVHM技术目前虽然仍在成熟中，有许多问题尚待解决，但它代表了未来的一种重要发展趋势。

参考文献

[1]James D. NASA and USAF study effect of volcanic ash on C-17 engines[EB/OL].（2015-06-20）. http：//www.flightglobal. com/news/articles/nasa-and-usaf-study-effect-of-volcanic-ashon-c-17-engines-414817/.

[2]Kevin H.The role of HUMS[EB/OL].（2017-10-05）. https：// www.aviationpros.com/airports/airport-technology/article/1236 5423/the-role-of-hums.

[3]William K. Honeywells new sensors self-diagnose internal failures[EB/OL].（2017-08-21）.https：//www.sae.org/news/2017/ 08/honeywells-new-sensors-self-diagnose-internal-failures.

[4]Larry D.C3 IoT lands Department of Defense deal for aircraft predictive maintenance[EB/OL].（2017-11-01）. https：//www. zdnet. com/article/c3-iot-lands-department-of-defense-deal-foraircraft-predictive-maintenance/.

[5]Frank W.Light commercial helicopter market fertile for health usage monitoring systems[EB/OL].（2019-10-04）.https：//www. aviationtoday.com/2019/10/04/light-helicopter-market-fertile-fieldhums/Commercial.

[6]IEEE Reliability Society. Product-oriented overviews of the application of PHM sensors，techniques，technology，and methologies[EB/OL].（2019-10-02）. http：//phmconf. org/ phmtopics.html.

[7]Maintenanceofthefuture：Movingfrompreventive，predictive to collaborative[EB/OL].（2019-06-15）. https：// www.ruggedmobilityforbusiness.com/2019/07/maintenance-ofthe-future-moving-from-preventive-predictive-to-ollaborative/.

[8]Teddy K，Eric M. Mission readiness with machine learning and PHM：Failures is not an option[EB/OL].（2019-10-21）. https：//www. ntconcepts. com/mission-readiness-with-machinelearning-and-phm-failure-is-not-an-option/.

[9]Gregory W V，Brian A W，Moneer H. A review of diagnostic and prognostic capabilities and best practices for manufacturing[J]. Journal of Intelligent Manufacturing，2019，30（1）：79-95.

[10]Dr Neal N，Edward R B. PHM on the F-35 Fighter[C]// Prognostics and Health Management（PHM）2011 IEEE Conference，2011.

[11]Tom D. Next-Generation operational health & decision support in the maintenance environment[Z].Lecture，Phoenix，Arizona，2009.

[12]Edward R B. Prognostics and health management：A Datadriven approach to supporting the F-35 Lightning II[C]//2007 IEEEAerospace Conference，2007.

[13]DoD.Director，operational test and evaluation fy 2016 annual report[R].DoD，2016.

[14]DoD. Director，operational test and evaluation fy 2017 annual report[R].DoD，2017.

[15]DoD.Director，operational test and evaluation fy 2018 annual report[R]. DoD，2018.

[16]DoD.Director，operational test and evaluation fy 2019 annual report[R]. DoD，2019.

[17]Iain G H，Anthony M C，Wayne B. Overview of the F-35 structural prognostics and health management system[C]//9th European Workshop on Structural Health Monitoring，2018.

[18]GAO-16-439. F-35 sustainment-DoD needs a plan to adress risks related to its central logistics system[S]. 2016.

[19]DoD. Director，operational test and evaluation fy 2015 annual repor[R]. DoD，2015.

（責任编辑王昕）

作者简介

张宝珍（1967-）女，硕士，研究员。主要研究方向：通用质量特性及试验与测试技术情报研究。

Tel：010-57827746

E-mail：baozhenznew@163.com

王萍（1981-）女，硕士，副研究员。主要研究方向：试验与测试及综合保障技术情报研究。

Tel：010-57827744E-mail：towangping@163.com

Recent Development of Aircraft PHM Technology and Problems and Challenges Encountered in the Application on F-35

Zhang Baozhen*，Wang Ping

Aviation Industry Development Research Center of China，Beijing 100029，China

Abstract： In recent years， prognostics and health management （PHM） technology， as one of the core technologies to reduce costs， realize condition-based maintenance and autonomous logistics， has been paid more and more attention by the military， industry and academia all over the world. At present， the PHM system of the U.S. F-35 Joint strike aircraft （JSF）， which represents the highest level in the field of military aircraft in the world， is still in the stage of development and maturation and the technical maturity is still not high enough， especially the progress delay and problems of the autonomous logistics information system （ALIS）， which is used with PHM， have become an important issue affecting the development progress of the F-35 program. The U.S. Department of Defense is building a new ODIM instead of ALIS.This paper summarizes the development and application of foreign aircraft PHM technology， focusing on the F-35 PHM system and its closely related ALIS system in recent years， the development progress， problems and challenges encountered and countermeasures.

Key Words： PHM； diagnostics； prognostics； current development and application； F-35 PHM system； problems and challenges