航空装备故障预测与健康管理的数据体系研究

曲昌琦 周锐 杜宝 隆金波

摘要：故障预测与健康管理（prognostic health management，PHM）是一种利用采集到的数据进行数据处理后，针对航空装备的当前状态监测、诊断以及预测从而得到智能决策的技术。PHM能最大限度地保障航空装备的运行安全，提高保障任务的能力。在PHM的整个阶段会产生大量的数据，目前已有部分国内外机构针对PHM数据体系进行了研究与构建，然而大部分的数据仅仅是针对PHM数据的管理维护方面做了探讨，并不能清晰地、深入地梳理出现役航空装备的设计数据、使用数据、验证数据之间的逻辑关系，所以构建一套完整的PHM数据体系架构成为当前极为重要的工作。本文以航空装备PHM技术为背景，贯穿装备生产制造全生命周期时间线，基于PHM系统的设备级、区域级、平台级数据的构建、融合为主线，补全PHM数据管理维护数据，形成一套具有航空装备特色的PHM数据体系架构，完善PHM不同数据要素之间的逻辑关系。

关键词：航空装备；故障预测；健康管理；数据体系

中图分类号：V37文献标识码：ADOI：10.19452/j.issn1007-5453.2020.12.008

随着我国航空装备的大力发展，对航空装备的通用质量特性提出很高的要求，故障预测与健康管理（PHM）作为航空装备的诊断预测技术，能最大程度地保障航空装备的运行和使用安全，完成既定的任务，并且能降低全生命周期的维护费用。PHM技术利用尽可能少的传感器采集系统的各种数据信息，借助智能算法（如物理模型、神经网络、数据融合、模糊逻辑、专家系统等）评估系统对象的健康状态，在系统故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施以实现系统的视情维修[1-2]。PHM可以降低维护成本，提高系统的设计特性，优化维修决策机制，并为产品设计和验证的优化提供数据支撑和建议决策[3-4]。

数据作为PHM中的输入尤为重要，数据的不全面以及不准确将导致航空装备在维修保障中不能有效地降低维修成本，同样也不能正确地指导航空装备的正向设计，不能为正向设计带来指导作用。目前国内外的科研机构、高校大多在研究PHM的数学模型算法，很少有学者在PHM数据体系架构上做深入的研究和探讨。

随着航空装备结构的复杂化、飞行任务的多样化，在飞行过程中，决策的重要性就日益突出。决策的正确与否会关系到飞行的安全，而进行决策的基础是依靠在执行任务过程中采集到的数据，针对这些数据进行数据挖掘和数据融合，利用决策树和决策方法来判断航空装备的状态，并且提出相应的建议[5-6]。但是进行正确决策的基础是数据，因此，在现代航空装备的健康管理体系中，数据是被摆在第一位的，如果不能明确哪些数据作为输入部分应用到PHM技术中，会导致数据缺失、数据整合程度低等问题，使得PHM技术不能完全发挥其实际意义[7-8]。因此需要构建出一套完整的PHM数据体系架构，确保数据在设计、研制以及使用过程中的完整性，并将这一类数据之间的关系、使用时机和产生时机进行深入梳理，从而最大程度地发挥数据在航空装备健康管理体系中的价值。

本文以航空装备PHM技术为背景，贯穿航空装备生产制造全生命周期时间线，基于PHM系统的设备级、区域级、平台级数据的构建、融合为主线，补全航空装备PHM数据管理维护数据，形成一套具有航空装备特色的PHM数据体系架构，完善航空装备PHM不同数据要素之间的逻辑关系。

1航空装备健康管理数据

1.1数据类型

航空装备在设计、生产以及使用的过程中会产生很多的数据，一是结构化数据，主要来自于基于关系型数据库的业务系统或按二维表结构进行逻辑表达的数据；二是非结构化数据，如图片、音频、视频、报告、文档等形式的数据；三是半结构化数据，如XML、HTML文件等。

航空装备的数据从收集使用的角度可按以下几种类型划分：（1）航空装备定义数据：航空装备的基本组成结构特征、性能技术指标、固有质量特性的一组数据，包括如航空装备、子系统和组部件的基本配置关系，设计规范和技术报告，可靠性。（2）航空装备健康评估数据：运行状态数据、故障数据、操作状态数据、诊断结果、预测结果、模型算法数据等。（3）航空装备健康决策数据：任务数据、维修数据、决策数据、备件数据、设计数据等。（4）其他数据：成本数据、履历数据、技术资料等。

1.2数据来源

航空装备的健康管理的数据来源主要从以下几个阶段来考虑。首先是针对航空装备的设计阶段，包括航空装备的设计规范报告，其次是针对航空装备的使用过程中产生的数据，如传感器采集的数据以及故障数据信息，最后通过智能算法产生的决策信息指导维修航空装备：（1）航空装备的设计规范报告、性能技术指标等输入数据；（2）用来设计航空装备所要求的通用质量特性数据；（3）航空装备的层级之间的数据；（4）航空装备组件级别的交联关系数据；（5）航空装备的所有传感器的采集数据；（6）所有航空装备的故障信息、状态信息数据；（7）发动机指示和机组警告系统（engine indication and crew alerting system，EICAS）生成的所有的有关航空装备的警告信息；（8）其他数据信息。

1.3数据特点

航空装备数据本身具备以下的一些特点：数据量大，类型众多，管理难度大；数据使用周期长，对共享程度要求高；数据按批/架次管理；存在数据集成的问题；数据应长期保存，数据安全性要求高。

健康管理的数据在航空装备的数据特点的基础上有一些大数据固有的数据特点，不仅对正常使用的数据要做到记录，同时也要對故障数据、衰退曲线做到记录；不仅对系统之间的功能数据做好记录，也要能及时梳理出数据之间的传递和关联关系，而且数据要做到实时性强，不然达不到监测、诊断以及预测的能力。主要有以下特点。

（1）数据量庞大

初期装备的数据量以及数据规模较少，使用过程中随着时间的推移，数据体量会愈发庞大，其中包含了大量的正常使用数据，仅有少部分的故障数据以及衰退曲线数据，如何从庞大的数据体量中对所需要的数据进行筛选成为PHM数据需求的一个难点。

（2）数据的多样性

数据的多样性体现在复杂装备中的系统较多，系统之间的关系非常复杂，耦合性强。采集的数据类型丰富（振动、压力、电压、电流、温度、噪声等）；数据的维度多样：运行状态数据、控制状态数据、可靠性数据、备件数据；如何通过多样的数据来表征当前装备的健康状况以及寿命曲线成为PHM数据的另一个难点。

（3）数据的实时性

PHM的功能有狀态监测、故障诊断以及寿命预测，如果数据的实时性差，监测的状态就会有偏差从而导致误报信息，甚至在发生故障的时候不能做出相应的决策从而导致严重的损失。

（4）数据的准确性

数据的准确性在PHM技术体系中也是至关重要的，数据作为PHM的输入部分，其真实性不能得到保障会造成后端输出结果以及决策支持的误导，所以PHM的数据需要确保其准确有效。

1.4数据格式

航空装备的健康管理数据需要对数据格式做标准化，规范化航空电子测试数据采集和记录机制是保证飞机安全、提高出勤率和训练效果、支持飞机有效使用的基础，有着重要的意义：

（1）随着飞机内部结构与交联关系的复杂，规范化航空装备健康管理数据采集和记录机制可以将飞机的飞行数据信息快速、有效、全面地获取并且存储下来，保证飞机安全和支持飞机有效地使用。

（2）规范化航空装备健康管理数据采集和记录机制，会根据采集到的数据实时分析飞机的飞行状态，如果发现故障，会报警并且确定故障级别及提供应对措施。

（3）规范化航空装备数据采集和记录机制进行深入的“信息挖掘”，可以为飞机的地面维护、故障分析、训练效果与作战性能评估等提供有效的分析手段和决策支持。

对航空装备的数据规范化可分别从以下几个角度进行考虑。

（1）基本数据字典

基本数据字典是对所有各类数据的规范化文件要求，具体包含基础编码和数据的规范要求，包括数据编码及数据类型等。上述数据字典应该包括相关数据的字段名称、属性名称、数据类型等说明。

（2）关系数据信息

采用数据表单形式存储的装备、保障系统和应用数据等规定的相关数据，同时列出关系模式。

（3）电子文件数据

对描述具体功能、原理或结构所涉及的电子文件，使用相对路径存储在数据库中，利用表格存储文件信息。

2传统PHM相关的数据体系架构

2.1民机PHM数据体系架构

图1是某民机故障诊断、预测与健康管理（diagnosis prognosis and health management，DPHM）支持系统数据流程图，每个核心业务体现DPHM健康管理支持系统与民机运营支持核心业务之间的数据交换关系，其中涉及的运营支持主要业务职能域包括：服务构型管理、技术支援、工程支援、维修支援、航材工程、技术出版物、飞行运行支援等，外部相关包括供应商、第三方航材维修机构（maintenance， repair & operations，MRO）、航空公司等[9]。

DPHM健康管理系统中的数据来源主要体现在飞机自动传输的数据、电子化手册的数据、在役飞机的构型管理、维修支援信息以及备件的信息，通过DPHM的模型进行处理后将故障信息、预测信息等关键信息上报到供应商，将运行数据和状态信息上报到航空公司。民机健康管理应用的大数据层涉及飞机健康状态的数据种类多、量级大、格式复杂，包括机载监控传感器机组数据、故障报告、维护数据、服务通告等，业务逻辑层通过对各类健康数据进行综合收集和管理，分析典型系统故障特点及数据关联性，应用预测模型进行数据分析、识别、推理、预测等处理，对飞机系统进行状态监控、故障定位、趋势分析以及健康状况评估；决策输出层形成健康分析报告与维修派遣决策，将原始数据转化为航空公司可直接识别与应用的维修保障工作指令，与运行控制、维修控制、机务维修等主要业务流程高度融合，提高航空公司运营效率，节省经济成本。其中，供应商和MRO从DPHM系统中得到故障信息，得到数据后可以安排排故维修的流程。

然而该民机数据体系架构缺少设计时健康管理数据的展现过程，同时各阶段的数据关联关系梳理得不够明确。

2.2试验装备保障大数据管理体系架构

参考文献[10]提出了一个试验装备保障大数据管理体系总体架构，针对当前试验装备保障数据建设方面存在的问题及其数据量巨大、来源分散、格式多样等特点，引入大数据技术概念及核心技术，提出了一种试验装备保障大数据管理体系的构建思路，并对其总体架构、功能及关键技术进行设计和分析，为研究新形势下试验装备保障体系建设提供有益的参考价值，提高试验装备保障决策的科学性，使试验装备保障更加智能化、精确化、快速化。

如图2所示，该体系主要是针对装备保障大数据进行相应的管理，该数据体系包括两个部分：安全防护体系和标准规范体系。安全防护体系分别从数据的采集端到数据的存储和数据的接口部分均给出了数据在不同层级的关联关系，是一个自底向上的传递过程，最终通过数据采集、数据源、数据存储、数据处理后给出试验装备的各项业务应用，如试验装备保障业务管理、试验装备保障综合信息展现、试验装备管理保障能力分析、试验装备发展趋势分析、试验任务保障能力评估。

然而该架构并没有从需求分析入手，没有优化数据采集的过程，另外该架构也仅仅是针对装备试验阶段的大数据管理体系，并没有考虑到整个航空装备的全寿命周期阶段，同时并没有将数据的采集、存储以及处理过程关联起来，导致数据体系的各个模块呈现出孤岛行为。

3航空装备PHM数据体系架构

本文的PHM数据体系分别从航空装备的全生命周期的维度以及航空装备健康管理的物理架构的维度对数据之间的关系、数据之间的接口进行了描述（见图3）。

3.1基于生命周期维度

在方案阶段，以需求为牵引，收集类似航空装备型号PHM覆盖情况，确定PHM数据需求，并对所需要的数据进行甄别、筛选；方案阶段制订好适合PHM技术开发的各数据方案；研制阶段的FMEA数据体系，通过使用阶段产生的数据信息进行清洗，针对诊断和预测进行校验，验证数据的准确性。

（1）论证阶段

在论证阶段首先搜集类似型号的设计规范报告、设计要求报告，搜集性能要求指标，并根据类似型号的PHM覆盖情况，确定PHM的数据需求，完成需求的转化，最终将需求进行分配，充分论证数据需求的必要性。

（2）方案阶段

方案阶段应明确监测对象，明确诊断层级以及诊断指标，确定预测的对象，最终确认传感器的安装位置，明确好需要的数据类型，制订好数据的传输方案、数据存储方案以及数据融合方案，最终明确顶层数据的耦合关系，建立好数据的采集机制。

（3）研制阶段

航空装备的研制阶段应针对传感器采集到的数据进行甄别，根据需求得到的性能指标对所有的数据进行应用设计，对数据进行约束，对数据进行采集、存储、传输，以及监测模型、诊断模型、预测模型的构建，并形成能指导综合保障的决策信息。

（4）使用阶段

所有的数据要能做到可追溯，并在使用过程中对数据的准确性、正确性以及适用性进行验证，对诊断的结果以及预测的结果进行校验。

3.2基于物理架构维度

从装备的层级进行数据体系研究，从成员级、区域级到最终的平台级的数据体系构建，先确定好成员级所需的数据，然后确认好传感器的位置，并对传感器的布局进行优化，制订好数据传输、存储以及融合方案，进行数据融合并形成区域级数据的应用模型，最后明确顶层的数据关系，将成员级、区域级的数据信息最终形成能表达平台级的健康指标。

最后从PHM不同功能进行研究，从状态检测、健康评估、预测评估以及决策生成方面对数据的要求及需求进行捕获，对不同功能的数据进行清洗、筛选以及融合，最终达到设备级的状态监测、区域级的故障诊断以及整个平台的健康度评估，对关键部件、关键系统以及整个航空装备的寿命进行预测。

3.3基于功能架构维度

（1）监测

在论证阶段和方案阶段先确定好设备级监测对象，在设计阶段根据应用场景构建监测的模型，并在最终的使用阶段对监测模型进行验证。

（2）诊断

在论证阶段和方案阶段确定好区域级的诊断指标，根据指标确认好测试的传感器以及机内BIT等是否满足要求，如果不能满足，要在原有的测试基础上增加测试，如人工测试或者ATE等，最终在设计阶段形成区域级的诊断推理模型，在使用阶段进行诊断能力的确认与验证。

（3）预测

在论证阶段和方案阶段确认好关键设备作为预测对象，在设计阶段通过采集数据以及故障数据构建预测模型，在使用阶段验证预测模型的准确性。

4结论

PHM非常适合应用于复杂装备系统，它能够很好地提高装备综合保障能力。数据在PHM中占据重要的角色，本文对当前航空装备的数据进行了梳理，从数据的类型、数据来源和数据格式等进行了研究，并在此基础上针对PHM系统分别从三个维度上对航空装备PHM的数据体系架构进行了描述。通过研究，可以得出以下结论：

（1）基于生命周期维度，从不同阶段对装备需要的数据进行了描述及汇总，将不同阶段的数据之间的关联进行了描述。

（2）基于物理架构维度，从不同的物理层级上入手对PHM的数据之间的需求分配进行描述。

（3）基于不同功能维度，对不同功能需求的数据进行了描述，最终完善PHM数据体系的框架，使该数据体系在不同功能上具有完整性。

通过建立航空装备的健康管理数据体系旨在解决数据规模大、增速快、共享利用不够等问题，介绍了航空装备健康管理数据的类型、数据来源及特点，通过比对传统的健康管理相关的数据体系架构，分析传统数据体系对于航空装备的当前数据体系情况提出了一种针对航空装备健康管理数据体系的研究思路，着重从统一数据标准、规范采集方式、数据分析展现、總体架构设计等方面进行了研究分析，实现了航空装备保障数据共享与利用和提高任务保障能力。

参考文献

[1]宋太亮.装备综合保障实施指南[M].北京：清华大学出版社，2012. Song Tailiang. Implementation guide for comprehensive equipment support[M]. Beijing： Tsinghua University， 2012.（in Chinese）

[2]单志伟.装备综合保障工程[M].北京：国防工业出版社，2007. Shan Zhiwei. Equipment comprehensive support project[M] Beijing： National Defense Industry Press，2007.（in Chinese）

[3]闻化，胡志伟.装备故障预测与健康管理能力验证评估技术[J].计算机测量与控制，2019，27（11）：260-264. Wen Hua，Hu Zhiwei. Equipment failure prediction and health management ability verification and evaluation technology.[J] Computer Measure & Control， 2019，27（11）：260-264.（in Chinese）

[4]彭宇，劉大同，彭喜元.故障预测与健康管理技术综述[J].电子测量与仪器学报，2010， 24（1）： 1-9. Peng Yu，Liu Datong Peng Xiyuan. A review of failure prediction and health management technology[J]. Journal of Electronic Measurement and Instrument， 2010， 24（1）： 1-9.（in Chinese）

[5]Jardine D，Lin D，Banjevic D. A review on machinery diagnostics and prognostics implementing condition-based maintenance [J]. Mechanical Systems and Signal Processing，2006，20（7）：1483-1510.

[6]Stan O. Integrated vehicle health management for aerospace platform[J].IEEEInstrumentationandMeasurement Magazine，2002，5（3）：21-24.

[7]曾声奎，Pecht M，吴际.故障预测与健康管理（（PHM）技术的现状与发展[J].航空学报，2005， 26（5）： 626-632. Zeng Shengkui， Pecht M， Wu Ji. Status and perspectives of prognostics and health management technologies[J]. Acta Aeronautica et Astronautica Sinica， 2005， 26（5）： 626-632.（in Chinese）

[8]Kan M S，Tan C. A review on prognostic techniques for nonlinear rotating systems[J]. Systems and Signal Processing，2015（62-63）：1-20，

[9]刘煜原，陈曦.基于DPHM的民用飞机地面支持系统设计[J].计算机测量与控制，2016，24（10）：28-31. Liu Yuyuan， Chen Xi.Design of civil aircraft ground support system based on DPHM[J]. Computer Measure & Control， 2016，24（10）：28-31.（in Chinese）

[10]Liu J，Wang W，Ma F，et al. A data-model-fusion prognostic framework for dynamic system state forecasting[J]. EngineeringApplications ofArtificial Intelligence，2012，25（4），814-823.

（责任编辑王昕）

作者简介

曲昌琦（1988-）男，硕士，工程师。主要研究方向：装备故障诊断、故障预测及装备健康管理方向。

Tel：010-61659354E-mail：qcqdhr@sina.coom

周锐（1993-）男，硕士，工程师。主要研究方向：故障诊断与预测健康管理方向。

隆金波（1998-）男，硕士，高级工程师。主要研究方向：故障预测研究。

Research on PHM Data System Architecture for Aviation Equipment

Qu Changqi*，Zhou Rui，Du Bao，Long Jinbo

Aviation Key Laboratory of Science and Technology on Aero Combined Environment，AVIC China Aero-Poly Technology Establishment，Beijing 100028，China

Abstract： Prognostic Health Management （PHM） is a technology that uses the collected data to perform data processing to obtain intelligent decision-making for the current state of aviation equipment monitoring， diagnosis and prediction. PHM can guarantee the operational safety of aviation equipment to the utmost extent and improve the capability of supporting tasks. A large amount of data will be generated during the entire phase of PHM. At present， some domestic and foreign institutions have conducted research and construction on the PHM data system. However， most of the data is only for the management and maintenance of PHM data， which can not clearly sort out the logical relationship between the design data， usage data， and verification data of active aviation equipment， so building a complete PHM data system architecture has become an extremely important task at present. This paper takes the PHM technology of aviation equipment as the background， runs through the entire life cycle timeline of equipment manufacturing， and based on the construction and integration of the equipment-level， regional-level， and platformlevel data of the PHM system， it complements the PHM data management and maintenance data to form a set The PHM data system architecture with aviation equipment characteristics improves the logical relationship between different data elements of PHM.

Key Words： aviation equipment； prognostic； health management； data architecture