频谱分析在飞机排故中的应用

陈喜超

摘要：飞机机电系统正在向综合化和智能化发展，对故障的诊断技术提出了新的挑战。本文首先介绍倒频谱分析的原理与方法，然后就该方法在空客A320飞机增压系统故障诊断中的应用进行了深入分析，包括提取增压系统相关的故障特征和对相关故障模式进行识别，最后讨论了航空器故障诊断技术的发展。本文可为航空器故障诊断提供新的思路。

关键词：故障诊断;倒频谱;机电系统

Keywords：fault diagnosis;cepstrum;mechanical and electrical system

0 引言

空客A320飞机由电子系统、机电系统以及发动机系统三大部分组成。随着航空技术的发展，机电系统越来越趋向于综合化和智能化，对系统的安全性、可靠性提出了更高的要求。

在传统的飞机故障诊断中，QAR数据诊断主要应用在时域分析上，通过在一个特定的飞行阶段找到该阶段某个参数的平均值、最小值以及最大值等相关统计量，查看该参数是否超出某个门槛值，从而判断系统是否有故障。这种时域分析对故障本身恶化程度较高的情况具有较好的敏感度，但是一些早期故障的故障现象往往不稳定，伴有某个参数或者多个参数间歇性波动，这种情况下通过时域分析难以判断故障源，需要频域分析才能找到故障根源。

1 倒频谱原理

倒频谱分析也称为二次频谱分析，是信号处理中的一种常用技术，是检测复杂谱图中周期分量的有用工具，对于分析同族谐频或异族谐频、多成分边频等复杂信号、找出功率谱上不易发现的问题非常有效。

如果不进行倒频谱，当x（t）发生波动时，由于系统响应h（t）的作用，在观测端（传感器的探测）会出现x（t）与h（t）卷积的结果，即出现边频带，从而看不出具体的故障频率。通过倒频谱变换，可消除边频带，将具体的故障频率隔离出来。在实际应用中，即使故障频率的具体值未知，仍可通过对多个参数同时进行倒频谱分析，然后查看这些参数是否有共同的倒频率，如有，则说明参数是关联的，反之则说明是独立的。有关联的情况下可以进一步查看哪个参数的倒频率数量少，一般来说数量少的倒频率即为故障源，而数量多的倒频率为收到了系统响应的倒频率，不是真正的故障源，数量多是因受到故障源的干扰产生的连带现象。

2 实际应用

以一架A320飞机起飞阶段机组反馈有压耳现象的故障为例，说明如何应用倒频谱分析达到准确锁定故障源的目的。

2.1 故障现象

通过查看机组反馈时的QAR译码（见图1）发现，当时为起飞阶段，外流活门波动，伴随有VSCB波动、2发引气温度波动、2发引气压力波动、PACK2空调流量波动、2发FAV开关波动、客舱高度轻微波动现象。

2.2 系统原理

A320飞机增压实际由进气部分和出气部分组成。CPC控制外流活门即出气部分，进气部分则由ACSC通过控制FCV来实现。

1）进气部分

图2所示为ACSC的控制逻辑原理，FCV的位置命令由流量选择按钮、单组件或双组件或APU引气条件、组件的压气机出口温度以及飞机的高度和飞行阶段来计算。将組件流量和客舱高度作为反馈来调节FCV的开度。命令计算中，流量旋钮一般在自动位保持不变，飞机在空中时也是双组件工作保持不变，组件的压气机出口温度正常情况下不超过215℃，不限制组件流量，只有飞机的高度和飞行阶段需要控制输入，可以理解为流量指令只与飞机高度有关。从下面的负反馈可以看出，前三个用于计算FCV的质量流量，客舱高度是一个反馈对象，因此组件流量与飞机高度和客舱高度相关。

在FCV中是利用文氏管的原理来测流量，具体原理如图3所示。

2）排气部分

CPC通过来自EIU、LGCIU、ADIRU、FMGC等信号来确认处于哪一飞行阶段，并按照各个飞行阶段的特点进行增压。通过接收到的高度信号控制外流活门，继而控制压差和客舱高度。CPC内部有自己的飞行阶段，分别是地面模式、起飞模式、爬升模式、巡航模式、下降模式和中断模式。通过外部信号来决定使用哪个阶段，具体增压控制逻辑如图4所示。当飞行阶段选定后，CPC会根据每个阶段事先制定的增压计划，通过飞机高度来控制外流活门的开度，再将客舱高度反馈给CPC，从而实现闭环控制。

3）客舱内剩余空气

其中，Q为质量流量，f为流量选择位置，Pc为客舱压力，Tc为客舱温度，Qvs为正常的海平面体积流量。从式（9）可以看出，客舱压力由客舱内存在的气体量决定，客舱内气体的质量由进气量和排气量共同决定。各参数之间的关系如图5所示。

从图5可知，虽然机组只反馈了起飞阶段有压耳现象，但根据QAR译码，多个参数在同时波动，且分属于不同的系统。而每个系统从整个飞机来看并不是独立的，其中一个参数波动，其他参数通过飞机的控制系统可能也会随之波动，因此需要找出哪一个参数才是故障根源。

2.3 QAR数据收集

随着空客SKYWISE系统的应用，目前飞机的所有QAR数据都可以存储在SKYWISE平台上，通过该平台查看对应飞机的QAR数据，并将QAR数据导入CODEWORK工具中，利用PYTHON中的SCIPY包对QAR数据进行倒频谱变换，通过matplotlib包使倒频谱变换后的数据可视化。

2.4 倒频谱分析

對几个波动参数同时进行倒频谱分析，结果如图6所示。

从图6中可以看出，在横坐标20附近，几个参数都有一个峰值，随后PACK2的流量没有了峰值，而其他参数还有一些小峰值，其中VSCB1（客舱高度垂直变化率）的波峰最多。这说明PACK2的流量是故障根源，因该参数只有一个波峰，而其他参数因收到系统响应会出现多个波峰，特别是VSCB1参数收到的系统响应较复杂也较多，故其波峰也最多。影响PACK2流量的主要部件是组件2的FCV活门，更换FCV2活门，故障消失。该活门送检发现，活门内部力矩马达损坏，导致了该故障，图7为活门送修报告。

3 结束语

通过对QAR数据的频域分析，可以发现多处故障早期情况从而提早进行预防，避免安全和运行问题的发生。例如，通过频域分析中的小波分析可以很容易发现突变点，而在实际运行过程中往往因没有ECAM警告而无任何表现。由于ECAM的设计逻辑往往需要2～3s以上才会触发，造成很多早期故障被警告逻辑隐藏起来而无法被发现。同时，有的故障在发生时并不会有明显的故障现象，这时可以对飞行结束后的QAR数据进行批量分析，查看是否有突变点，针对重点安全系统进行检查，从而发现故障早期苗头，将安全隐患提早拔除。

本文所述的频谱分析法只是智能化的第一步，下一步可以通过收集类似的故障数据，包括故障的QAR数据、故障部件的使用时间、故障前的维护工作数据等，通过神经网络模型建立初步的人工智能诊断模型，实现对部分复杂故障的初步诊断，协助专业人员快速找到故障源。

参考文献

[1]空客A320AMM维护手册[Z].

[2]利博海尔空调培训手册[Z].

[3]徐平，郝旺身.振动信号处理与数据分析[M].北京：科学出版社，2016.