基于WQAR数据的飞机系统性能监控及预测维修

熊斌华 赵红华 朱晓炜

摘要：目前航空公司多利用WQAR进行飞行操作类的品质监控，如重着陆监控、载荷超标监控等，飞机技术状态的监控多依赖厂家开发的AIRMAN、AHM软件，这类软件监控能及时掌握飞机技术状态，飞机触发故障，后台同步获知飞机故障情况再安排维修，属于事后维修模式，往往导致航班非计划中断以及后续航班延误。WQAR数据完整记录了飞机各个系统工作的相关参数，借助WQAR数据能够实现对飞机性能的监控，精确掌握飞机系统健康状态，实现基于性能的预测性维修，大大降低维修成本，减少因故障导致的延误。

关键词：WQAR；事后维修；性能监控；预测性维修

Keywords：WQAR；breakdown maintenance；performance monitoring；predictive maintenance

0 引言

随着国民经济的发展，民航业进入高速发展期，特别是近十年来飞机数量/航班数量成倍增加，随之而来的飞机故障绝对数量也越来越多。飞机各系统都有其自身固有的可靠性，但可靠性设计无法达到100%安全可靠，都有一定的概率发生故障，在小机队规模时，故障数量并不会特别明显，但随着机队规模越来越大，故障绝对数量会成倍增加。图1所示为某航2015～2020年因飞机故障导致的航班延误统计，从表中可以看出飞机故障导致的延误呈现逐年递增趋势（2020年因疫情原因，航班数量减少，故障绝对数量也有所减少），给航空公司造成了巨大的经济损失。

为提高飞机的可靠性以及保证持续适航，航空公司制定了经过局方认可的维修方案，一般分为计划性维修和非计划性维修，计划性维修是指按照规定的时间或者周期重复完成预定的维修项目，如重复的检查测试、定期更换时寿件等；非计划性维修是指无法确定维修时间的项目，如突发的故障、改装或紧急AD指令等。上述维修手段虽在很大程度上保障了飞机的适航性，但存在弊端，不管计划性维修还是非计划性维修都无法完全掌握飞机系统状态，对飞机系统性能的掌握存在盲区。那么是否有方法能比较清晰地掌握飞机系统性能状态？本文主要讲述利用WQAR实现对飞机系统状态监控以及预测性维修，能够较好地解决上述问题。

1 WQAR系统简介

WQAR 全称为“wireless groundlink quick access recorder”，即无线地面快速存取记录器，当飞机落地后，暂存的飞行数据通过地面运行商3G网络上传到航空公司飞行数据库，航空公司收到WQAR数据后，在后台对飞行数据进行加工整理，监控飞行品质。相较于早期的QAR人工存取，WQAR的优势在于自动传输，快速及时，安全性好，避免人为因素导致的数据丢失以及数据延时。图2所示为WQAR系统原理简图，FLIGHT DATE寄存在FDIMU或者DFDAU，通过地面无线网络将飞行数据传递给航空公司地面接收站，航空公司收到数据后进行解码分析。

2 用于飞机系统监控的WQAR数据开发流程

与人体体检报告类似，通过血液、激素水平等身体各种体检数据能综合判断人体是否存在某些病理性的退变，WQAR从某种意义上讲就是飞机的体检报告。每个航班、每个系统、每时每刻的数据都存储在WQAR中，如果对WQAR数据进行大数据分析归纳，可以找出系统数据规律，利用自动译码软件自动译码并持续跟踪系统数据参数，通过数据的变化特征提前发现系统退化的征兆，而这种系统性能衰退正是目前飞机技术状态监控的盲区。

图3为开发WQAR监控飞机系统性能大致流程图。利用WQAR监控飞机系统技术状态首先需要解决三个核心问题：参数标准问题；建立监控模型；设置监控实现报警。

2.1 确定参数标准

飞机系统参数随着飞行航段、空速、飞行高度、工作状态时刻在变化，且很多参数标准范围由于厂家技术壁垒的原因，厂家对参数标准大都讳莫如深。因此，监控飞机系统参数首先需要在整个航段中寻找一个或几个最具代表性的能真实反映系统性能的飞行阶段（称为观察窗口），采集该阶段参数数值，经过统计分析来确定参数标准范围。

举例如下：图4为B857X飞机某个航班引气压力与发动机转速译码曲线图，图中可以看出引气压力和发动机N2转速成正比关系，在起飞时刻发动机推力最大，N2转速也最大，引气压力在该阶段出现峰值（图4中蓝圈所示），该阶段对引气系统调节性能要求最高，通常将该阶段作为引气压力观察窗口。

确定了观察窗口，后续可以利用大数据分析软件采集到观察窗口相关参数。某航采集了A320机队2015～2019年200万航班起飞阶段引气压力最大值，得到如图5所示的起飞阶段引气压力分布，横坐标表示引气压力，纵坐标表示该压力范围的航班次数，如“横轴48- 50 psi，纵轴278”表示“278000个航班，最大引气压力在48-50 psi”。从图5明显看出引气压力呈现正态分布特征，中间出现的概率大，两边出现的概率小，引气压力大致分布范围在36-72psi之间，偏大偏小都意味着系统存在某些异常情况。

2.2 建立监控模型

监控模型是实现参数监控的逻辑原理/方法，常用的方法有超限报警和趋势报警。

1）超限报警：指在观察窗采集到的参数数值超过某个阈值（参数阈值的确定可以参考图5大数据分析方法）时产生报警，此类报警一般是比较严重的报警，需要尽快处理，此时系统已接近失效的边缘。

图6为某航利用WQAR监控A320机队蒙皮出口活门监控模板，数据呈现的是某A320飞机蒙皮出口作动历史趋势图，虚线是利用大数据分析软件统计确定的A320蒙皮出口活门从全开至全关的作动时长阈值13s，蓝圈中两个蓝点表示有两个航班作动时长分别为20s、16s，已经超过正常阈值，黑色竖直线表示在2018年6月21日因蒙皮活门故障更换蒙皮出口活门标记线。从图中明显看出2018年5月蒙皮出口活門作动时长飘逸波动，直到6月21日蒙皮出口活门触发故障，监控模型提前一个月时间发现了活门异常。

2）趋势报警：趋势报警也是在某个特定观察窗采集的数据，并将大量本机同一系统、同一阶段、同种工况下采集的数据以时间为序堆叠比较，一般常用统计学里95%分位数方法，即采集到的数据大于整体95%范围说明趋势异常，简而言之就是采集到的数据从小到大排列95%认为是正常的数据，超过95%数据认为是异常数据。趋势报警相对于超限报警能看出趋势特征，是从另外一个维度观察系统性能，是对超限报警的有益补充。趋势报警也有不足之处，由于趋势报警是和自身历史数据比对，换件前后数据样本容量少，系统微小的波动会导致很大的扰动从而可能导致误报警。不同于超限报警的是，此时参数并没有超过正常范围。

图7所示为某航B837X利用WQAR定期在巡航阶段提取的绿系统油量趋势图。由于微小渗漏或作动筒镜面残漏的液压油膜蒸发或液压油本身的挥发性等综合原因，液压系统有其自身的正常损耗率。从图中可以看出，该机在横轴2019年2月至2019年6月的黑色线为该机绿系统正常的损耗趋势线斜率，每个航班液压油量在黑色趋势线上下窄幅波动，而该机在2019年8月22日液压油量明显背离趋势线下方（见图中蓝点标记），此时液压系统未触发低油面故障警告，说明系统已超出了正常消耗趋势，存在渗漏。该机8月23日检查发现绿系统储压器漏油（如表1所示），更换绿系统储压器以及充气表后系统恢复正常。

2.3 设置报警

WQAR数据监控的最终目的是产生报警，是人机交互的一个信息载体，系统工程师通过接收报警获知系统性能退化情况；监控模型是系统监控的原理/方法，监控模型本身并不产生预警，WQAR数据需要解码才能得到系统数据。以某航2019年数据为例，每天有2500～3000个航班运行，通过人工译码监控系统是无法完成的，因此需要借助解码软件自动进行解码。在自动解码得到系统数据的基础上，将监控模型以代码的形式在译码软件中进行设置，由解码软件按照监控模型比对运行数据，一旦发现数据超差即可产生报警。图8为某航利用AIRFASE译码软件设置空调系统报警部分的代码截图。如图所示，通过设置FLIGHT PAHSE、ENG/APU引气电门状态、引气流量、旁通活门等参数，设置参数观察窗口，在观察窗口采集相关系统参数数据，设置比对逻辑，实现监控。图9为某航某飞机空调系统报警邮件实例，报警邮件提示左PACK出口温度偏高以及可能存在故障缺陷的部件，并附了故障点附近区间的系统参数数据流。

3 结束语

目前，国内航空公司主要通过定期检查、定期维修、时寿件更换以及每个航班例行检查测试等反复检查测试手段来保持飞机的适航状态，随着航空产业规模越来越大，这种传统的维修方式已不能适应行业的发展，渐渐成为制约航空业发展的一大因素。工业物联网、人工智能、大数据的兴起成为解决上述问题的重要钥匙，全球每天运行的飞机/航班成千上万，产生大量WQAR数据，这些无形的数据包含着大量的“金矿”，即WQAR中包含了大量的飞机系统数据。借助大数据人工智能手段，可以通过数据实现对飞机系统的全面“体检”，每执行一次航班就“体检”一次，通过持续不断的“体检”能提前发现系统性能退化的趋势，建立基于WQAR的飞机系统状态监控，能大量节约目前不必要的定期更换和定期维修，实现基于性能的预测性精确维修，节约人力、物力、财力，减少故障导致的航班延误。WQAR数据的意义不仅限于此，将来还可利用WQAR优化航路设计、完善机组操作、航班编排、运力投放、燃油计划、航材储备等。

作者简介

熊斌華，工程师，主要从事飞机技术支援及运行控制工作。