大数据背景下飞机与发动机故障诊断技术课程改革研究

李合 于光辉 邹刚

摘  要  飞机与发动机故障诊断技术是航空机务维修专业机械方向学员的一门核心课程，主要通过对飞机和发动机故障诊断技术的学习，培养学员分析问题、解决问题的能力。大数据时代的来临给故障诊断技术课程教学带来挑战和机遇。为了顺应大数据发展的趋势，针对大数据对故障诊断理论和方法的影响，分析目前飞机与发动机故障诊断技术课程教学存在的问题，进行课程教学改革，为进一步提升教学效益、进而提高育人质量进行探索与尝试。

关键词  大数据;飞机与发动机故障诊断技术;慕课;教学改革;相关关系;混合式教学;数据可视化技术;故障诊断软件

中图分类号：G642.0    文献标识码：B

文章编号：1671-489X（2022）06-0108-03

Research on Curriculum Reform of Aircraft and Engine Fault Diagnosis Technology under Background of Big Data//LI He， YU Guanghui， ZOU Gang

Abstract  Aircraft and Engine Fault Diagnosis Technology is a core course for mechanical students majoring in aviation maintenance， which mainly trains students’ ability to analyze and solve problems by studying Aircraft and Engine Fault Diagnosis Technology. The advent of the era of big data has brought challenges and opportunities to the teaching of fault diagnosis technology. In order to comply with the develop-ment trend of big data， aiming at the influence of big data on the theory and method of fault diagnosis， this paper analyzes the existing problems in the teaching of Aircraft and Engine Fault Diagnosis Technology， and carries out the teaching re-form， so as to further enhance the teaching efficiency and im-prove the quality of education.

Key words  big data; aircraft and engine fault diagnosis tech-nology; MOOC; teaching reform; correlation; blended tea-ching; data visualization technology; fault diagnosis software

0  引言

飞机与发动机故障诊断技术（以下简称为故障诊断技术）是一门阐述飞机和发动机故障诊断理论的任职岗位课程，是航空机务维修机械专业学员任职教育的必修课程。通过故障诊断基本知识、故障分析方法、故障诊断方法等知识的学习，能够提升学员故障分析和诊断能力，对学员未来长远发展具有重要作用。

随着大数据时代的到来，数据呈现出规模大、种类多、处理速度快、价值密度低的特性，即所谓的4V特性[1]。我国在近几年公布了很多相关发展战略，大数据、人工智能等相关技术已经开始在各个领域发挥作用。大数据时代，信息技术与教育的深度融合将对师生关系、教学材料、学习环境以及教学测试和评估等产生深远影响[2-3]。大数据的应用对故障诊断技术课程的教学理念、教学内容、教学手段都提出更高要求。为了顺应大数据发展的趋势，故障诊断技术课程的教学应该进行相应改革。

1  目前故障诊断技术课程教学中存在的问题和不足

飞机的故障一般分为硬故障和软故障两种类型：硬故障是指飞机突然发生某部分的损坏或者完全停止工作，这种飞机故障是容易识别的;软故障是指某些缓慢变化，如控制系统参数变化或电路偏置变化、漂移等，这些故障是比较难以解决的[4]。故障诊断技术是一门综合课程，涉及知识面广，包含概率论、数理统计、线性代数、故障学、人工智能、自动测试、信号分析、飞机构造、发动机构造、发动机原理、飞机发动机结构强度等诸多知识。由于教学理念陈旧、教学手段单一等问题，再加上知识的交叉造成课程学习难度大，学习知识难以落地，影响了学员学习的信心和积极性，主要表现在以下几个方面。

1.1  教学理念略显陈旧

当下的教员和学员对知识的传授和学习大都是基于因果关系的，这种理念易于理解，便于接受，但是在很多问题的处理上会存在不足，即：考虑造成结果的因素太少或者太多严苛的前提假设，以致很多方法在故障诊断中准确性较差，适用性较弱。

1.2  教学手段有待增强

首先，现在的教学主要依托课堂授课，缺乏與之配套的线上课程资源，造成学员在课前预习和课后消化环节缺乏针对性;其次，故障诊断的问题一般比较复杂，从问题条件输入到过程的数据转化到最终结果展示，缺乏一种比较完美的形式，影响了学员对问题理解的速度和质量，达不到令人满意的教学效果。

1.3  教学内容亟待完善

课程现有的方法主要集中在统计分析方法和基于结构或原理的诊断方法，这些方法在解决某些简单问题或者常见问题时可能还绰绰有余，但是在面对多因素输入或者大量数据输入等复杂问题时显得捉襟见肘。

1.4  学员对课程不够重视

由于课程理论性太强，学员对故障诊断理解不深，不能很好地掌握诊断的思想和方法，缺乏将诊断理论运用于故障分析的能力，因此在不想学、学不好的心理下，达不到课程的教学目标。

2  教学改革的内容

本教学改革的目标是将大数据和人工智能等带来的新理念、新手段、新方法用于故障诊断技术课程教学过程中，在大数据背景下改革传统故障诊断技术教学模式，建设依托网络的大数据教学环境，体现线上线下教学的交互性和大数据媒体的多元性，不仅让学员掌握故障诊断的理论和方法，还要提高学员的学习兴趣，增强学员的研究能力，实现对现有问题的突破。

2.1  逐步改变学习的观念，给学员开拓更广的学习理念，使学员能主动用相关关系解决问题

目前故障诊断的方法是基于因果关系进行的，例如：逻辑推断法就是根据客观事物之间存在一种必然的规律性的联系——因果联系的理论，运用逻辑思维的共变性原理（即飞机系统、机件某一现象发生一定的变化之后必然引起另一现象随之发生一定变化），应用逻辑推理，最后作故障原因的判断。这种方法符合人们认识事物的思维习惯，所以容易掌握，应用方便。但是，在大数据背景下，面对海量的数据，这种因果关系分析的方法就捉襟见肘，由于不能完全找出数据之间的因果关系，也就不能全面推断出故障原因。

因此，在大数据背景下，把人工智能、数据处理等技术融入教学，开拓思维，更新理念，学习掌握相关关系来解决问题。相关关系是客观现象存在的一种非确定性的相互依赖关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。相关分析中的自变量和因变量没有严格的区别，可以互换[5]。可以认为相关关系是因果关系的拓展，因果关系是相关关系的特例，在大数据分析中一般应用变量间的相关关系。相关关系打开了学员学习知识的另一个渠道，可拓展学员思维，而且可以依据相关关系建立变量间的黑盒模型，进行故障诊断或者预测。通过计算和分析故障与其影响因素在各种情况下的相关性，可以对维修保障决策和故障分析诊断起到辅助支持作用[6]。

2.2  提升数据的处理能力，打通收集、更新、挖掘环节，使学员切实体会到如何从数据中学习

目前，飞机故障数据是从一线机务部队收集到的，但是由于种种原因，这些数据已经被机务人员进行处理，不能全面地反映故障的真实情况。为了能够使得到的数据真实准确，可以通过传感器、飞参等手段获得第一手原始数据，为数据分析环节打好基础。例如：为了判断发动机工作是否正常，需要进行发动机的试车检查，试车过程中需要记录各阶段的参数。某型发动机试车时记录的参数见表1。在获得很多组无故障发动机的试车参数的基础上，建立发动机试车诊断模型。在对某台发动机进行诊断时，将新的试车参数输入模型，即可判别发动机是否故障，甚至可以具体判断出某个部附件出现故障。

2.3  实现线上线下混合式教学，给学员打造更好的学习环境，使学员真正做到时时可学、处处能学

利用互联网上的慕课资源，如哈尔滨工程大学夏虹教授的慕课《设备故障诊断技术》等，并建设符合本课程特点的慕课、微课，配备适当的网络环境，给学员营造混合式教学的条件，通过全过程考核、成果展示等手段，不断激发学员学习的积极性和成就感。

2.4  实现复杂问题可视化，给学员提供更佳的学习体验，使学员能对问题理解更迅速、更透彻

数据的采集、提取和理解是人类感知和认识世界的基本途径之一，数据可视化为人类洞察数据的内涵、理解数据蕴含的规律提供了重要的手段。现代的数据可视化技术综合运用计算机图形学、图像处理、人机交互等技术，将采集或模拟的数据变换为可识别的图形符号、图像、视频或动画，并以此呈现对用户有价值的信息。用户通过对可视化的感知，使用可视化交互工具进行数据分析、获取知识，并进一步提升智慧[7]。在进行飞机与发动机故障诊断时，通常获取的故障特征维度较大，数量也大，学员很难对一大堆数据形成感性的认识，而利用大数据可视化技术，可以将故障特征数据全方位展示，便于学员对问题的理解。

2.5  教学内容补充新方法，给教员的科研工作提供方向，设计出准确易用的故障诊断软件

近年来，故障诊断的理论和方法有较大变化，如大数据、数据可视化、相关关系前沿知识与故障诊断的结合，教学内容中增加神经网络、支持向量机等基于数据驱动及训练的故障诊断方法，并结合故障诊断案例说明方法的应用。为了实现新技术的应用，课程组设计故障诊断软件用于课程教学，并提高故障诊断能力。

3  改革成果

通过近两年的实践，课程教学在以下几个方面取得积极成效。

3.1  提升了教员的教学能力

教员是教学活动的主导者，是改革成败的重中之重。在教学改革中，教员学习并运用大数据等前沿知识，并承担大量的信息资源建设、课件修改、教材完善、试卷更新等任务，实践多种教学模式，不仅增强了学员的学习效果，而且提升了自身的教学能力。

3.2  配套了相关教学资源

完善信息资源，自制一些资源，结合在线教学平台的资源，做到线上资源能用、适用、好用;增加教学内容，增加神經网络、支持向量机等基于数据驱动及训练的故障诊断方法，并结合故障诊断案例说明方法的应用;更新课件，将复杂问题可视化并展示在课件上，将课程中涉及的难点用数据可视化方法进行展现，并替换之前的文字说明和图表，有效地提高了学员的学习质量。

3.3  提高了故障诊断能力

利用大数据、人工智能等技术建立之前常规故障诊断技术难以实现的复杂诊断模型，便于操作，提高了学员的故障诊断能力;建立的数据模型也能够指导机务人员进行排故实践;研究中的数据可视化可以推广到其他复杂问题的展示;研究中的人工智能故障診断方法也能轻松推广到飞机发动机之外的复杂系统。

3.4  改变了课程考核方式

采用过程性考核手段，将学员的考核分为平时考核和终结性考核。平时考核主要考核学员的出勤情况、课堂回答问题情况、作业完成情况等，占总成绩的50%。学员如果没有通过平时考核，则不能参加课程结束的终结性考核。终结性考核主要考核学员对课程的总体掌握情况，占总成绩的50%。这样，评价的主体由单一的教员转变为学员共同参与，重视对学员学习过程的评价，更能反映学员获得的知识和综合素质[8]。

4  小结

飞机与发动机故障诊断技术是一门理论性很强的专业课程，在如今的大数据时代，教员在教学过程中需要不断探索，注重新理论和新技术的应用，帮助学员建立大数据故障诊断的思维，并能够在这种思维方法的指导下选用适当的故障诊断方法，高效地解决飞机和发动机遇到的故障。■

参考文献

[1] 陈工孟，须成忠，凌宗平，等.大数据导论：关键技术与行业应用最佳实践[M].北京：清华大学出版社，2015：1-370.

[2] 洪蕾.大数据背景下提升语法意识的中学语法教学模式探究[J].教育教学论坛，2020（17）：263-264.

[3] 刘润清.大数据时代的外语教育科研[J].当代外语研究，2014（7）：1-6.

[4] 唐永哲.基于神经网络的飞机故障诊断[J].航空工程与维修，2001（3）：30-31.

[5] 相关关系[EB/OL].（2020-08-04）[2021-10-04].https：//baike.baidu.com/item/相关关系.

[6] 高峰，陈玉科.飞机故障影响因素相关性量化分析方法研究[J].空军第一航空学院学报，2012（4）：26-30.

[7] 陈为，沈则潜，陶煜波，等.数据可视化[M].北京：电子工业出版社，2013：1-647.

[8] 李合，邹刚，于洁.翻转课堂在航空装备实践教学中的探索[J].教育教学论坛，2019（47）：155-156.

作者：李合，海军航空大学青岛校区，讲师，主要从事海军航空装备保障教学与科研工作;于光辉，海军航空大学青岛校区，博士研究生，讲师，研究方向为航空装备故障诊断;邹刚，海军航空大学青岛校区，讲师，主要研究方向为海军航空装备保障（266041）。