大數據方法在航空發動機性能監控中的應用

薛慶增

摘 要： 將大數據方法應用到航空發動機性能監控領域， 克服了傳統閥值監控的弊端， 提高了監控的精度和效率。建立發動機性能參數與故障模式的知識庫， 以及性能參數與發動機剩余使用壽命的知識庫。利用大數據理論模型， 預測發動機性能參數的變化趨勢，判斷其性能狀況。

關鍵詞： 大數據； 擴展功能； 性能監控； 知識庫

中圖分類號：V263.4 文獻標識碼：A 文章編號：1672-3791（2016）01（a）-0000-00

1 大數據概念和作用

大數據是當今提及的比較多的詞語，Google/baidu的搜索服務就是一個典型的大數據搜索應用。其主導思想： 根據客戶的需求， Google/Baidu實時從全球海量的數字資產（或數字垃圾）中快速找出最可能最接近的答案，呈現給客戶，這就是一個最典型的大數據服務的例子。只不過這只是一個簡單的商業應用模式，當時并沒有形成和上升到概念的層面[1，2]。

發動機性能監控是維修保障的關鍵環節， 將大數據方法與發動機性能監控結合在一起， 監控發動機的異常變化。并且利用大數據方法預測性能參數的變化趨勢， 進一步判斷其性能狀況。

2應用大數據方法監控發動機性能

發動機使用時間跨度大，使用次數多，狀態變換頻繁。對發動機進行有效的使用和管理是維修保障工作的重中之重。發動機在準備以及大修后， 都要對其進行試車， 在沒有飛參回傳系統和數據采集系統時， 以保障人員的感官和經驗，并結合儀表的有限讀數判斷發動機的性能狀況；飛機在飛行時， 更多是依據經驗以及飛行員反映的問題判斷發動機的性能。

這種方法雖然更多的發揮了機械師等人的主觀能動性，有模擬儀表提供少量數據， 但主要是靠經驗進行維護，帶有很強的主觀性。主要表現為以下兩點：

第一， 經驗性維修思想仍占有一定地位。維修過程、內容、方式、時機的確定還不夠科學、規范， 有的偏離了維修規律；

第二， 對預防性維修作用的認識還存在偏差， 工作略帶一些盲目。總以為所有故障都可以通過預防性維修予以消除， 試圖通過“多做工作、勤檢查”來杜絕可能出現的所有故障，這樣做往往適得其反， 造成了裝備的過度維修。

近幾年， 數據逐漸被視為一種資源， 數據儲存與分析越來越受到重視。基于數據的發動機性能監控已然成為維修保障的重要環節。

在加裝飛參回傳和數據采集系統后， 給維修工作提供了一個全新的發動機數據平臺， 采集到的參數是發動機乃至飛機性能最直觀的表現。依據這些數據，可以更為詳細的了解發動機的性能狀況、故障模式等， 配合維護人員的經驗以及維護規程等措施，可以及早的發現故障，更為準確的定位故障和排除故障。

由于傳感器產生的數據量巨大，相應配備了發動機監控軟件和數據存儲設備， 可以收集和存儲這些數據。這為利用大數據方法監控發動機性能提供數據基礎。

3 大數據方法在發動機性能監控的具體應用

大數據最基本的功能就是將存儲的數據進行可視化分析。維護人員通過研究曲線的變化， 了解發動機的性能狀況， 掌握其使用情況， 便于進一步做好保障工作。

一般來講， 直接描點法往往表示發動機性能的效果不夠理想。要深層次得到發動機性能信息， 就必須進行數據挖掘以及數學變換分析。建立性能參數與發動機性能的映射關系庫。結合具體情況，利用大數據平臺建立以下幾個關鍵的知識庫。

（1）建立發動機性能參數與故障模式的知識庫。收集發動機出現不同故障模式時對應的參數， 包括滑油數據， 試車數據，飛行數據等， 這些參數作為表征發動機出現特定故障模式對應的數據。在發動機工作參數基礎上，利用數據挖掘算法學習（神經網絡算法等），建立大數據模型，將反映發動機性能的參數帶入到大數據模型中， 利用匹配算法， 如果此時輸入的參數對應知識庫中某種故障模式的參數， 那么就可以判定發動機可能處于某種故障模式。

（2）建立發動機性能參數與剩余使用壽命的知識庫。發動機的剩余使用壽命一直是人員最關心的問題。維護規程規定： 發動機每到一定使用時間， 必須進廠大修； 到達使用壽命， 必須報廢處理。發動機使用期間， 還要進行維護工作。理論上講， 每進行一次修理， 發動機的剩余使用壽命便得到增加。建立發動機性能參數（包括滑油數據，飛行數據，試車數據）與其剩余壽命的大數據模型（例如神經網絡非線性映射關系）， 當發動機經過一次修理后， 利用大數據模型得到其剩余壽命， 為后續使用以及維修計劃提供指導。

（3）建立發動機實時監控的大數據模型。直接描點法顯示發動機性能變化趨勢， 但有時受一些干擾等因素， 存在參數波動的現象， 不能清楚的顯示發動機性能變化趨勢。利用大數據方法（支持向量機模型）， 擬合出平穩的性能變化趨勢。計算原始數據與擬合曲線的差值， 得到殘差。當參數殘差超過閥值時， 應重點關注相關部件。相比較以前的簡單閥值標準，更為準確的判斷發動機性能。利用大數據模型， 預測其性能參數的變化趨勢， 預先判斷其性能狀況， 提前做好維修保障工作。

4 大數據方法的擴展應用

以上三點是大數據方法在發動機監控中的應用。發動機參數采集系統收集的數據種類很多，包括飛行時間、油門桿角度、發動機轉速等信息。參照這些數據（包括推油門的時機及時間長短等參數）以及飛行動畫， 分析飛行員的駕駛動作與飛行品質， 矯正不良飛行習慣， 讓他在最短時間內飛行技術取得最大的提高。

另一方面， 統計發動機各種故障形式， 以及相關的環境因素， 建立大數據模型， 擬合出發動機各種故障形式的故障率的變化規律。也可以將多臺發動機進行比較， 得到同一批次發動機故障的分布規律。找到同批次發動機的共同特點， 不同發動機特有的故障形式。在存儲數據的基礎上，對飛參數據進行統計分析與學習， 自動更新發動機趨勢分析中的報警閥值， 指導發動機的監控工作。

大數據不僅體現在有形的數據上， 文字信息與圖片信息應同樣受到重視。這些便于更為徹底的了解發動機的性能， 方便后續的維護保障工作。

5結語

讓數據說話， 用數據指導保障工作， 是維修保障非常重要內容。但數據不是萬能的， 必須結合具體實踐工作， 配合維護人員的維修經驗， 結合維護規程等， 認真研究發動機的構造和原理， 充分發揮維護保障人員的主觀能動性， 主客觀同時起效， 才能使飛行保障建設更上一個新臺階！

參考文獻

[1] 甘麗新， 涂偉. 大數據時代電子商務的與挑戰探討[J]. 科技廣場. 2013：3：137-140

[2] 全石峰. 云計算環境下大數據處理對電子商務發展的作用[J]. 電腦知識與技術. 2013： 9（20）： 4762-4763， 4770.