QAR數據的認識及民航應用研究

曹惠玲，高　煬

(中國民航大學 航空工程學院，天津　300300)

0　引言

自20世紀70年代以來，民航領域的數據記錄方式不斷改進。人們經常聽到的“黑匣子”FDR就是最早的飛行數據記錄設備，FDR的外部殼層是通過鋼板以及多層由絕熱防沖擊的保護原料共同制成的，因此在飛行事故發生之后，FDR中的數據還能保存，但是FDR中的飛行數據較難獲取，所以數據快速存取記錄器(Quick Access Recorder，QAR)應運而生。隨著21世紀科學技術的發展，QAR數據可以在飛機降落后直接通過無線傳輸，使得數據獲取更加方便。QAR可以同時對1 000多種數據進行采集，因此可為全方位的飛機狀態監控、故障診斷等提供充足的數據基礎。

1　QAR數據的準備

QAR數據的原始形式為機器碼，是無法進行直接識別和后續分析的，所以首先需要進行處理使其變得可讀，并通過一定的預處理方能應用。數據準備階段主要分為數據譯碼、數據選取、數據標準化修正和數據平滑。

1.1　QAR數據譯碼

QAR數據譯碼的主要過程是將機器碼轉換成可讀語言，并通過對QAR原始代碼進行數據定位和工程值計算來完成譯碼工作。

1.2　基于QAR的報文解析

飛機通信尋址與報告系統ACARS將數據管理組件(Data Management Unit，DMU)中的監控報文通過甚高頻(Very High Frequency，VHF)傳輸給地面的系統成為原始報文。但ACARS報文在使用時需要支付高額的使用費，若通過QAR數據提取報文則可省去航空公司在這部分的支出。

文獻[2]中按照原始報文格式設計出了穩態報文數據模版，通過程序設計實現了從QAR中提取報文的功能。

1.3　QAR數據的預處理

獲取了可讀的QAR數據后，為了使其可對比、分析，需進行數據預處理。

(1) 數據的選取。參數采集主要選擇巡航階段，因為巡航階段的飛行數據較為穩定，便于分析比較。同時如果飛機在起飛爬升階段出現故障，其參數變化在巡航階段也會有相應的體現。

(2) 標準化修正。標準化修正包括相似修正和功率修正。運用相似理論，將原始數據換算到標準大氣狀態，使得不同飛行條件下的數據具有可比性。功率修正可以修正不同發動機運行時不同功率所造成的誤差，通過修正可將不同功率發動機換算成相同功率下的性能參數。

(3) 數據平滑。為了很好地反映出發動機的性能趨勢，需要進行數據的去噪平滑。常用的平滑方法包括移動平均平滑法和指數平滑法。

當擁有完整歷史數據時，使用平均平滑法較為簡單；而指數平滑法的優勢在于不需要存儲全部的歷史數據，只需要最新的觀察值、預測值和平滑常數即可[3]。

2　QAR數據的實際應用

2.1　QAR在狀態監控中的應用

狀態監控是保證飛機安全飛行不可缺少的重要環節，航空發動機狀態監控大致可分為基線監控、差異監控和極限監控。

(1) 基線監控。文獻[2]中通過將標準化后的數據與發動機趨勢報告中的偏差值作差得到基線上的數據點，之后對多個基線點進行擬合即可得到基線模型的具體形式。

(2) 差異監控。同一飛機上的發動機在巡航時，外界的環境條件和控制條件相同，則發動機的性能參數也應相同，若將飛機上不同發動機的參數繪成曲線圖，就可以發現哪一臺發動機存在明顯的數據偏差，從而可進行下一步的故障診斷以及排故工作。

(3) 極限監控。極限監控的本質是監控各項參數是否超過發動機維修手冊中的極限值，工程師可以自己設定極限值，對發動機進行監控。

2.2　QAR在故障診斷中的應用

QAR在故障診斷方面主要作為建立健康態方程和故障方程的基礎。

(1) 健康態方程。文獻[3]中基于健康的發動機性能參數建立發動機性能參數之間的健康態關系。將待測數據與健康態方程進行對比，若不符合則判定發動機故障，該方法只能判斷出待測發動機是否出現故障，無法得知具體故障原因；判斷具體是何種故障就需要使用具體故障數據得出故障方程。

(2) 故障方程。文獻[3]中基于支持向量機的方法，提出了單分類和多分類故障診斷。單分類即識別某種特定程度故障，通過判斷故障數據是否符合該部件故障方程來確定具體故障部件；多分類是以指印圖為基礎，根據比值系數法和相關系數法處理數據后建模，通過所得模型可以識別出不同程度、不同類別的故障。

2.3　QAR在性能分析中的應用

QAR在性能分析中應用于發動機整機與單元體性能衰退預測和發動機剩余壽命預測。

(1) 發動機整機與單元體衰退預測。文獻[4]中使用層次分析與灰色關聯分析法計算方案層對目標層的合成權，得出了發動機健康評估和性能排序。文獻[5]中根據發動機單元體性能參數分析，提出了單元體衰退因子影響，使用神經網絡對樣本進行擴充，采用分形理論建立壓氣機模型，得到壓氣機各參數的關聯維數。文獻[6]對單元體性能分析做出了更深入的研究，建立了單元體與整機性能聯系，得到發動機單元體性能對整機性能的貢獻模型。

(2) 發動機剩余壽命預測。文獻[7]中通過近鄰增強方法查找訓練歷史數據，得到相似的發動機衰退狀況，再基于實例推理的方法使用雙層隨機森林模型來估計發動機的剩余壽命。

2.4　QAR在飛行品質評估中的應用

QAR數據最早應用于飛行品質的監控，保障飛行的安全。其在飛行品質中應用于安全風險預測評估和品質評估兩方面。

(1) 飛行安全風險預測評估。文獻[8]根據灰系統理論的灰聚類方法建模對航班進行評估，取得了很好的效果。

(2) 飛行品質評估。文獻[9]提出了基于主成分分析法的定量分析，建立了基于超限裕度的評估模型。該模型使用大量QAR數據作基礎，對多航班多機組數據進行整合分析，提出了量化的評估。

3　QAR數據在監控中的應用實例

在掌握前文介紹的QAR數據在狀態監控中應用的基礎上，開發了QAR數據雙發差異監控系統。雙發差異模塊由警戒值確認區域、X軸同步的對比圖表、偏差值圖表以及超限數據表格構成，如圖1所示，鼠標左鍵框選部分曲線即可完成放大操作。同時系統可以向工程師提供最簡潔的雙發差異監控分析報告，分析報告格式如圖2所示。

圖1　雙發差異模塊

4　結束語

本文匯總了目前民航對QAR數據的主要應用及處理方法，針對QAR數據的預處理和應用做出了具體的總結和對比，分析了大部分QAR數據應用方法的要點和優點，并通過建立基于QAR數據的雙發監控系統說明了QAR數據的優越性和可靠性。

圖2　雙發差異分析報告

參考文獻：

[1]張浩．QAR數據譯碼技術研究與自動譯碼系統的建立[D]．天津：中國民航大學，2016：44-49.

[2]張興川. 基于QAR數據的航空發動機報文解析及監控技術研究[D].天津：中國民航大學,2016:43-47.

[3]張卓.基于SVM多分類的PW4000故障診斷研究[D].天津：中國民航大學,2015:16-48.

[4]曹惠玲,黃樂騰.基于AHP及灰色關聯分析法的發動機健康評估研究[J].數學的實踐與認識,2015(2):122-129.

[5]李世棟.發動機單元體性能分析與趨勢預測研究[D]．天津：中國民航大學,2016:47-52.

[6]李曉波.基于綜合指數的單元體性能分析及其與整機性能的聯系[D].天津：中國民航大學,2016:45-51.

[7]謝曉龍.航空發動機性能評價與衰退預測方法研究[D].哈爾濱：哈爾濱工業大學,2016:94-119.

[8]楊繹煊.基于QAR數據的航班運行安全風險研究[D]．天津：中國民航大學,2016:34-43.

[9]崔曉陽.基于超限事件的飛行品質監控方法研究[D]．天津：中國民航大學,2013:33-41.