航空機電系統先進診斷與預測技術研究

王紅 楊占才 靳小波 封錦琦

摘要：本文首先分析了國外航空機電系統診斷與預測產品的功能、性能及特點，然后對航空機電系統診斷與預測研制流程進行了分析，接著對可應用于航空機電系統的先進診斷與預測關鍵技術進行了全面分析，主要包括基于任務剖面的跨系統交聯實時故障仿真與驗證技術、基于模糊神經網絡專家系統的故障模式識別、基于數據驅動的部件剩余壽命預測、基于性能衰退特性的健康狀態評估、基于自適應技術的診斷預測模型修正等方面，最后結合國內的研究現狀，論述了航空機電系統診斷與預測技術發展過程中需要關注的主要問題，希望能夠為航空機電系統診斷與預測技術應用起到一定的推動作用。

關鍵詞：機電系統；故障診斷；壽命預測；健康評估；模型修正

中圖分類號：TP206+.1文獻標識碼：ADOI：10.19452/j.issn1007-5453.2020.07.006

基金項目：國防基礎科研計劃（JCKY2016205A004，JCKY2017205B015）

航空機電系統（如液壓系統、燃油系統、環控系統、輔助動力系統、電源系統、旋翼傳動系統、起落架系統、生命保障系統、空降空投系統、空中加油系統等）是飛機的重要組成部分，其工作性能和工作狀態直接關系飛機系統的可靠性和安全性。隨著航空機電系統從功能、能量、控制和物理4個方面不斷向綜合化、電能化、數字化、高功率等方向發展，對系統的可靠性、維修性、安全性、測試性也提出了更高的要求。據國外經驗表明，采用先進的故障診斷、壽命預測及健康管理技術，是提高航空機電系統可靠性、維修性及安全性的重要途徑，同時也是提高航空機電產品競爭力和產品附加值的關鍵技術[1]。鑒于國內航空機電系統的診斷與預測水平與國外還存在一定差距的實際情況，本文在借鑒、分析了美國Impact Technologies公司和歐宇航凱希典測試與服務公司（EADS CASSIDIAN T&S）的航空機電系統預測及健康管理產品功能、性能及特點基礎之上，結合我國新一代飛行器機電系統預測及健康管理研究需求，對可應用于航空機電系統的先進診斷與預測關鍵技術進行了全面分析，包括基于任務剖面的跨系統交聯實時故障仿真與驗證技術、基于模糊神經網絡專家系統的故障模式識別、基于數據驅動的部件剩余壽命預測、基于性能衰退特性的健康狀態評估、基于自適應技術的診斷預測模型修正等方法，并對現有的算法模型進行了對比，最后結合國內的研究現狀，論述了航空機電系統診斷與預測技術發展過程中需要關注的主要問題，為飛行器機電系統診斷與預測水平的進一步提升發揮作用[2-3]。

1國外航空機電系統診斷與預測產品分析

國外專業從事航空機電系統診斷與預測產品研發的供應商眾多，本文以國外著名的美國Impact Technologies公司、澳大利亞PHM Technology公司和以色列ALD公司的機電系統診斷與預測產品為例，分析其產品功能、性能及特性。

1.1美國Impact Technologies公司診斷與預測產品

美國Impact Technologies公司是一家專業的航空故障診斷與預測產品供應商，其相關產品達到幾十種，而且已經在美國F-35、F-22等新型戰斗機的研制過程中發揮了重要作用。下面僅以可用于航空機電系統診斷與預測系統開發的SignalPro？異常狀態檢測系統、ReasonPro？診斷/預測推理軟件、GPSys？齒輪壽命預測系統等為例進行說明。

（1）SignalPro？異常狀態檢測系統

SignalPro？異常狀態檢測系統是一個數據驅動的建模發動機平臺，該系統可提高機械或其他系統的信噪比，還可進行早期預警，指示系統狀態的細微變化，如系統性能下降或傳感器漂移等情況。特別是在載荷、振動、環境溫度等綜合環境因素影響系統內部狀態的情況下，SignalPro？的效果更加明顯。

SignalPro？可獨立使用，還可同環境與性能在線監測平臺、生產工藝跟蹤軟件、控制系統以及其他各種不同類型的應用軟件組合使用。目前SignalPro？已經應用在艦船傳感器故障診斷、航空發電機性能監測、直升機發動機診斷/預測及健康評價、艦船燃氣渦輪-壓縮機污垢監測等領域。

（2）ReasonPro？診斷/預測推理軟件

ReasonProTM是一款可擴展的軟件平臺，基于規則和案例進行綜合推理，以組合失效模型為主要特點，支持各種類型診斷/預測推理模型的嵌入，并且采用XML形式的診斷/預測模型實現更為精確的故障隔離。目前，該軟件套件已經應用于航空發動機及液壓、環控等子系統，船舶推進系統、水陸兩棲車輛系統和F-18機載系統等領域。

該軟件以XML格式構建組合失效模型知識庫，該知識庫通過與推理算法的交互實現診斷/預測模型的運行，該知識庫存儲了系統相關信息（如異常檢測、診斷知識、觀察現象、經驗知識、預測知識等）與故障或失效模式進行關聯，以故障或失效模式傳播路徑為基礎，ReasonPro？軟件可通過其“監視器”激活診斷/預測序列進行分析，并給出診斷和預測結論等信息。

（3）GPSys？齒輪壽命預測系統

Impact公司開發的GPSys？齒輪壽命預測系統，并將一種專業的齒輪預測模型嵌入到系統中，該模型通過對物理失效模型、HUMS振動特性模型和歷史數據等進行綜合，實現了關鍵傳動系統中齒輪失效的精準預測。GPSys？軟件集成了所有設計、操作和檢測方面的有效信息源，這些信息作為剩余壽命預測的輸入，有助于提升預測精度。目前，該系統已經用于國外某型飛機附件機匣診斷、預測系統研制、試驗及驗證領域[4]。

1.2澳大利亞PHM Technology公司診斷與預測產品

澳大利亞PHM Technology公司研發的MADe產品是一套輔助狀態感知系統設計的軟件工具。該平臺可滿足機械、液壓等機電系統全壽命階段的診斷與預測需求。MADe在專注于實現系統狀態數據獲取的同時，通過引入先進的傳感器相關技術，對傳感器的布局進行優化，有效地降低了裝備的虛警率、縮短了停機時間，并減少了多余的維修。MADe平臺通過模糊認知圖（fuzzy cognitive map）和鍵合圖（bond graph）技術，自動推導系統中各個層次對故障的響應，分析故障的傳遞路徑及其影響。

MADe是一款集成的產品建模、RAM分析和PHM設計的軟件工具包，包括三個軟件模塊。MADe系統故障響應行為的建模和分析模塊：其系統模型可直接生成FMECA數據，用于MADe RAM和MADe PHM。MADe RAM（可靠性、可用性和維修性）：用于系統可靠性、可用性和維修性評估；MADe PHM（診斷和健康監控）：用于設計診斷、預測和健康管理系統并評估其能力。MADe是一款系統、子系統、部件、零件建模軟件工具，可用于在設計過程中識別和評估潛在的功能和安全關鍵項（FMECA）。MADe可以應用于復雜系統及產品各個設計階段（概念設計、初步設計、詳細設計、技術更新、產品改進），適用于高復雜、高集成的多域機電系統[5]。

1.3以色列ALD公司診斷與預測產品

以色列ALD公司研發的PHM Commander是一款適用于復雜機電系統及產品的故障診斷與預測貨架產品，如圖1所示。它幫助用戶靈活地收集、跟蹤、分析和管理故障，收集并分析整個過程中的多種參數，進而對裝備進行故障預測和健康管理。在確保所有數據完整性的基礎上，它可以作為跨區域、跨組織的故障知識庫，分析裝備的售后維護、現場運行的故障類型分布、故障發生趨勢、視情維修方案、裝備健康狀態等，靈活地進行產品信息導入、查詢、統計、分析、管理，以優化售后服務工作。

該產品可確保機電系統及產品可靠性、安全性、維修性和關鍵性能指標的改進。ALD的PHM方法與傳統的由制造商驅動的維修政策不同，目前由MRO和車間維修等機構實施。PHM Commander是基于預測的維修決策的基礎。ALD PHM方法是一種基于故障預測與健康管理（PHM）的整體系統維護方法。

2航空機電系統診斷與預測流程及特點分析

航空機電系統是飛行器的關鍵部分，其診斷與預測系統設計與驗證方法的可行性直接關系到飛行器全機模型驗證的合理性與有效性。首先分析研究航空機電系統的故障機理，明確主要故障表現形式、故障原因、故障影響及故障傳播關系，以危害性大、維護成本高為原則選擇需要診斷的故障模式。然后分析故障模式與故障征兆的對應關系，明確對故障和性能退化敏感的物理量作為故障征兆監測參數，監測參數要具備高度敏感性、高度可靠性及實用性（如參數獲取的難易程度及經濟性）等特點[6]。在上述分析的基礎上，制訂參數監測方案、試驗方案、特征提取方案、故障診斷方案、壽命預測方案、健康管理方案、維修決策方案及模型驗證方案等內容，為后續飛行器級診斷與預測設計與驗證奠定基礎。航空機電系統診斷與預測研究流程如圖2所示。

通過上述流程分析，總結出航空機電系統PHM研究主要特點如下：（1）從前期的故障機理分析，到后期的模型驗證，診斷與預測流程是一個反復迭代的過程，需要通過分析、建模、驗證的多次迭代過程才能實現規定的功能和性能。（2）診斷與預測過程涉及環節眾多，每個環節出現誤差都會影響診斷與預測決策的準確性，因此需要研制人員仔細分析誤差影響，掌握誤差傳遞規律，進而合理進行誤差分配。（3）在前期分析準確的前提下，影響航空機電系統診斷與預測準確性的關鍵在于故障注入與仿真是否有效、故障模式識別是否準確、壽命與健康狀態預測是否可信、模型修正是否合理有效等。

3航空機電系統先進診斷與預測關鍵技術

3.1基于任務剖面的跨系統交聯實時故障仿真與驗證技術

跨系統交聯故障是指飛行器各個成員系統在工作過程中，由于系統之間相互耦合作用，故障現象復雜多樣，難以準確隔離和定位的故障。跨系統交聯故障不僅是飛行器全機級、區域級最重要的故障表現形式，也是飛行器最難準確隔離的故障，目前已經成為研制使用單位最迫切、最急需解決的關鍵問題。

為了提高跨系統交聯故障診斷隔離的準確度，迫切需要在飛行器全機級、區域級地面試驗驗證過程中采用一種可靠、有效的故障仿真手段對所有相關故障進行模擬，并且將故障準確而有效地注入到相互交聯的成員系統之間，以確保在地面試驗驗證階段對交聯故障進行準確模擬，為驗證故障診斷模型提供可靠而有效的故障注入手段。

針對任務區域級內部成員系統之間交聯故障仿真，可采用基于總線的集中控制、分布式注入的方式實現，具體實現原理如圖3所示。在跨系統交聯故障仿真建模與驗證中，包括輸入準備、跨系統交聯故障仿真模型搭建和故障仿真驗證等幾個程序。在輸入準備過程中，包含搭建工作環境和資料搜集兩方面內容；在跨系統交聯故障仿真模型搭建過程中，主要包括模型加載、連接模型接口、創建模型間通信函數、補充變量收發狀態機等幾個建模環節；在故障仿真驗證過程中，主要包括故障仿真驗證和故障仿真結果分析兩部分工作。具體過程如圖4所示。

3.2基于模糊神經網絡專家系統的故障模式識別方法

神經網絡與模糊系統均是軟件計算的重要方法，神經網絡具有并行處理的網絡結構，自學習能力強，但以權值表達的知識形式不易理解，不能充分利用領域專家大量的語言知識；而模糊邏輯可以較好地利用語言知識，且知識表達形式易理解，但卻存在自學習能力弱，難以利用數值信息的不足，因而將兩者結合形成模糊神經網絡，優勢互補，將更具有優越性。利用模糊神經網絡專家系統能夠很好地解決專家系統的知識和規則獲取問題，具有很強的實用性，適用飛行器復雜系統的故障診斷[7]。

故障模式識別實際上是故障診斷的過程，即通過對部件外部征兆的監測，取得特征參數的正確信息，實現故障識別、定位和隔離。依據航空機電系統診斷結果具有模糊性、專家經驗較多等特點，以試驗數據為學習樣本進行模式識別模型設計，采用模糊推理與神經網絡協作式的專家系統對航空機電系統的故障模式進行識別，其結構如圖4所示。

3.3基于性能衰退特性的健康狀態評估方法

航空機電系統的一些關鍵設備及部件從正常到故障通常會經歷一系列的退化狀態（見圖6），這使得基于性能衰退特性的健康狀態評估方法成為可能。基于性能衰退特性的健康狀態評估方法，主要通過監控部件性能退化參數對其性能退化狀態進行監測、跟蹤和度量，借助可靠的評估模型實現健康狀態評估，其中的技術難點是性能參數退化軌跡的獲取以及如何保證評估精度。目前，國內外科研人員正在陸續開展基于性能退化數據的健康狀態評估研究，如美國Impact Technologies公司針對液壓泵實現了基于性能退化試驗數據的健康狀態評估，但大多數研究機構尚未取得成熟的研究成果。

開展基于性能衰退特性的健康狀態評估技術研究主要包括以下三方面的內容：（1）通過失效模式及失效機理分析、專家知識、歷史經驗、試驗研究等方式確定產品的性能退化參數，可以一個或多個；（2）通過對歷史數據、仿真數據、試驗數據等進行深入分析和研究，確定性能參數的退化軌跡及表征不同退化狀態的閾值；（3）建立多個性能退化狀態評估模型（基于灰色理論、曲線擬合、回歸分析、統計分析等方法），通過綜合評判給出健康狀態評估結果。基于性能衰退特性的健康狀態評估結果如圖7所示。

3.4基于數據驅動的機電設備剩余壽命預測技術

基于數據驅動的壽命預測是比較熱點的技術，其實質是根據歷史數據找出變化規律，建立相應的數學模型，利用該模型對未來數據進行預測。壽命預測通常以時間序列為基礎，時間序列是指某一系統變量或指標的數值或觀察值按其出現時間的先后順序，且間隔時間相同而排列的一列數值。基于時間序列的預測過程是通過被預測系統過去和現在的觀測數據，構造依時間變化的序列模型，并借助一定規則來預測未來。

機電設備的壽命是指設備從開始使用到淘汰的整個時間過程，即設備從投入使用開始，到因設備磨損、到壽而不能繼續使用，最后報廢為止所經歷的全部時間。它主要由設備的有形磨損以及疲勞載荷所決定，受到有形磨損影響的以摩擦損耗為主，是根據磨損壽命來確定，因疲勞載荷作用影響明顯的，根據疲勞壽命來確定。尋求能夠表征設備磨損程度（即損傷程度）的參數或者參數特征是基于數據驅動的剩余壽命預測技術的關鍵研究內容。目前能夠支撐機電設備剩余壽命預測技術研究的數據源包括飛行器飛行參數、故障記錄數據、試驗數據等，但其特點是量大、無序、規律性差，而且飛行器運行過程復雜，存在多任務剖面的情況，導致壽命預測難以實現。

為了摸索并實現機電系統關鍵部件壽命預測，需要一個長期試驗、觀察、分析、總結的過程，通過采用壽命試驗平臺，開展加速壽命試驗，獲取壽命參數信息，通過對其進行預處理，得到壽命預測特征參數，分析特征參數伴隨時間歷程的變化趨勢，弱化其隨機性，強化其壽命衰減的規律性，進而構建壽命預測模型，對關鍵部件進行剩余壽命預測，從而得到壽命預測結果。如果根據壽命特征分析，能夠找出某個代表性參數可以表征關鍵部件性能退化，則通過構建基于單性能參數的壽命預測模型可實現壽命預測，如采用灰色理論方法；如果經過研究，關鍵部件性能退化需要多個參數共同表征，那么需要構建基于數據驅動的預測模型進行壽命預測，如采用神經網絡、多元回歸等方法，如圖8所示。

3.5基于自適應技術的診斷預測模型修正方法

航空機電系統結構復雜，組成部件眾多，動態特征明顯，實際上診斷與預測技術是通用的，針對不同具體對象，不同工況，需要調整的是模型主要參數，因此在實際使用中，診斷與預測模型是個不斷調整不斷修正的過程，以增強模型的魯棒性、時效性。航空機電系統性能退化過程中，不可避免地伴隨很多隨機干擾，也可能存在突發的異常事件，且工況多變，因此需要跟蹤歷史狀態信息、近期狀態信息、當前狀態信息、未來可能狀態信息，并結合知識庫，對診斷預測模型做出更新、修正。

診斷預測模型修正主要研究兩個方面的內容，一是模型修正判據，即什么條件下需要進行模型修正，二是模型修正方法。診斷預測模型在試驗驗證環節、試飛應用階段或者實際應用過程中能夠得到全面使用和驗證，當出現模型性能持續下降、模型相關信息需要更新、模型應用對象變更、模型性能要求變化等情況時，需要對模型進行修正。不同原理的模型需要不同的修正方法。診斷分類器主要采用神經網絡、支持向量機等有監督學習型算法，可從更改模型輸入/輸出參數、修正模型學習參數、調整模型結構參數等方面著手修正模型。診斷推理機主要基于大量知識、規則實現故障推理，因此，可以通過知識/規則的增加、修改、刪除實現推理機模型修正。預測模型主要基于時間序列進行趨勢外推，可通過模型輸入更改、最優初始條件參數修改、模型參數學習更新等方式實現模型修正。上述模型修正過程中，需要采用自適應最優濾波算法，以全自動的方式實現濾波過程，對于數據進行分類和處理，自主地迭代、學習、驗證，最終得到符合要求的模型。基于自適應技術的診斷預測模型修正方法如圖9所示。

3.6航空機電系統故障診斷和預測算法模型對比分析

目前已有多種診斷和預測算法可應用于航空機電系統的診斷與預測技術研究當中。其中信號分析診斷方法有傅里葉變換、希爾伯特變換等利用數據頻域當中的特征信號來診斷系統設備故障。亦有基于統計學的診斷預測方法如高斯混合模型、統計模式識別等用于診斷故障模式。另外，神經網絡、模糊技術等方法可用與系統故障的預測。部分診斷預測方法及其作用、優點、缺點見表1[8]。

4需要關注的幾個問題

（1）現有理論方法成熟度低，航空機電系統診斷與預測技術發展后勁不足

實現航空機電系統診斷與預測的支撐技術主要包括：傳感器技術、數據傳輸網絡技術、數據采集軟件設計技術、數據處理技術、狀態監測技術、故障診斷技術、壽命預測技術、驗證評價技術等。我國開展的相關技術研究，對機電系統典型部件故障機理、特征提取方法、診斷預測算法等進行了研究和摸索，與國外差距逐步縮小。但由于多年來傳感器技術發展未受重視，航空機電系統的故障診斷工作開展不深入，缺少故障數據的積累、故障模式的全面分析、故障原因的深入解析等，嚴重影響了診斷和預測技術的開展；同時國內對航空機電系統診斷與預測模型的驗證與評價工作剛起步，對所得到的研究結果缺乏強有力的驗證，對其有效性的評判缺乏支撐。

（2）試驗數據積累不足，知識獲取難度大，導致模型準確度不夠

目前，在航空機電故障預測與健康管理系統研制過程中，由于歷史數據積累不足導致知識獲取難度大，已成為業內共識。知識獲取的主要途徑有專家經驗、仿真試驗、物理試驗、歷史數據挖掘等手段。專家經驗主要指設計人員、可靠性分析人員及維修人員在實際工作中總結的各種診斷案例，最終總結成規則，可以作為專家系統的規則知識。專家經驗大多無法定量進行描述，應用專家經驗的主要困難在于有效、可靠地提煉與總結規則知識。

在研究過程中，歷史數據的統計信息是建模與模型驗證的關鍵，而目前積累的可用歷史數據較為匱乏，直接導致模型成為開發過程中的薄弱環節，這不僅影響診斷預測的準確度，對其工程實際應用也造成很大影響[9]。

（3）驗證技術和指標體系不完善，導致現有的航空機電系統診斷與預測研究成果難以評價

航空機電系統診斷與預測驗證是指通過功能分析、費效比分析、綜合優化方法等來評定診斷與預測系統設計的優劣。診斷與預測技術只有通過仿真驗證和實物驗證，經不斷改進和完善，才能滿足工程要求，為航空機電系統PHM系統的驗證和評價提供基礎技術支撐。由于不同物理對象采用的診斷與預測模型有一定的差別，故一般情況下單一方法很難完成驗證任務，需要多種方法互為補充、相互驗證，才能得到比較理想的驗證效果。目前，國內還缺乏相關驗證技術的必要手段，沒有全面的診斷與預測驗證和指標評估體系，使得其研究成果難以評價[10]。

5結束語

本文是在充分分析了美國Impact Technologies公司、澳大利亞PHM Technology公司和以色列ALD公司的航空機電系統預測及健康管理產品基礎之上，結合我國新一代飛行器機電系統預測及健康管理研究需求，對可應用于航空機電系統的先進診斷與預測關鍵技術進行了全面分析，包括基于任務剖面的跨系統交聯實時故障仿真與驗證技術、基于模糊神經網絡專家系統的故障模式識別、基于數據驅動的部件剩余壽命預測、基于性能衰退特性的健康狀態評估、基于自適應技術的診斷預測模型修正等先進且實用的方法，并對現有的算法模型進行了對比，最后結合國內的研究現狀，論述了航空機電系統診斷與預測技術發展過程中需要關注的主要問題，希望能夠為飛行器機電系統診斷與預測水平的進一步提升發揮重要作用。

參考文獻

[1]楊占才，安茂春，王紅.對發展故障預測和健康管理技術的探討[J].測控技術，2012，31（11）：107-110. Yang Zhancai， An Maochun， Wang Hong. Discussion on the development of fault prediction and health management technology [J]. Measurement and Control Technology， 2012，31（11）：107-110.（in Chinese）

[2]年夫順.關于故障預測與健康管理技術的幾點認識[J].儀器儀表學報，2018，39（8）：1-14. Nian Fushun. Several understandings about fault prediction andhealthmanagementtechnology[J].Journalof Instrumentation， 2018， 39 （8）：1-14.（in Chinese）

[3]呂剛德，楊占才.故障預測與健康管理系統建模技術研究[J].測控技術，2011，30（1）：59-63. Lyu Gangde， Yang Zhancai. Research on modeling technology of fault prediction and health management system [J]. Measurement and Control Technology， 2011，30（1）：59-63. （in Chinese）

[4]陳瓊，李素潔，楊占才.基于信息融合的液壓泵故障診斷技術研究[J].測控技術， 2014， 33（1）：164-167. Chen Qiong， Li Sujie， Yang Zhancai. Research on fault diagnosis technology of hydraulic pump based on information fusion [J] .Measurement and Control Technology， 2014，33（1）： 164-167. （in Chinese）

[5]張寶珍，王萍，尤晨宇.國外飛機預測與健康管理技術發展計劃綜述[J].計算機測量與控制，2016，24（6）：1-7. Zhang Baozhen， Wang Ping， You Chenyu. Summarization of foreign aircraft prediction and health management technology development plans [J]. Computer Measurement and Control，2016，24 （6）： 1-7. （in Chinese）

[6]彭宇，劉大同，彭喜元.故障預測與健康管理技術綜述[J].電子測量與儀器學報，2010，24（1）：1-9. Peng Yu， Liu Datong， Peng Xiyuan. Summary of fault prediction and health management technology [J]. Journal of Electronic Measurement and Instrument， 2010， 24 （1）： 1-9. （in Chinese）

[7]張寶珍.國外綜合診斷、預測與健康管理技術的發展及應用[J].計算機測量與控制，2008，16（5）：591-594. Zhang Baozhen. Development and applications of integrated diagnostics prognostics and health management technologies of abroad [J]. Computer Measurement&Control， 2008， 16（5）： 591-594. （in Chinese）

[8]劉磊，龍兵，劉震.兩種多故障診斷算法的性能比較研究[J].電子測量與儀器學報， 2011， 25（1）： 75-80. Liu Lei， Long Bing， Liu Zhen. Research on performance comparison of MFD algorithms [J]. Journal of Electronic Measurement and Instrument ， 2011， 25（1） ： 75-80. （in Chinese）

[9]焦裕松.民用飛機液壓系統發展與展望[J].航空科學技術， 2019，30（12）：1-6. Jiao Yusong. The development and prospect of hydraulic power system in civil aircrafts[J]. Aeronautical Science & Technology， 2019， 30（12）： 1-6. （in Chinese）

[10]羅志會.國外遠程轟炸機液壓系統分析[J].航空科學技術， 2019，30（4）：8-12. Luo Zhihui. Analysis of hydraulic system of long-range bomber[J]. Aeronautical Science & Technology，2019，30（4）：8-12. （in Chinese）（責任編輯陳東曉）

作者簡介

王紅（1969-）女，博士，研究員。主要研究方向：航空自動化測試、故障診斷、健康管理及測試性技術。

楊占才（1975-）男，碩士，研究員。主要研究方向：飛行器綜合測試、綜合診斷、故障預測技術。

Tel：15001271283E-mail：15001271283@163.com

靳小波（1987-）男，碩士，工程師。主要研究方向：航空機電系統故障診斷、故障預測及健康管理技術。

封錦琦（1979-）男，碩士，研究員。主要研究方向：航空地面測試、測試性及故障診斷技術。

Research on Advanced Diagnosis and Prognosis Technology of Aeronautical Electromechanical System

Wang Hong，Yang Zhancai*，Jin Xiaobo，Feng Jinqi

AVIC Beijing Changcheng Aeronautical Measurement and Control Technology Research Institute，Beijing 100176，China

Abstract： This paper first analyzes the functions， performance and characteristics of foreign aviation electromechanical system diagnostic and prediction products， then analyzes the development process of aviation electromechanical system diagnosis and prediction， and then carries out the key technologies of advanced diagnosis and prediction that can be applied to aviation electromechanical systems. The comprehensive analysis mainly includes cross-system crosslink real-time fault simulation based on task profile， fault pattern recognition based on fuzzy neural network expert system， remaining life prediction of components based on multi-parameter fusion， health status evaluation based on performance degradation characteristics， and adaptive based technical diagnostic prediction model correction and other aspects. Finally， combined with the domestic research status， this paper discusses the main issues that need attention in the development of aviation electromechanical system diagnosis and prediction technology， hoping to play a certain role in promoting the application of aviation electromechanical system diagnosis and prediction technology effect.

Key Words： aeronautical electromechanical system； fault diagnosis； life prognosis； health assessment； model correction