航空裝備故障預測與健康管理的數據體系研究

曲昌琦 周銳 杜寶 隆金波

摘要：故障預測與健康管理（prognostic health management，PHM）是一種利用采集到的數據進行數據處理后，針對航空裝備的當前狀態監測、診斷以及預測從而得到智能決策的技術。PHM能最大限度地保障航空裝備的運行安全，提高保障任務的能力。在PHM的整個階段會產生大量的數據，目前已有部分國內外機構針對PHM數據體系進行了研究與構建，然而大部分的數據僅僅是針對PHM數據的管理維護方面做了探討，并不能清晰地、深入地梳理出現役航空裝備的設計數據、使用數據、驗證數據之間的邏輯關系，所以構建一套完整的PHM數據體系架構成為當前極為重要的工作。本文以航空裝備PHM技術為背景，貫穿裝備生產制造全生命周期時間線，基于PHM系統的設備級、區域級、平臺級數據的構建、融合為主線，補全PHM數據管理維護數據，形成一套具有航空裝備特色的PHM數據體系架構，完善PHM不同數據要素之間的邏輯關系。

關鍵詞：航空裝備；故障預測；健康管理；數據體系

中圖分類號：V37文獻標識碼：ADOI：10.19452/j.issn1007-5453.2020.12.008

隨著我國航空裝備的大力發展，對航空裝備的通用質量特性提出很高的要求，故障預測與健康管理（PHM）作為航空裝備的診斷預測技術，能最大程度地保障航空裝備的運行和使用安全，完成既定的任務，并且能降低全生命周期的維護費用。PHM技術利用盡可能少的傳感器采集系統的各種數據信息，借助智能算法（如物理模型、神經網絡、數據融合、模糊邏輯、專家系統等）評估系統對象的健康狀態，在系統故障發生前對其故障進行預測，并結合各種可利用的資源信息提供一系列的維修保障措施以實現系統的視情維修[1-2]。PHM可以降低維護成本，提高系統的設計特性，優化維修決策機制，并為產品設計和驗證的優化提供數據支撐和建議決策[3-4]。

數據作為PHM中的輸入尤為重要，數據的不全面以及不準確將導致航空裝備在維修保障中不能有效地降低維修成本，同樣也不能正確地指導航空裝備的正向設計，不能為正向設計帶來指導作用。目前國內外的科研機構、高校大多在研究PHM的數學模型算法，很少有學者在PHM數據體系架構上做深入的研究和探討。

隨著航空裝備結構的復雜化、飛行任務的多樣化，在飛行過程中，決策的重要性就日益突出。決策的正確與否會關系到飛行的安全，而進行決策的基礎是依靠在執行任務過程中采集到的數據，針對這些數據進行數據挖掘和數據融合，利用決策樹和決策方法來判斷航空裝備的狀態，并且提出相應的建議[5-6]。但是進行正確決策的基礎是數據，因此，在現代航空裝備的健康管理體系中，數據是被擺在第一位的，如果不能明確哪些數據作為輸入部分應用到PHM技術中，會導致數據缺失、數據整合程度低等問題，使得PHM技術不能完全發揮其實際意義[7-8]。因此需要構建出一套完整的PHM數據體系架構，確保數據在設計、研制以及使用過程中的完整性，并將這一類數據之間的關系、使用時機和產生時機進行深入梳理，從而最大程度地發揮數據在航空裝備健康管理體系中的價值。

本文以航空裝備PHM技術為背景，貫穿航空裝備生產制造全生命周期時間線，基于PHM系統的設備級、區域級、平臺級數據的構建、融合為主線，補全航空裝備PHM數據管理維護數據，形成一套具有航空裝備特色的PHM數據體系架構，完善航空裝備PHM不同數據要素之間的邏輯關系。

1航空裝備健康管理數據

1.1數據類型

航空裝備在設計、生產以及使用的過程中會產生很多的數據，一是結構化數據，主要來自于基于關系型數據庫的業務系統或按二維表結構進行邏輯表達的數據；二是非結構化數據，如圖片、音頻、視頻、報告、文檔等形式的數據；三是半結構化數據，如XML、HTML文件等。

航空裝備的數據從收集使用的角度可按以下幾種類型劃分：（1）航空裝備定義數據：航空裝備的基本組成結構特征、性能技術指標、固有質量特性的一組數據，包括如航空裝備、子系統和組部件的基本配置關系，設計規范和技術報告，可靠性。（2）航空裝備健康評估數據：運行狀態數據、故障數據、操作狀態數據、診斷結果、預測結果、模型算法數據等。（3）航空裝備健康決策數據：任務數據、維修數據、決策數據、備件數據、設計數據等。（4）其他數據：成本數據、履歷數據、技術資料等。

1.2數據來源

航空裝備的健康管理的數據來源主要從以下幾個階段來考慮。首先是針對航空裝備的設計階段，包括航空裝備的設計規范報告，其次是針對航空裝備的使用過程中產生的數據，如傳感器采集的數據以及故障數據信息，最后通過智能算法產生的決策信息指導維修航空裝備：（1）航空裝備的設計規范報告、性能技術指標等輸入數據；（2）用來設計航空裝備所要求的通用質量特性數據；（3）航空裝備的層級之間的數據；（4）航空裝備組件級別的交聯關系數據；（5）航空裝備的所有傳感器的采集數據；（6）所有航空裝備的故障信息、狀態信息數據；（7）發動機指示和機組警告系統（engine indication and crew alerting system，EICAS）生成的所有的有關航空裝備的警告信息；（8）其他數據信息。

1.3數據特點

航空裝備數據本身具備以下的一些特點：數據量大，類型眾多，管理難度大；數據使用周期長，對共享程度要求高；數據按批/架次管理；存在數據集成的問題；數據應長期保存，數據安全性要求高。

健康管理的數據在航空裝備的數據特點的基礎上有一些大數據固有的數據特點，不僅對正常使用的數據要做到記錄，同時也要對故障數據、衰退曲線做到記錄；不僅對系統之間的功能數據做好記錄，也要能及時梳理出數據之間的傳遞和關聯關系，而且數據要做到實時性強，不然達不到監測、診斷以及預測的能力。主要有以下特點。

（1）數據量龐大

初期裝備的數據量以及數據規模較少，使用過程中隨著時間的推移，數據體量會愈發龐大，其中包含了大量的正常使用數據，僅有少部分的故障數據以及衰退曲線數據，如何從龐大的數據體量中對所需要的數據進行篩選成為PHM數據需求的一個難點。

（2）數據的多樣性

數據的多樣性體現在復雜裝備中的系統較多，系統之間的關系非常復雜，耦合性強。采集的數據類型豐富（振動、壓力、電壓、電流、溫度、噪聲等）；數據的維度多樣：運行狀態數據、控制狀態數據、可靠性數據、備件數據；如何通過多樣的數據來表征當前裝備的健康狀況以及壽命曲線成為PHM數據的另一個難點。

（3）數據的實時性

PHM的功能有狀態監測、故障診斷以及壽命預測，如果數據的實時性差，監測的狀態就會有偏差從而導致誤報信息，甚至在發生故障的時候不能做出相應的決策從而導致嚴重的損失。

（4）數據的準確性

數據的準確性在PHM技術體系中也是至關重要的，數據作為PHM的輸入部分，其真實性不能得到保障會造成后端輸出結果以及決策支持的誤導，所以PHM的數據需要確保其準確有效。

1.4數據格式

航空裝備的健康管理數據需要對數據格式做標準化，規范化航空電子測試數據采集和記錄機制是保證飛機安全、提高出勤率和訓練效果、支持飛機有效使用的基礎，有著重要的意義：

（1）隨著飛機內部結構與交聯關系的復雜，規范化航空裝備健康管理數據采集和記錄機制可以將飛機的飛行數據信息快速、有效、全面地獲取并且存儲下來，保證飛機安全和支持飛機有效地使用。

（2）規范化航空裝備健康管理數據采集和記錄機制，會根據采集到的數據實時分析飛機的飛行狀態，如果發現故障，會報警并且確定故障級別及提供應對措施。

（3）規范化航空裝備數據采集和記錄機制進行深入的“信息挖掘”，可以為飛機的地面維護、故障分析、訓練效果與作戰性能評估等提供有效的分析手段和決策支持。

對航空裝備的數據規范化可分別從以下幾個角度進行考慮。

（1）基本數據字典

基本數據字典是對所有各類數據的規范化文件要求，具體包含基礎編碼和數據的規范要求，包括數據編碼及數據類型等。上述數據字典應該包括相關數據的字段名稱、屬性名稱、數據類型等說明。

（2）關系數據信息

采用數據表單形式存儲的裝備、保障系統和應用數據等規定的相關數據，同時列出關系模式。

（3）電子文件數據

對描述具體功能、原理或結構所涉及的電子文件，使用相對路徑存儲在數據庫中，利用表格存儲文件信息。

2傳統PHM相關的數據體系架構

2.1民機PHM數據體系架構

圖1是某民機故障診斷、預測與健康管理（diagnosis prognosis and health management，DPHM）支持系統數據流程圖，每個核心業務體現DPHM健康管理支持系統與民機運營支持核心業務之間的數據交換關系，其中涉及的運營支持主要業務職能域包括：服務構型管理、技術支援、工程支援、維修支援、航材工程、技術出版物、飛行運行支援等，外部相關包括供應商、第三方航材維修機構（maintenance， repair & operations，MRO）、航空公司等[9]。

DPHM健康管理系統中的數據來源主要體現在飛機自動傳輸的數據、電子化手冊的數據、在役飛機的構型管理、維修支援信息以及備件的信息，通過DPHM的模型進行處理后將故障信息、預測信息等關鍵信息上報到供應商，將運行數據和狀態信息上報到航空公司。民機健康管理應用的大數據層涉及飛機健康狀態的數據種類多、量級大、格式復雜，包括機載監控傳感器機組數據、故障報告、維護數據、服務通告等，業務邏輯層通過對各類健康數據進行綜合收集和管理，分析典型系統故障特點及數據關聯性，應用預測模型進行數據分析、識別、推理、預測等處理，對飛機系統進行狀態監控、故障定位、趨勢分析以及健康狀況評估；決策輸出層形成健康分析報告與維修派遣決策，將原始數據轉化為航空公司可直接識別與應用的維修保障工作指令，與運行控制、維修控制、機務維修等主要業務流程高度融合，提高航空公司運營效率，節省經濟成本。其中，供應商和MRO從DPHM系統中得到故障信息，得到數據后可以安排排故維修的流程。

然而該民機數據體系架構缺少設計時健康管理數據的展現過程，同時各階段的數據關聯關系梳理得不夠明確。

2.2試驗裝備保障大數據管理體系架構

參考文獻[10]提出了一個試驗裝備保障大數據管理體系總體架構，針對當前試驗裝備保障數據建設方面存在的問題及其數據量巨大、來源分散、格式多樣等特點，引入大數據技術概念及核心技術，提出了一種試驗裝備保障大數據管理體系的構建思路，并對其總體架構、功能及關鍵技術進行設計和分析，為研究新形勢下試驗裝備保障體系建設提供有益的參考價值，提高試驗裝備保障決策的科學性，使試驗裝備保障更加智能化、精確化、快速化。

如圖2所示，該體系主要是針對裝備保障大數據進行相應的管理，該數據體系包括兩個部分：安全防護體系和標準規范體系。安全防護體系分別從數據的采集端到數據的存儲和數據的接口部分均給出了數據在不同層級的關聯關系，是一個自底向上的傳遞過程，最終通過數據采集、數據源、數據存儲、數據處理后給出試驗裝備的各項業務應用，如試驗裝備保障業務管理、試驗裝備保障綜合信息展現、試驗裝備管理保障能力分析、試驗裝備發展趨勢分析、試驗任務保障能力評估。

然而該架構并沒有從需求分析入手，沒有優化數據采集的過程，另外該架構也僅僅是針對裝備試驗階段的大數據管理體系，并沒有考慮到整個航空裝備的全壽命周期階段，同時并沒有將數據的采集、存儲以及處理過程關聯起來，導致數據體系的各個模塊呈現出孤島行為。

3航空裝備PHM數據體系架構

本文的PHM數據體系分別從航空裝備的全生命周期的維度以及航空裝備健康管理的物理架構的維度對數據之間的關系、數據之間的接口進行了描述（見圖3）。

3.1基于生命周期維度

在方案階段，以需求為牽引，收集類似航空裝備型號PHM覆蓋情況，確定PHM數據需求，并對所需要的數據進行甄別、篩選；方案階段制訂好適合PHM技術開發的各數據方案；研制階段的FMEA數據體系，通過使用階段產生的數據信息進行清洗，針對診斷和預測進行校驗，驗證數據的準確性。

（1）論證階段

在論證階段首先搜集類似型號的設計規范報告、設計要求報告，搜集性能要求指標，并根據類似型號的PHM覆蓋情況，確定PHM的數據需求，完成需求的轉化，最終將需求進行分配，充分論證數據需求的必要性。

（2）方案階段

方案階段應明確監測對象，明確診斷層級以及診斷指標，確定預測的對象，最終確認傳感器的安裝位置，明確好需要的數據類型，制訂好數據的傳輸方案、數據存儲方案以及數據融合方案，最終明確頂層數據的耦合關系，建立好數據的采集機制。

（3）研制階段

航空裝備的研制階段應針對傳感器采集到的數據進行甄別，根據需求得到的性能指標對所有的數據進行應用設計，對數據進行約束，對數據進行采集、存儲、傳輸，以及監測模型、診斷模型、預測模型的構建，并形成能指導綜合保障的決策信息。

（4）使用階段

所有的數據要能做到可追溯，并在使用過程中對數據的準確性、正確性以及適用性進行驗證，對診斷的結果以及預測的結果進行校驗。

3.2基于物理架構維度

從裝備的層級進行數據體系研究，從成員級、區域級到最終的平臺級的數據體系構建，先確定好成員級所需的數據，然后確認好傳感器的位置，并對傳感器的布局進行優化，制訂好數據傳輸、存儲以及融合方案，進行數據融合并形成區域級數據的應用模型，最后明確頂層的數據關系，將成員級、區域級的數據信息最終形成能表達平臺級的健康指標。

最后從PHM不同功能進行研究，從狀態檢測、健康評估、預測評估以及決策生成方面對數據的要求及需求進行捕獲，對不同功能的數據進行清洗、篩選以及融合，最終達到設備級的狀態監測、區域級的故障診斷以及整個平臺的健康度評估，對關鍵部件、關鍵系統以及整個航空裝備的壽命進行預測。

3.3基于功能架構維度

（1）監測

在論證階段和方案階段先確定好設備級監測對象，在設計階段根據應用場景構建監測的模型，并在最終的使用階段對監測模型進行驗證。

（2）診斷

在論證階段和方案階段確定好區域級的診斷指標，根據指標確認好測試的傳感器以及機內BIT等是否滿足要求，如果不能滿足，要在原有的測試基礎上增加測試，如人工測試或者ATE等，最終在設計階段形成區域級的診斷推理模型，在使用階段進行診斷能力的確認與驗證。

（3）預測

在論證階段和方案階段確認好關鍵設備作為預測對象，在設計階段通過采集數據以及故障數據構建預測模型，在使用階段驗證預測模型的準確性。

4結論

PHM非常適合應用于復雜裝備系統，它能夠很好地提高裝備綜合保障能力。數據在PHM中占據重要的角色，本文對當前航空裝備的數據進行了梳理，從數據的類型、數據來源和數據格式等進行了研究，并在此基礎上針對PHM系統分別從三個維度上對航空裝備PHM的數據體系架構進行了描述。通過研究，可以得出以下結論：

（1）基于生命周期維度，從不同階段對裝備需要的數據進行了描述及匯總，將不同階段的數據之間的關聯進行了描述。

（2）基于物理架構維度，從不同的物理層級上入手對PHM的數據之間的需求分配進行描述。

（3）基于不同功能維度，對不同功能需求的數據進行了描述，最終完善PHM數據體系的框架，使該數據體系在不同功能上具有完整性。

通過建立航空裝備的健康管理數據體系旨在解決數據規模大、增速快、共享利用不夠等問題，介紹了航空裝備健康管理數據的類型、數據來源及特點，通過比對傳統的健康管理相關的數據體系架構，分析傳統數據體系對于航空裝備的當前數據體系情況提出了一種針對航空裝備健康管理數據體系的研究思路，著重從統一數據標準、規范采集方式、數據分析展現、總體架構設計等方面進行了研究分析，實現了航空裝備保障數據共享與利用和提高任務保障能力。

參考文獻

[1]宋太亮.裝備綜合保障實施指南[M].北京：清華大學出版社，2012. Song Tailiang. Implementation guide for comprehensive equipment support[M]. Beijing： Tsinghua University， 2012.（in Chinese）

[2]單志偉.裝備綜合保障工程[M].北京：國防工業出版社，2007. Shan Zhiwei. Equipment comprehensive support project[M] Beijing： National Defense Industry Press，2007.（in Chinese）

[3]聞化，胡志偉.裝備故障預測與健康管理能力驗證評估技術[J].計算機測量與控制，2019，27（11）：260-264. Wen Hua，Hu Zhiwei. Equipment failure prediction and health management ability verification and evaluation technology.[J] Computer Measure & Control， 2019，27（11）：260-264.（in Chinese）

[4]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. A review of failure prediction and health management technology[J]. Journal of Electronic Measurement and Instrument， 2010， 24（1）： 1-9.（in Chinese）

[5]Jardine D，Lin D，Banjevic D. A review on machinery diagnostics and prognostics implementing condition-based maintenance [J]. Mechanical Systems and Signal Processing，2006，20（7）：1483-1510.

[6]Stan O. Integrated vehicle health management for aerospace platform[J].IEEEInstrumentationandMeasurement Magazine，2002，5（3）：21-24.

[7]曾聲奎，Pecht M，吳際.故障預測與健康管理（（PHM）技術的現狀與發展[J].航空學報，2005， 26（5）： 626-632. Zeng Shengkui， Pecht M， Wu Ji. Status and perspectives of prognostics and health management technologies[J]. Acta Aeronautica et Astronautica Sinica， 2005， 26（5）： 626-632.（in Chinese）

[8]Kan M S，Tan C. A review on prognostic techniques for nonlinear rotating systems[J]. Systems and Signal Processing，2015（62-63）：1-20，

[9]劉煜原，陳曦.基于DPHM的民用飛機地面支持系統設計[J].計算機測量與控制，2016，24（10）：28-31. Liu Yuyuan， Chen Xi.Design of civil aircraft ground support system based on DPHM[J]. Computer Measure & Control， 2016，24（10）：28-31.（in Chinese）

[10]Liu J，Wang W，Ma F，et al. A data-model-fusion prognostic framework for dynamic system state forecasting[J]. EngineeringApplications ofArtificial Intelligence，2012，25（4），814-823.

（責任編輯王昕）

作者簡介

曲昌琦（1988-）男，碩士，工程師。主要研究方向：裝備故障診斷、故障預測及裝備健康管理方向。

Tel：010-61659354E-mail：qcqdhr@sina.coom

周銳（1993-）男，碩士，工程師。主要研究方向：故障診斷與預測健康管理方向。

隆金波（1998-）男，碩士，高級工程師。主要研究方向：故障預測研究。

Research on PHM Data System Architecture for Aviation Equipment

Qu Changqi*，Zhou Rui，Du Bao，Long Jinbo

Aviation Key Laboratory of Science and Technology on Aero Combined Environment，AVIC China Aero-Poly Technology Establishment，Beijing 100028，China

Abstract： Prognostic Health Management （PHM） is a technology that uses the collected data to perform data processing to obtain intelligent decision-making for the current state of aviation equipment monitoring， diagnosis and prediction. PHM can guarantee the operational safety of aviation equipment to the utmost extent and improve the capability of supporting tasks. A large amount of data will be generated during the entire phase of PHM. At present， some domestic and foreign institutions have conducted research and construction on the PHM data system. However， most of the data is only for the management and maintenance of PHM data， which can not clearly sort out the logical relationship between the design data， usage data， and verification data of active aviation equipment， so building a complete PHM data system architecture has become an extremely important task at present. This paper takes the PHM technology of aviation equipment as the background， runs through the entire life cycle timeline of equipment manufacturing， and based on the construction and integration of the equipment-level， regional-level， and platformlevel data of the PHM system， it complements the PHM data management and maintenance data to form a set The PHM data system architecture with aviation equipment characteristics improves the logical relationship between different data elements of PHM.

Key Words： aviation equipment； prognostic； health management； data architecture