大數據技術在航空發動機維修中的應用研究

王曉宇

摘要：隨著科學技術的不斷發展，航空發動機可測量數據類型越來越多，數據量越來越大，使得航空發動機具有了大數據基因。本文分析發動機大數據特點，建立發動機大數據應用架構，對大數據技術在航空發動機維修中的應用進行了探討。通過大數據技術的應用，航空公司可以提高發動機的維修性、可靠性和經濟性。

關鍵詞：大數據;航空發動機;預測維修;狀態監控

1 大數據的概念及特點

一直以來對大數據并沒有明確的定義，維基百科中認為，大數據指的是在傳統數據處理應用軟件不足以處理的大量或復雜的數據集的術語。計算機科學技術的進步為“大數據”的出現提供了有力條件，信息化技術的發展，使得數字化信息量爆炸增長，并且除了數量增長外，數字化信息的變化也逐漸的增大。

相比于傳統數據，大數據具有“5V 特性”：一是大量（Volume），數據量達到PB，甚至EB、ZB級;二是快速性（Velocity），數據增長快速意味著是有時效性的，這就對數據的獲取以及處理的速度有較高要求;三是多樣性（Variety），數據種類和來源多樣化。包括結構化、半結構化和非結構化數據。四是價值性（Value），數據量越大其相應價值密度越低，如何結合業務邏輯并通過強大的機器算法來挖掘數據價值，是大數據時代最需要解決的問題;五是真實性（Veracity），大數據中的內容是與真實世界中的發生息息相關的，要保證數據的準確性和可信賴度。

2 航空發動機維修大數據特點

航空發動機維修數據可謂具有典型的大數據特征：

（1）大容量

發動機是飛機上裝有傳感器數量最多的部件，隨著科技的發展，新型航空發動機上裝載的傳感器越來越多，更多的發動機參數被記錄下來，如LEAP、遄達1000等發動機單次飛機就可產生1TB的數據。另外，維修單位通過信息化技術，大量的維修記錄、故障信息等非結構化數據得到應用。

（2）多類型

維修數據包括傳感器參數、飛行參數等結構化數據，維修報告、維修手冊、圖片、視頻等非結構化數據，以及維護信息、故障信息等半結構化數據。

（3）快速性

QAR以及ACARS系統可以快速的記錄傳遞飛機運行期間的大量參數。維修單位通過維修系統平臺可以隨時記錄維修活動，航材、生產、質量、安全等相關部門的數據也可以實時采集。

（4）價值性

單獨的一條發動機參數數據價值密度很低，但如果基于機型機隊統計出海量數據，其背后具有巨大的價值。如，每段飛行均會記錄發動機滑油量，長時間統計下可通過滑油量變化判斷發動機機械運行情況。

（5）真實性

維修數據必須真實有效，能夠準確反映航空發動機狀態。發動機維修數據來源結構復雜，同時會存在無關數據成分，不同數據源具有不同的標準，會導致數據冗余和不完整，形成大量模糊信息。另外飛行參數、發動機性能參數等數據具有較強隨機噪聲，容易出現孤立數據和突變異常數據。因此，就要求對維修數據進行篩選以及預處理。

3 航空發動機維修大數據應用架構分析

大數據技術關鍵在于從海量數據中快速準確的提取出有價值的信息。航空發動機維修想要應用大數據技術，應將重點放在維修數據的收集處理和挖掘上。前文已分析了發動機維修數據的特點，不同類型數據具有不同的價值，但其大數據技術應用是相同的。據此本文提出了航空發動機運行全階段的維修大數據應用架構，分為3個部分：數據來源層、存儲分析層以及應用層，如圖1所示。

3.1 數據源

航空發動機維修數據主要包括：發動機運行參數，故障信息和維修質量問題記錄，另外還需考慮不同發動機的設計與制造數據，由此數據來源包括4個部分：

（1）發動機運行數據

發動機運行階段數據來自飛機狀態監控系統（ACMS），通過QAR系統和ACARS系統可以采集和傳輸發動機環境狀態數據（大氣環境、溫度、飛行高度等）和性能數據（氣路參數、機械狀況參數等）。

（2）發動機設計與技術數據

發動機設計與技術數據主要是發動機設計與生產階段的數據，包括發動機構型管理數據、設計模型數據、原始出廠數據、維修保障規章等。還包括各類發動機維護手冊以及適航文件，如故障隔離手冊、服務通告、適航指令等。

（3）發動機維護數據

發動機維護數據收集范圍包括航線維護與排故、定檢車間修理以及典型發動機故障案例。航線維護與排故數據通常是發動機日常維護數據如滑油檢查和加注量、水洗發動機、油液清潔、葉片潤滑等，以及發動機孔探、磁堵等檢查數據，還有發動機維護信息、機組觀察故障報告，發動機排故、部件拆換等排故數據。定檢車間修理數據主要是發動機定檢排故、廠家修理改裝、有關發動機的服務通告、適航指令等數據。典型發動機故障案例數據主要收集發動機典型故障，包括故障類型、故障信息、故障代碼等，并結合其他數據分析故障原因，降低故障損失，總結經驗制定預防性措施。

（4）其他數據

其他數據主要是維修單位人力資源、質量問題、安全管理、生產支援，以及飛機工具設備管理系統、航材管理系統等維修相關數據，以及駕駛艙音頻信息、維護視頻、飛機損傷和缺陷圖片等非結構化數據。

3.2 存儲與分析

以往的航空發動機運行監控數據大多存儲在關系型數據庫中（如Oracle、SQLServer等）。在數據量較小時可以采用傳統的關系型數據庫進行檢索，其檢索結果可以滿足維護需求。通過之前的數據源分析，可以看到航空發動機大數據結構復雜、類型多樣、模式多變，傳統的關系型數據庫無法處理海量數據。為滿足大規模數據的采集、存儲和分析的需求，存儲與分析層可采用基于Hbase（Hadoop Database）的分布式存儲系統，并可以支持SQLServer關系型數據庫、HDFS分布式文件系統、Nosql數據庫等，以存儲不同類型的維修大數據。利用MapReduce平臺進行數據挖掘、清理和分類。通過深度網絡、機器學習等對發動機運行數據進行分析，可集成Python、R語言等自定義的算法，進行可視化技術研究。

3.3 應用層

應用層可利用不同數據源進行應用分析。基于發動機運行數據源，可使用多元數據源如環境數據、性能參數、飛行參數等，實現更全面的發動機性能趨勢分析，避免了單一數據源從而提高精度與準確度，同時結合維護數據源，可實現發動機故障預測。通過發動機設計與技術數據源和維護數據源，可輔助制定維護決策，實現預防性維修。根據維護數據源和質量安全數據，可以對發動機進行可靠性分析，幫助航空公司制定維修方案。

狀態監控與故障診斷是保證發動機安全運行、確保飛機飛行安全的關鍵技術。通過航空發動機大數據技術應用的核心技術是通過深度挖掘發動機運行數據，實現對發動機狀態評估。利用維修大數據進行發動機趨勢分析，監控重點參數變化，并根據典型故障案例庫進行故障早期預測是發動機狀態監控與故障診斷的關鍵問題。如何利用運行數據分析發動機壽命趨勢，并結合維護數據庫提前制定維修策略是研究的重點。

4 結束語

本文分析了航空發動機維修數據具備的大數據特點，并根據數據類型進行分類，建立了發動機維修大數據應用架構，介紹了發動機運行數據源和維修數據源在狀態監控與故障診斷中的應用，為航空公司提供了一些借鑒。

參考文獻

[1]孫帥.民用航空中“大數據”的應用[J].民營科技，2018（08）： 156.

[2]孔祥芬，蔡峻青，張利寒，等.大數據在航空系統的研究現狀與發展趨勢[J].航空學報， 2018，39（12）： 8-23.