頻譜分析在飛機排故中的應用

陳喜超

摘要：飛機機電系統正在向綜合化和智能化發展，對故障的診斷技術提出了新的挑戰。本文首先介紹倒頻譜分析的原理與方法，然后就該方法在空客A320飛機增壓系統故障診斷中的應用進行了深入分析，包括提取增壓系統相關的故障特征和對相關故障模式進行識別，最后討論了航空器故障診斷技術的發展。本文可為航空器故障診斷提供新的思路。

關鍵詞：故障診斷;倒頻譜;機電系統

Keywords：fault diagnosis;cepstrum;mechanical and electrical system

0 引言

空客A320飛機由電子系統、機電系統以及發動機系統三大部分組成。隨著航空技術的發展，機電系統越來越趨向于綜合化和智能化，對系統的安全性、可靠性提出了更高的要求。

在傳統的飛機故障診斷中，QAR數據診斷主要應用在時域分析上，通過在一個特定的飛行階段找到該階段某個參數的平均值、最小值以及最大值等相關統計量，查看該參數是否超出某個門檻值，從而判斷系統是否有故障。這種時域分析對故障本身惡化程度較高的情況具有較好的敏感度，但是一些早期故障的故障現象往往不穩定，伴有某個參數或者多個參數間歇性波動，這種情況下通過時域分析難以判斷故障源，需要頻域分析才能找到故障根源。

1 倒頻譜原理

倒頻譜分析也稱為二次頻譜分析，是信號處理中的一種常用技術，是檢測復雜譜圖中周期分量的有用工具，對于分析同族諧頻或異族諧頻、多成分邊頻等復雜信號、找出功率譜上不易發現的問題非常有效。

如果不進行倒頻譜，當x（t）發生波動時，由于系統響應h（t）的作用，在觀測端（傳感器的探測）會出現x（t）與h（t）卷積的結果，即出現邊頻帶，從而看不出具體的故障頻率。通過倒頻譜變換，可消除邊頻帶，將具體的故障頻率隔離出來。在實際應用中，即使故障頻率的具體值未知，仍可通過對多個參數同時進行倒頻譜分析，然后查看這些參數是否有共同的倒頻率，如有，則說明參數是關聯的，反之則說明是獨立的。有關聯的情況下可以進一步查看哪個參數的倒頻率數量少，一般來說數量少的倒頻率即為故障源，而數量多的倒頻率為收到了系統響應的倒頻率，不是真正的故障源，數量多是因受到故障源的干擾產生的連帶現象。

2 實際應用

以一架A320飛機起飛階段機組反饋有壓耳現象的故障為例，說明如何應用倒頻譜分析達到準確鎖定故障源的目的。

2.1 故障現象

通過查看機組反饋時的QAR譯碼（見圖1）發現，當時為起飛階段，外流活門波動，伴隨有VSCB波動、2發引氣溫度波動、2發引氣壓力波動、PACK2空調流量波動、2發FAV開關波動、客艙高度輕微波動現象。

2.2 系統原理

A320飛機增壓實際由進氣部分和出氣部分組成。CPC控制外流活門即出氣部分，進氣部分則由ACSC通過控制FCV來實現。

1）進氣部分

圖2所示為ACSC的控制邏輯原理，FCV的位置命令由流量選擇按鈕、單組件或雙組件或APU引氣條件、組件的壓氣機出口溫度以及飛機的高度和飛行階段來計算。將組件流量和客艙高度作為反饋來調節FCV的開度。命令計算中，流量旋鈕一般在自動位保持不變，飛機在空中時也是雙組件工作保持不變，組件的壓氣機出口溫度正常情況下不超過215℃，不限制組件流量，只有飛機的高度和飛行階段需要控制輸入，可以理解為流量指令只與飛機高度有關。從下面的負反饋可以看出，前三個用于計算FCV的質量流量，客艙高度是一個反饋對象，因此組件流量與飛機高度和客艙高度相關。

在FCV中是利用文氏管的原理來測流量，具體原理如圖3所示。

2）排氣部分

CPC通過來自EIU、LGCIU、ADIRU、FMGC等信號來確認處于哪一飛行階段，并按照各個飛行階段的特點進行增壓。通過接收到的高度信號控制外流活門，繼而控制壓差和客艙高度。CPC內部有自己的飛行階段，分別是地面模式、起飛模式、爬升模式、巡航模式、下降模式和中斷模式。通過外部信號來決定使用哪個階段，具體增壓控制邏輯如圖4所示。當飛行階段選定后，CPC會根據每個階段事先制定的增壓計劃，通過飛機高度來控制外流活門的開度，再將客艙高度反饋給CPC，從而實現閉環控制。

3）客艙內剩余空氣

其中，Q為質量流量，f為流量選擇位置，Pc為客艙壓力，Tc為客艙溫度，Qvs為正常的海平面體積流量。從式（9）可以看出，客艙壓力由客艙內存在的氣體量決定，客艙內氣體的質量由進氣量和排氣量共同決定。各參數之間的關系如圖5所示。

從圖5可知，雖然機組只反饋了起飛階段有壓耳現象，但根據QAR譯碼，多個參數在同時波動，且分屬于不同的系統。而每個系統從整個飛機來看并不是獨立的，其中一個參數波動，其他參數通過飛機的控制系統可能也會隨之波動，因此需要找出哪一個參數才是故障根源。

2.3 QAR數據收集

隨著空客SKYWISE系統的應用，目前飛機的所有QAR數據都可以存儲在SKYWISE平臺上，通過該平臺查看對應飛機的QAR數據，并將QAR數據導入CODEWORK工具中，利用PYTHON中的SCIPY包對QAR數據進行倒頻譜變換，通過matplotlib包使倒頻譜變換后的數據可視化。

2.4 倒頻譜分析

對幾個波動參數同時進行倒頻譜分析，結果如圖6所示。

從圖6中可以看出，在橫坐標20附近，幾個參數都有一個峰值，隨后PACK2的流量沒有了峰值，而其他參數還有一些小峰值，其中VSCB1（客艙高度垂直變化率）的波峰最多。這說明PACK2的流量是故障根源，因該參數只有一個波峰，而其他參數因收到系統響應會出現多個波峰，特別是VSCB1參數收到的系統響應較復雜也較多，故其波峰也最多。影響PACK2流量的主要部件是組件2的FCV活門，更換FCV2活門，故障消失。該活門送檢發現，活門內部力矩馬達損壞，導致了該故障，圖7為活門送修報告。

3 結束語

通過對QAR數據的頻域分析，可以發現多處故障早期情況從而提早進行預防，避免安全和運行問題的發生。例如，通過頻域分析中的小波分析可以很容易發現突變點，而在實際運行過程中往往因沒有ECAM警告而無任何表現。由于ECAM的設計邏輯往往需要2～3s以上才會觸發，造成很多早期故障被警告邏輯隱藏起來而無法被發現。同時，有的故障在發生時并不會有明顯的故障現象，這時可以對飛行結束后的QAR數據進行批量分析，查看是否有突變點，針對重點安全系統進行檢查，從而發現故障早期苗頭，將安全隱患提早拔除。

本文所述的頻譜分析法只是智能化的第一步，下一步可以通過收集類似的故障數據，包括故障的QAR數據、故障部件的使用時間、故障前的維護工作數據等，通過神經網絡模型建立初步的人工智能診斷模型，實現對部分復雜故障的初步診斷，協助專業人員快速找到故障源。

參考文獻

[1]空客A320AMM維護手冊[Z].

[2]利博海爾空調培訓手冊[Z].

[3]徐平，郝旺身.振動信號處理與數據分析[M].北京：科學出版社，2016.