基于WQAR數據的飛機系統性能監控及預測維修

熊斌華 趙紅華 朱曉煒

摘要：目前航空公司多利用WQAR進行飛行操作類的品質監控，如重著陸監控、載荷超標監控等，飛機技術狀態的監控多依賴廠家開發的AIRMAN、AHM軟件，這類軟件監控能及時掌握飛機技術狀態，飛機觸發故障，后臺同步獲知飛機故障情況再安排維修，屬于事后維修模式，往往導致航班非計劃中斷以及后續航班延誤。WQAR數據完整記錄了飛機各個系統工作的相關參數，借助WQAR數據能夠實現對飛機性能的監控，精確掌握飛機系統健康狀態，實現基于性能的預測性維修，大大降低維修成本，減少因故障導致的延誤。

關鍵詞：WQAR；事后維修；性能監控；預測性維修

Keywords：WQAR；breakdown maintenance；performance monitoring；predictive maintenance

0 引言

隨著國民經濟的發展，民航業進入高速發展期，特別是近十年來飛機數量/航班數量成倍增加，隨之而來的飛機故障絕對數量也越來越多。飛機各系統都有其自身固有的可靠性，但可靠性設計無法達到100%安全可靠，都有一定的概率發生故障，在小機隊規模時，故障數量并不會特別明顯，但隨著機隊規模越來越大，故障絕對數量會成倍增加。圖1所示為某航2015～2020年因飛機故障導致的航班延誤統計，從表中可以看出飛機故障導致的延誤呈現逐年遞增趨勢（2020年因疫情原因，航班數量減少，故障絕對數量也有所減少），給航空公司造成了巨大的經濟損失。

為提高飛機的可靠性以及保證持續適航，航空公司制定了經過局方認可的維修方案，一般分為計劃性維修和非計劃性維修，計劃性維修是指按照規定的時間或者周期重復完成預定的維修項目，如重復的檢查測試、定期更換時壽件等；非計劃性維修是指無法確定維修時間的項目，如突發的故障、改裝或緊急AD指令等。上述維修手段雖在很大程度上保障了飛機的適航性，但存在弊端，不管計劃性維修還是非計劃性維修都無法完全掌握飛機系統狀態，對飛機系統性能的掌握存在盲區。那么是否有方法能比較清晰地掌握飛機系統性能狀態？本文主要講述利用WQAR實現對飛機系統狀態監控以及預測性維修，能夠較好地解決上述問題。

1 WQAR系統簡介

WQAR 全稱為“wireless groundlink quick access recorder”，即無線地面快速存取記錄器，當飛機落地后，暫存的飛行數據通過地面運行商3G網絡上傳到航空公司飛行數據庫，航空公司收到WQAR數據后，在后臺對飛行數據進行加工整理，監控飛行品質。相較于早期的QAR人工存取，WQAR的優勢在于自動傳輸，快速及時，安全性好，避免人為因素導致的數據丟失以及數據延時。圖2所示為WQAR系統原理簡圖，FLIGHT DATE寄存在FDIMU或者DFDAU，通過地面無線網絡將飛行數據傳遞給航空公司地面接收站，航空公司收到數據后進行解碼分析。

2 用于飛機系統監控的WQAR數據開發流程

與人體體檢報告類似，通過血液、激素水平等身體各種體檢數據能綜合判斷人體是否存在某些病理性的退變，WQAR從某種意義上講就是飛機的體檢報告。每個航班、每個系統、每時每刻的數據都存儲在WQAR中，如果對WQAR數據進行大數據分析歸納，可以找出系統數據規律，利用自動譯碼軟件自動譯碼并持續跟蹤系統數據參數，通過數據的變化特征提前發現系統退化的征兆，而這種系統性能衰退正是目前飛機技術狀態監控的盲區。

圖3為開發WQAR監控飛機系統性能大致流程圖。利用WQAR監控飛機系統技術狀態首先需要解決三個核心問題：參數標準問題；建立監控模型；設置監控實現報警。

2.1 確定參數標準

飛機系統參數隨著飛行航段、空速、飛行高度、工作狀態時刻在變化，且很多參數標準范圍由于廠家技術壁壘的原因，廠家對參數標準大都諱莫如深。因此，監控飛機系統參數首先需要在整個航段中尋找一個或幾個最具代表性的能真實反映系統性能的飛行階段（稱為觀察窗口），采集該階段參數數值，經過統計分析來確定參數標準范圍。

舉例如下：圖4為B857X飛機某個航班引氣壓力與發動機轉速譯碼曲線圖，圖中可以看出引氣壓力和發動機N2轉速成正比關系，在起飛時刻發動機推力最大，N2轉速也最大，引氣壓力在該階段出現峰值（圖4中藍圈所示），該階段對引氣系統調節性能要求最高，通常將該階段作為引氣壓力觀察窗口。

確定了觀察窗口，后續可以利用大數據分析軟件采集到觀察窗口相關參數。某航采集了A320機隊2015～2019年200萬航班起飛階段引氣壓力最大值，得到如圖5所示的起飛階段引氣壓力分布，橫坐標表示引氣壓力，縱坐標表示該壓力范圍的航班次數，如“橫軸48- 50 psi，縱軸278”表示“278000個航班，最大引氣壓力在48-50 psi”。從圖5明顯看出引氣壓力呈現正態分布特征，中間出現的概率大，兩邊出現的概率小，引氣壓力大致分布范圍在36-72psi之間，偏大偏小都意味著系統存在某些異常情況。

2.2 建立監控模型

監控模型是實現參數監控的邏輯原理/方法，常用的方法有超限報警和趨勢報警。

1）超限報警：指在觀察窗采集到的參數數值超過某個閾值（參數閾值的確定可以參考圖5大數據分析方法）時產生報警，此類報警一般是比較嚴重的報警，需要盡快處理，此時系統已接近失效的邊緣。

圖6為某航利用WQAR監控A320機隊蒙皮出口活門監控模板，數據呈現的是某A320飛機蒙皮出口作動歷史趨勢圖，虛線是利用大數據分析軟件統計確定的A320蒙皮出口活門從全開至全關的作動時長閾值13s，藍圈中兩個藍點表示有兩個航班作動時長分別為20s、16s，已經超過正常閾值，黑色豎直線表示在2018年6月21日因蒙皮活門故障更換蒙皮出口活門標記線。從圖中明顯看出2018年5月蒙皮出口活門作動時長飄逸波動，直到6月21日蒙皮出口活門觸發故障，監控模型提前一個月時間發現了活門異常。

2）趨勢報警：趨勢報警也是在某個特定觀察窗采集的數據，并將大量本機同一系統、同一階段、同種工況下采集的數據以時間為序堆疊比較，一般常用統計學里95%分位數方法，即采集到的數據大于整體95%范圍說明趨勢異常，簡而言之就是采集到的數據從小到大排列95%認為是正常的數據，超過95%數據認為是異常數據。趨勢報警相對于超限報警能看出趨勢特征，是從另外一個維度觀察系統性能，是對超限報警的有益補充。趨勢報警也有不足之處，由于趨勢報警是和自身歷史數據比對，換件前后數據樣本容量少，系統微小的波動會導致很大的擾動從而可能導致誤報警。不同于超限報警的是，此時參數并沒有超過正常范圍。

圖7所示為某航B837X利用WQAR定期在巡航階段提取的綠系統油量趨勢圖。由于微小滲漏或作動筒鏡面殘漏的液壓油膜蒸發或液壓油本身的揮發性等綜合原因，液壓系統有其自身的正常損耗率。從圖中可以看出，該機在橫軸2019年2月至2019年6月的黑色線為該機綠系統正常的損耗趨勢線斜率，每個航班液壓油量在黑色趨勢線上下窄幅波動，而該機在2019年8月22日液壓油量明顯背離趨勢線下方（見圖中藍點標記），此時液壓系統未觸發低油面故障警告，說明系統已超出了正常消耗趨勢，存在滲漏。該機8月23日檢查發現綠系統儲壓器漏油（如表1所示），更換綠系統儲壓器以及充氣表后系統恢復正常。

2.3 設置報警

WQAR數據監控的最終目的是產生報警，是人機交互的一個信息載體，系統工程師通過接收報警獲知系統性能退化情況；監控模型是系統監控的原理/方法，監控模型本身并不產生預警，WQAR數據需要解碼才能得到系統數據。以某航2019年數據為例，每天有2500～3000個航班運行，通過人工譯碼監控系統是無法完成的，因此需要借助解碼軟件自動進行解碼。在自動解碼得到系統數據的基礎上，將監控模型以代碼的形式在譯碼軟件中進行設置，由解碼軟件按照監控模型比對運行數據，一旦發現數據超差即可產生報警。圖8為某航利用AIRFASE譯碼軟件設置空調系統報警部分的代碼截圖。如圖所示，通過設置FLIGHT PAHSE、ENG/APU引氣電門狀態、引氣流量、旁通活門等參數，設置參數觀察窗口，在觀察窗口采集相關系統參數數據，設置比對邏輯，實現監控。圖9為某航某飛機空調系統報警郵件實例，報警郵件提示左PACK出口溫度偏高以及可能存在故障缺陷的部件，并附了故障點附近區間的系統參數數據流。

3 結束語

目前，國內航空公司主要通過定期檢查、定期維修、時壽件更換以及每個航班例行檢查測試等反復檢查測試手段來保持飛機的適航狀態，隨著航空產業規模越來越大，這種傳統的維修方式已不能適應行業的發展，漸漸成為制約航空業發展的一大因素。工業物聯網、人工智能、大數據的興起成為解決上述問題的重要鑰匙，全球每天運行的飛機/航班成千上萬，產生大量WQAR數據，這些無形的數據包含著大量的“金礦”，即WQAR中包含了大量的飛機系統數據。借助大數據人工智能手段，可以通過數據實現對飛機系統的全面“體檢”，每執行一次航班就“體檢”一次，通過持續不斷的“體檢”能提前發現系統性能退化的趨勢，建立基于WQAR的飛機系統狀態監控，能大量節約目前不必要的定期更換和定期維修，實現基于性能的預測性精確維修，節約人力、物力、財力，減少故障導致的航班延誤。WQAR數據的意義不僅限于此，將來還可利用WQAR優化航路設計、完善機組操作、航班編排、運力投放、燃油計劃、航材儲備等。

作者簡介

熊斌華，工程師，主要從事飛機技術支援及運行控制工作。