視情維修技術及其在飛機維修中的應用

楊淳紅

摘 要 本文描述了視情維修技術的基本思想及其相關的各項關鍵技術，對視情維修關鍵技術需求與目前該領域最新技術發展水平進行了對比分析，總結了制約視情維修技術在飛機維修中全面應用的環節，介紹了視情維修相關的預測與健康管理系統在飛機維修中的應用實例。

關鍵詞 視情維修；關鍵技術；預測與健康管理

中圖分類號：V267 文獻標識碼：A 文章編號：1671-7597（2014）07-0134-02

到目前為止，飛機維修的發展大致經歷了事后維修和定期維修兩個階段。視情維修作為一種前瞻性的維修技術也在飛機的維修中進行初步的嘗試性應用。

事后維修的維修時間不固定，只有當故障出現時，再針對具體故障進行維修。事后維修的優點很明顯，可以減少一些不必要的維修費用，但缺點同樣明顯，當一個部件出現故障時，它可能損壞其他部件，甚至危及人身安全。

定期維修是一種主動性的維修方式。定期維修會在預定的時間內執行，即使故障尚未發生，仍需要開展維修活動。定期維修方式降低了事故發生的概率，這是定期維修的優點。但由于定期維修的不可變通性，定期維修也同樣的存在著明顯的缺點：一是定期維修往往會造成過度維修，增加因人為因素而產生的維修差錯的概率，對飛機安全造成威脅；二是定期維修費用較高，提高了飛機的使用成本。

視情維修是一種預測性的維修方式，根據相同但前狀態預測系統狀態的劣化發展趨勢來安排維修活動。視情維修使系統僅僅在需要的時候才進行維修工作，因此可以減少維修費用、把災難性故障的風險降到最小，使系統發揮最大效能，并減少庫存。

1 視情維修中的時間模型

視情維修中的時間模型是按照系統故障發生和發展的時間延續性特點，將故障的發生和發展按照時序劃分故障形成階段和故障發展階段，從“故障開始點”到“系統、部件或子部件故障”再到“災難性故障”。

在“故障開始點”以前的階段，系統處于正常工作狀態；從“故障開始點”至“系統、部件或子部件故障點”之間的時間段為故障形成階段，在該階段的最初出現了早期的故障征候；如果繼續使用，可能會造成部件或與該部件相關的系統故障；“系統、部件或子部件故障點”至災難性故障發生之前的時間段為故障發展階段，在該階段如果不對故障系統采取適用的處置措施而繼續使用，會進一步造成管理系統的損害直至整個系統的崩潰。

2 視情維修關鍵技術

視情維修的過程主要經歷四個階段：狀態監測、故障診斷、故障預測及健康評估與決策生成，這四個階段的實施也是視情維修的關鍵技術所在。

2.1 狀態監測技術

狀態監測是指利用有效的方式對與系統工作狀態密切相關的各種參數實施采集和監控。通過狀態監測手段，可以實時的收集系統運行狀態的現場數據和詳細信息，通過與系統的各項額定指標進行比較，從而對各部件工作狀態發展趨勢做出判斷，為視情維修模型提供科學依據。

狀態監測的方法按照采用的手段不同分成為：振動監測法、噪聲監測法、溫度監測法、壓力監測法、油液分析監測法、聲發射監測法等。

狀態檢測技術涉及了諸多學科和技術領域。先進適用的傳感器技術、信號采集技術和信號處理技術是狀態監測技術的

關鍵。

2.2 故障診斷技術

故障診斷是在既定的工作條件下，通過有效的方法對反映系統狀態的特征信號和運行過程的歷史信息對比，識別出系統的健康狀態，并根據系統故障與故障征兆之間的因果關系實現故障隔離、故障定位的全過程。

故障診斷按測試位置可分為機內測試和外部診斷。機內測試技術可直接實時對航空電子設備進行測試，使設備具備自測試能力，但是同時存在診斷能力差、虛警率高的問題。外部診斷比機內測試的診斷能力和穩定性更高，但是不能用于實時測試和診斷。故障診斷按診斷方法可分為基于模型、基于信號和基于知識的方法。

目前，故障診斷技術的研究主要集中在故障機理與診斷理論的研究，故障信息的提取與分析方法研究以及診斷儀器和與專用智能診斷系統的研究，并朝著診斷對象與診斷技術多元化、診斷系統分布式和網絡化方向快速發展。

2.3 故障預測技術

故障預測技術是以當前裝備的使用狀態為起點，結合已知預測對象的結構特性、參數、環境條件及歷史數據，對裝備未來的故障進行預測、分析和判斷，確定故障性質、類別、程度、原因及部位，指出故障發展趨勢及后果，以便消除故障。故障預測一般經歷以下幾個過程：確定預測需求、確定故障類型、分析支撐數據和選擇預測方法。

故障預測按時間長短可分為短期故障預測和長期故障預測。不同的預測方法對短期和長期的故障預測效果是不同的。因此在實施故障預測時首先應確定預測需求。

不同的故障預測系統可能適合不同的故障類型，因此需要對設備的故障類型進行確定。設備的故障從故障發生的時間歷程可分為兩類：突發性故障和漸進性故障。

設備的故障預測是以數據狀態為起點，并結合已知預測對象的結構特性、參數、環境條件和歷史數據，這些數據統稱為故障預測的支撐數據。不同的故障預測方法需要不同的數據作支撐，在此階段分析支撐數據的類型和程度，是為選擇預測方法提供基礎。

針對不同的對象和數據特點，用于故障預測的方法通常是不同的。目前可用于故障預測的方法包括基于保險和預警裝置的故障預測方法、基于模型的故障預測方法、基于規則的專家系統預測方法、基于神經網絡的預測方法、多傳感器信息融合的故障預測方法等。

2.4 健康評估與決策生成

健康狀態評估是根據測量數據和歷史數據進行綜合分析，利用各種綜合評判方法對設備的健康狀態進行評估。為得到健康狀態的有效評估結構，需要根據多個因素對設備各個狀態做出綜合評價。目前監控狀態評估的方法較多，較常用的有：模型法、層次分析法、模糊評判法、人工神經網絡法、貝葉斯網絡法等5種評估方法。endprint

決策生成是基于視情維修的維修建議和決策，是系統自身健康狀態評估結果后的頂級輸出，決策生成直接關系到維修活動的性價比。基于當前的系統狀態給出合適的維修時間、維修人員、維修方法等維修計劃，是決策生成的主要價值體現。決策生成的技術方法主要包括：基于模型的方法、基于數據的方法、基于時間序列的方法、基于經驗的方法、數據融合法等。

3 視情維修在飛機維修中的應用

由于技術發展的限制，目前視情維修技術還無法全面應用于飛機維修。為了提高飛機設備的可靠性，降低維護保障費用，美國軍方提出了“預測與健康管理”（PHM）的概念。

PHM實際上是視情維修的一個環節，對飛機系統應用PHM技術，并結合一系列適用的維修保障措施即可實現飛機的視情維修。

3.1 PHM在軍機上的應用

PHM技術最先應用于直升機，并在實際應用中演變成為使用和狀態管理系統（HUMS）。先后開發和應用HUMS系統的直升機型號有： Chinook CH-47、CH-35E、SH-60B、UH-60A、HH-60L、AH-1Z、S-92等。具美國《今日防務》統計，應用HUMS系統后，美國陸軍直升機任務完備率提高了10%。

PHM技術在固定翼飛機上的應用也相當廣泛，如陣風戰斗機、B-2轟炸機、“全球鷹”無人機、“大力神”運輸機等。美國的第四代戰斗機F-35是PHM技術應用較為全面和典型的機型。通過PHM技術的應用，F-35戰斗機的維護人員需求降低了20%～40%，機動后期規模降低了50%。F-35戰斗機中的PHM技術是美國國防部倡導的基于視情維修技術的一個具體體現，代表了美國視情維修技術目前發展的最高水平。

3.2 PHM在民機上的應用

PHM技術在民用飛機上的應用與其在軍用飛機上的應用相比較為保守，目前具有部分PHM功能的“飛機狀態管理系統”（AHM）已在波音公司和空客公司生產的部分B777、B747、A320、A330、A340飛機上得到了大量的應用。

美國航空無線電通信公司與NASA合作研制的與PHM類似的“飛機狀態分析與管理系統”（ACAMS）在B757飛機上成功的進行了飛行試驗演示。

4 結論

在飛機系統越來越復雜，使用和保障費用幾乎與研制費用持平并還在持續增加的背景下，具有減少維修費用、提高安全性水平、減少備件庫存等顯著優點的視情維修技術已成為飛機維修保障技術發展的必然趨勢。視情維修的技術理論發展到目前已比較完善，但由于故障發展模型建模技術和信息采集技術發展的限制，目前視情維修技術在飛機維修中的應用尚處于探索和初級階段，還未能實現完全的應用。

參考文獻

[1]任占勇.航空電子產品預測與健康管理技術[M].國防工業出版社，2013.

[2]徐亨成，等.航空維修人因失誤分析及控制[J].航空維修與工程，2005（3）.

[3]均勇，李金瑞，孫穎.航空維修差錯的研究[J].飛機設計，2006（1）.

[4]李鄭琦，等.飛機視情維修策略及模型研究[J].航空科學技術，2011（3）.

[5]陸偉，等.設備預測維修管理模型及其關鍵技術研究[J].裝備制造技術，2008（12）.endprint