民用飛機多級健康狀態評估技術研究

, , ,

(1.上海民用飛機健康監控工程技術研究中心，上海 200241； 2.北京航天測控技術有限公司，北京 100041；3.北京市高速交通工具智能診斷與健康管理重點實驗室，北京 100041;4.軌道交通裝備全壽命周期狀態監測與智能管理技術與應用北京市工程實驗室，北京 100041)

民用飛機多級健康狀態評估技術研究

王洪1,黃遠強1,任和1,熊毅2,3,4

(1.上海民用飛機健康監控工程技術研究中心，上海200241； 2.北京航天測控技術有限公司，北京100041；3.北京市高速交通工具智能診斷與健康管理重點實驗室，北京100041;4.軌道交通裝備全壽命周期狀態監測與智能管理技術與應用北京市工程實驗室，北京100041)

保障飛機安全高效地運行，不斷提高飛機派遣可靠度是每一家航空公司需擔負的責任和不懈追求的目標;民用飛機多級健康狀態評估技術將充分利用各類工程數據、技術數據和可靠性分析數據，建立飛機技術派遣量化評估方法，甄選影響飛機技術派遣的主要參數，并通過對各參數進行權重分配，建立綜合量化分析模型，針對專機、VIP及其他特殊航線運行要求，精準高效地為飛機的技術派遣提供決策依據，保證特殊運行航班的安全性以及簽派可靠度;在航空公司機隊的實際應用中表明，基于飛機多級健康狀態的評估系統能夠有效地提高機隊的派遣可靠度和日利用率，具有重要的工程應用價值。

民用飛機；派遣決策；健康評估；權重分配

0 引言

保障飛機安全高效地運行，不斷提高飛機派遣可靠度是每一家航空公司需擔負的責任和不懈追求的目標。隨著民航飛機維修可靠性管理工作的深入開展，可靠性數據采集系統和分析方法日趨完善，對飛機的技術狀態和健康狀態的量化分析工作不斷深入，如何綜合利用現有的各類數據和分析結果，為飛機技術派遣決策提供科學依據成為了當前面臨的新問題[1]。

飛機數據采集系統起始于20世紀50年代，1956年美國首先研究了用于軍事上的測試系統。20世紀70年代中后期，隨著微型機的發展誕生了集采集器、儀表同計算機為一體的數據采集系統。20世紀80年代，隨著計算機的普及應用，數據采集系統得到了極大的發展，開始出現了通用的數據采集與自動測試系統。20世紀90年代至今，數據采集技術已經在軍事、航空電子設備、宇航技術以及工業等領域得到廣泛應用。由于集成電路制造技術的不斷提高，出現了高性能、高可靠性的單片數據采集系統[2]。另外，隨著計算機技術在航空維修工程中的深入應用，各類邏輯算法及分析方法均可通過計算機軟件實現，減少了人工工作量，提高了結果的準確度，可靠性數據采集系統已基本實現電子化，并形成了完備的數據庫系統，國內各航空公司的可靠性管理水平得到快速提升。但是，國內很多航空公司的可靠性分析工作，只是簡單地統計和比較平均故障間隔時間或平均壽命等數值，即使是引入分布模型，也是在歷史經驗的基礎上直接套用標準分布。這些做法，雖然能夠體現一定的統計規律，具有一定的參考價值，但從理論的角度而言，其結果的準確性值得商榷，很難直接應用于維修決策[3-5]。

隨著系統工程理論、統計學理論、灰色系統理論的可靠性分析方法逐步完善，針對影響飛機技術狀況的因素可以總結出大量規律性內容[6-8]。這為飛機技術派遣決策支持系統提供了重要的理論基礎。目前，在決策專機、VIP及其他特殊航線運行要求的飛機技術派遣時，國內多數航空公司均采用相關責任單位提供飛機技術狀態數據的方法，來確定執行任務的飛機，這種方法缺乏統一的標準，通常具有較大的主觀性，操作起來較為費時費力。因此，有必要建立飛機技術派遣量化評估系統，充分利用各類工程數據、技術數據和可靠性分析數據，甄選影響飛機技術派遣的主要參數，并通過對各參數進行權重分配[9-11]，建立綜合量化分析模型，精準高效地為飛機的技術派遣提供決策依據，保證特殊運行航班的安全性以及簽派可靠度[2,5]?？茖W的飛機技術派遣決策支持方法，能夠幫助航空公司降低運營成本，提高飛機運行的安全性及可靠性，提升航空公司機隊的整體可靠性管理水平。

1 飛機技術狀態模型的建立

定義新飛機出廠時達到百分百的設計可靠性水平，處于完全健康的狀態，此時飛機的初始技術狀態分值為滿分1 000分；飛機在運行中發現的設計問題或發生的故障、缺陷及各類不正常事件，以及機齡增長帶來的性能衰退等因素，將降低飛機的可靠性水平，即減掉相應的分值，飛機總體健康狀態分值將降低；而飛機定期檢查及相關維護工作的執行，將提高飛機的可靠性水平，即加上相應的分值，飛機總體健康狀態分值將增加，但不超過滿分。

術語定義：

1)事件參數：在影響飛機技術狀態的因素中，有些數據沒有明顯的規律可循，屬于隨機發生的事件，如故障報告、重復性故障等項目[7]，定義此類因素為事件參數。

2)風險參數：有些數據不直接影響飛機技術狀態，但影響故障發生的概率。例如隨著飛機機齡的增長，機身結構、線路發生老化、腐蝕的風險將逐漸增加；距上次定期檢查的時間越長，相關系統故障的風險越大[1]，定義此類因素為風險參數。

1.1 飛機技術狀態量化規則

1)量化飛機健康狀態分值：篩選影響飛機技術狀態的數據，按照預定的規則進行評分計算，則可得到表明飛機技術狀態的量化分值。

2)事件參數分值的確定：按事件嚴重程度對事件參數進行分級，并賦以對應的量化分值(見表1)。對于重復性故障等累加型事件或保留故障等未完成事件，可視情增加量化分值(不限于表1中單個事件的最高值)。此方法由最底層的事件出發進行定量分析，能夠統一不同類型數據的量化標準，無需按數據類型更改權重，計算方法簡單可靠，并具有較強的可擴展性。

表1 事件參數嚴重性程度分級及量化分值

3)風險參數分值的確定：根據參數對飛機實際技術狀態的影響程度，結合參數自身的規律制定獨立的分值計算方法，如發動機的“EGTM(排氣溫度裕度)”項，即為單臺發動機EGTM對飛機技術狀況的影響情況，定義發動機新出廠時其EGTM為100%，當EGTM大于80%時，其對飛機技術狀況的影響值為3分；當EGTM小于5%時，其對飛機技術狀況的影響值為最大值48分；其它情況分值按2.4 /(EGTM%)計算。

1.2 飛機技術狀態數據結構

在航空公司實際運營經驗的基礎上，系統總結影響飛機技術放行的各類因素，包括ACARS/QAR實時監控故障數據、維修報告數據、工程管理數據、發動機性能數據、可靠性管理數據及其他數據等6大類因素，如圖1所示，6大類主要影響因素又由數量不等的下一級影響因素構成，航空公司可根據自己的實際運營情況進行細化分類。

圖1 飛機健康狀態評估因素

2 飛機多級健康狀態評估方法

2.1 權重分配方法

權重分配方法分為ATA初始權重設定和關鍵附件權重設定。ATA初始權重設定方法根據各機型2位ATA及4位ATA設置初始權重值，用于后續計算，如表2所示，當各模塊實際計算時出現未列在以上表中的ATA章節時，初始權重值默認為1分，航空公司可根據自己的實際運營情況進行設置。

關鍵附件權重設定方法用來設置各機型關鍵性附件參與飛機技術狀況計算的相應權重，如表3所示，航空公司用戶可根據自身運營情況靈活進行設置。

2.2 健康狀態評分規則

基于如圖1所示的飛機6大類實際工程數據、技術數據和可靠性分析數據，分別建立飛機健康狀態評分規則如下。

2.2.1 ACARS/QAR實時監控故障數據

對于監控參數類觸發事件，按如下評分標準及計分方法計算：

表2 ATA初始權重設置方法

表3 關鍵附件權重設置方法

1)針對每一事件，確定對應的嚴重性等級和基礎量化分值；

2)若事件狀態為“New(新)”，則按第一條確定的基礎分值加2分；“Monitoring(監控)”，則按基礎分值計分；“Closed(關閉)”則不計分(通過LMR計分)。

計分方法：未關閉事件次數×量化分值。

2.2.2 維修報告數據

評分標準：

1)對于LMR/NRC(航線維修記錄本/非例行工卡)，根據其嚴重性等級和4位ATA章節號確定基礎量化分值；

2)對于保留故障/未完成NRC，計1分；

3)對于保留工作項目，按2位ATA章節確定對應的量化分值；

4)對于重復性故障，計2分；

5)對于重大疑難故障，計2分。

計分方法：兩周內事件次數×量化分值。

2.2.3 工程管理數據

評分標準：

1)對于評估適用但尚未執行的AD/CAD(適航指令/中國適航指令)，適用性評估時，若確定適用，則同時確定嚴重性等級和量化分值；

2)對于評估適用但尚未執行的SB/SL(服務通告/服務信函)，適用性評估時，若確定適用，則同時確定嚴重性等級和量化分值；

3)對于適用但尚未執行的EO(工程指令)，編制EO的同時確定嚴重性等級和量化分值。

計分方法：適用但尚未執行的文件份數×對應的量化分值。

2.2.4 發動機性能數據

對于風險類參數，按如下評分標準及計分方法計算：

評分標準：

1)對于距上次大修時間項，定義單臺發動機大修對飛機技術狀況的最大影響值為50分，根據大修后的使用時間與限制使用循環時間的比值來確定分值；

計分方法：50×(T0 /LLP)；(式中:T0為大修后使用時間；LLP為發動機使用時限)

2)對于EGTM，其值越小，風險越大，定義單臺發動機EGT對飛機技術狀況的最大影響值為48分，最小值為3分。

計分方法：

(1)

2.2.5 可靠性管理數據

評分標準：

1)對于使用困難報告，根據其嚴重性等級和4位ATA章節號確定基礎量化分值；

計分方法：兩周內的使用困難報告次數×對應的量化分值；

2)對于未關閉的警告通告，按2位ATA章節確定對應的量化分值；

計分方法：未關閉警告通告次數×對應的量化分值；

3)對于QAR參數趨勢監控，針對每一事件，確定對應的嚴重性等級和基礎量化分值；若事件狀態為“New(新)”，則按第一條確定的基礎分值加2分；“Monitoring(監控)”，則按基礎分值計分；“Closed(關閉)”則不計分(通過LMR計分)；

計分方法：未關閉事件次數×量化分值；

4)對于附件壽命數據甄選影響飛機安全性且故障拆換較為頻繁的附件，根據機隊歷史壽命數據計算在位附件的剩余理論可靠度，按區間計分。

計分方法：剩余理論可靠度小于等于20%時計5分。

2.2.6 其他數據

對于風險類參數，按如下評分標準及計分方法計算：

評分標準：

1)對于機齡，按時間區間分段計分；

計分方法：機齡小于10年取5分；大于等于10年小于15年取10分；大于等于15年取20分；

2)對于距上次C檢時間，定義C檢對飛機技術狀況的最大影響值為30分，根據C檢后使用時間確定分值；

計分方法：30×(T0 / C檢間隔)；(式中T0為C檢后的使用時間)；

3)對于距上次A檢時間，定義A檢對飛機技術狀況的最大影響值為20分，根據A檢后使用時間確定分值；

計分方法：20×(T0 / A檢間隔)；(式中T0為A檢后的使用時間)。

2.3 評分算法實現流程

飛機多級健康狀態評估算法通過收集已有確定的各類工程數據、技術數據和可靠性分析數據，按照設定的評分規則進行分數累積，得到單架飛機的技術狀態分值，并對整個機隊飛機的技術狀態按分值大小進行排序，精準高效地為飛機技術派遣提供可靠的決策依據，評分算法實現流程如圖2所示。算法實現步驟：

1) 收集機隊中所需評估飛機的各類工程數據、技術數據和可靠性分析數據，加載各架飛機的邏輯項配置數據，如圖1、表2和表3所示；

2) 針對各架飛機，按表1所示事件參數嚴重性程度等級和3.2節所述評分標準及計分方法進行各邏輯項分值計算；

3) 針對各架飛機，按表2和表3所示權重設定方法賦予各項邏輯項以相應的權重值；

4) 單架飛機各項技術狀況分值累加；

5) 機隊技術狀況評分結果排序及存儲。

圖2 評分算法實現流程

3 驗證分析

利用前述民用飛機多級健康狀態評估方法，在某航空公司開展驗證與分析工作。利用實際運營的100余架飛機運行數據開展了半年的驗證試用工作，驗證機型主要覆蓋波音B737/B757/B787等。

應用結果表明，應用健康狀態評估技術指導飛機派遣決策工作以來，較好地指導完成了一般派遣68次、VIP/VVIP派遣數十次、專機派遣十余次、寒冷地區派遣數次，有效提升了重要航班保障效率，為飛機日利用率的提升奠定了基礎(日利用率的提升雖不主要取決于派遣效率，但應用健康狀態評估技術后，飛機日利用率較去年同期有所提升)。

綜上，本文提出的民用飛機多級健康狀態評估方法，可有效評估飛機健康及技術狀態，為飛機健康評定、派遣決策等提供支撐。

圖3 健康狀態評估方法在某航空公司的應用頁面

4 結語

以航空公司實際運營經驗為基礎，系統總結了影響飛機技術放行的各類工程技術因素，提出了基于飛機工程數據、技術數據和可靠性分析數據的多級健康狀態評估方法，建立飛機技術狀態的量化分析模型，根據不同的技術派遣和營運情況動態設置參數，修正量化分析方法，并設計了相應的軟件系統，在航空公司機隊的實際應用中表明，基于飛機多級健康狀態的評估系統能夠有效地提高機隊的派遣可靠度和日利用率，幫助航空公司降低運營成本，提升機隊的整體可靠性管理水平，具有重要的工程應用價值。

[1] 王 洪,黃加陽.民用飛機關聯性診斷技術研究[J].計算機測量與控制，2015,23(10):3301-3304.

[2] 嚴愛軍, 錢麗敏, 王 普. 案例推理屬性權重的分配模型比較研究[J]. 自動化學報，2014,40(9):1896-1901.

[3] 殷偉麗, 王 洪, 劉 飛. 民機運營可靠性數據采集中的數據質量控制[J].航空維修與工程，2015,9:67-69.

[4] Duda R O, Hart P E, Stork D G. Pattern classification (the second edition) [M]. Beijing: China Machine Press, 2011.

[5] 黃遠強, 瞿紅春, 趙越超. 基于主成分分析方法的航空發動機性能排隊研究[J]. 航空維修與工程，2015,1:75-77.

[6] Yan A J, Wang W X, Zhang C X, et al. A fault prediction method that uses improved case-based reasoning to continuously predict the status of a shaft furnace [J]. Information Sciences, 2013, 259(2014):269-281.

[7] 鄭 佩. 基于案例推理的故障診斷技術研究[D]. 武漢：華中科技大學,2008.

[8] 張佰尚, 向 陽, 王鐵男,等. 集成案例推理綜述[J]. 計算機應用研究，2015, 33.

[9] Lee M R. An exception handling of rule-based reasoning using case-based reasoning [J]. Intelligent and Robotic Systems,2002, 35:327-338.

[10]Deng J L. The primary methods of grey system theory [M]. Wuhan: Huazhong University of Science and Technology Press,2005.

[11] 李峰剛. 基于案例推理的智能決策技術[M]. 合肥：安徽大學出版社,2011.

ResearchonMulti-levelHealthConditionAssessmentofCivilAircraft

Wang Hong1, Huang Yuanqiang1, Ren He1, Xiong Yi2,3,4

(1.Shanghai Engineering Research Center of Civil Aircraft Health Monitoring, Shanghai 200241, China;2.Beijing Aerospace Measure & Control Corp.Ltd, Beijing 100041, China;3.Beijing Key Laboratory of High-speed Transport Intelligent Diagnostic and Health Management, Beijing 100041, China;4.Beijing Engineering Laboratory of Rail Transportation Equipment Life Cycle Condition Monitoring and IntelligentManagement Technology and Application,Beijing 100041, China)

In order to ensure flights' safeness and efficiency, the airline makes it a target to steadily improve the aircraft's dispatch rate. Civil aircraft multiple level health condition assessment technology will fully utilize different engineering data, technical data and reliability data. It builds quantification assessment method for aircrafts' dispatch and selects major parameters affecting aircraft dispatch rate. It also builds integrated quantification analysis model by weight distribution of flight parameters, provides dispatch decision advice accurately and fast according to operation demand of private planes, VIPs and other special flights whose safety and dispatch reliability will be guaranteed. It is revealed in the practical work that the aircraft multiple level health condition assessment can effectively improve the aircraft's dispatch reliability and daily utilization rate. It has important engineering utilization value.

Civil Aircraft; Dispatch Decision; Health Assessment; Weight Distributi

2017-06-21；

2017-07-19。

王 洪(1985-)，男，工程師，主要從事飛機運行實時監控與故障診斷系統研制，故障預測與健康管理(PHM)技術研究，飛機可靠性信息管理，可靠性系統方法研究等工作。

1671-4598(2017)10-0297-04

10.16526/j.cnki.11-4762/tp.2017.10.076

TP183

A