基于CPS的飛機結構形變測量與管理

何紅麗,胡紹林,郭曉博

(1.中國飛行試驗研究院， 西安 710089； 2.西安理工大學， 西安 710048)

人工智能、互聯網、大數據與傳統的一些物理、機械等學科相結合是新一輪的科技革命。這種演進的戰略核心就是通過物理—信息融合系統(cyber physical systems，CPS)實現人、設備與產品的實時連通、相互識別和有效交流，構建高度靈活的信息化、數字化的智能模式[1-3]。

由于飛機結構形變與飛機安全密切相關，是飛行安全的重要保證，每架機定型試飛必須進行形變測量。飛機結構強度形變測量是飛機設計定型考核的重要項目。機身形變測量主要通過飛行前后對飛機機身及關鍵部件特征點進行精確的測量，獲取各測試點與飛機原有狀態的相對變化量，計算其是否與設計指標相符，綜合評價飛機結構強度、剛度，進而評價飛機的安全性能[4-5]。機體形變測量傳統采用多測站測量法。首先需要進行飛機水平架設，然后基于固定站址手動瞄準觀測并記錄，經換站測量，通過坐標轉換、數據融合等離線處理獲取統一坐標體系下的測量結果，與飛機原有狀態進行比較，給出偏差，結合理論限差給出結論，整理形成報表上繳給項目主管。

傳統測試方法存在如下幾個方面問題：測量過程人為干涉多，測量效率不高，測試流程和測試資源之間缺乏有機的關聯，測試流程生成的智能化程度較低；測試數據管理對于測試資源和測試流程的支撐不全面，測試大數據的開發和利用不充分,圍繞試驗的資源、流程和數據管理的業務系統發展較為薄弱，缺少后期大數據分析和挖掘的必要支撐，不能有效地形成決策支撐鏈,無法從制定飛行試驗方案、試驗實施、到試驗結束的全生命周期測量管控，數據應用受限。

作者在跟蹤國內外智能化測試技術發展趨勢的基礎上，結合飛行試驗實際需求，提出基于CPS基礎架構的新一代智能測試與管理技術方案[6]--[11]。該系統以三維模型為基礎、以自動化為核心驅動力,引入專家知識，用虛擬測試手段進行測量設備選型與測量方案優化配置，綜合采用數字化、網絡化、信息化，虛擬化等技術，實現智能感知、分析決策，優化傳統的測試作業流程，從根本上減少人為干涉，提高測試的快捷性、效率與精度。

1 結構形變測量系統的構建

1.1 系統設計

飛機結構形變測量系統建設從數字化和信息化入手，以CPS為基礎框架，圍繞飛機形變測量展開的，在測試資源、流程和數據管理的全流程進行智慧化設計。建立可覆蓋飛機設計生產以后基于三維模型的形變測量規劃、飛行狀態外形改變、飛機外形變化趨勢分析的數字化測量與監控網絡，在專家系統的支持及對知識的學習基礎上，協助用戶提供專業支持，形成優化的測試方案；通過數據的不斷迭代形成深度“智慧”的測試數據管理。

針對飛機結構形變需求，構建飛機全生命周期的形變智能測量系統，實現特征點、線、面數據的智能化快速自動化采集、記錄、計算、評估及數據的管控，系統平臺架構建設如圖1所示。

這種架構以原始CPS框架為基礎構成了飛機形變智能化的賽博物理系統(CPS)，體現了“狀態感知、實時分析、自主決策、精準執行”的智能特征。

1.2 各分系統構成及功能

如圖1所示，系統根據功能需求進行劃分，主要由物理測量分系統、數據采集分系統、虛擬測試分系統、智能數據處理、管理分析分系統4部分組成。

1) 物理測量分系統

物理測量分系統是設備的執行、傳動、感知、測量單元，由具體的物理測量設備全站儀、光筆(光學測量儀)三維掃描儀、激光跟蹤儀、攝影測量設備等組成。全站儀、光筆、激光跟蹤儀主要實現對被測對象特征點測量；攝影測量設備主要利用近景攝影原理對飛機關鍵點云進行測量，激光掃描儀器實現對大面積點云的測量，通過多測量設備的組合應用，可以獲取被測飛機上所有點、線、面的信息，通過坐標體系統一等處理獲取完整的飛機外形數據。

2) 數據采集分系統

數據采集主要獲取各種測量設備的數據，通過信息網絡輸送給測量數據處理分系統進行處理。采集分系統采用分布式測量模式，不同設備采用不同的通信接口，采用不同的操作處理系統,需統一接口轉換，讓控制中心可以實現多測量設備的互操作。包含異構條件下多標準集成的可擴展軟硬件接口如：云訪問數據接口、信息系統接口、測量軟件接口、測量設備硬件數據接口等。該分系統可實現測量數據、測量計劃、測量模型等信息無縫共享。

3) 虛擬測試分系統

根據測量任務的要求及現場環境知識建立仿真模型，對測量特性進行仿真計算，通過仿真給出某個特定任務中參與測量的設備的組合、布局、測量任務的規劃，是系統優化配置的關鍵，同時也是自動化測量的基礎。主要用于任務的準備，模擬測量現場，對設備布局、設備干涉、測量軌跡路徑的模擬，對測量方案及計劃進行確認。

測量規劃分為3個層次，一是可測性規劃，將可測量性設計融入飛機全壽命周期保障，在飛機設計初期即考慮如何解決各階段的測量問題，將測量保障活動及所需的各種技術手段進行分析，并使之規范化，改變傳統的“事后測量”模式；二是測量設備布站規劃，在保證滿足測量精度與測量范圍的前提下，使用最少的測量設備和最優的站位方案；三是最優測量路徑規劃，其目的是在保證測量精度的前提下，能夠以最短的路徑，安全而又高效地遍歷待測對象的檢測區域。

4) 智能數據處理、管理分析分系統

該分系統是系統核心，心臟，是實現測試數據從原始數據到可用數據的轉換。主要對設備進行標校處理、坐標的轉換、數據的平差處理、數據融合，并負責各種設備狀態及測量數據的管理，引導發送、處理、評估、顯示等，基于模型庫、知識庫通過運行智能算法為設備整合、測量規劃、路徑設計、數據引導等提供控制數據；通過統一坐標系形成測量控制網，通過多模融合、數據平差獲得滿足測量目標的優化數據；最終實現3D標準、VR/AR等大數據可視化。具備管理決策專家系統等功能，對所測量的數據可以依據飛機型號基于模型進行管理。具體工作模式如圖2所示。

2 關鍵技術及實現

2.1 虛擬測試

由于零部件的尺寸、現場條件以及測量系統的可視性等約束，采用單臺/種儀器測量在實踐中往往不可行。綜合采用多臺相同或不同的測量系統能夠著重關注具體的特征或區域，在一次測量中獲得感興趣的更多詳細信息，加快測量速度并提高測量精度和可靠性。多測量系統測量場模型要根據測量任務的要求及現場環境模型而建立，其中應包括工作空間、零部件、障礙物、測量目標、測量儀器、測量空間內的環境因素等信息。對測量系統按照不同布局或配置方案組合，通過仿真形成不同的測量場結果，由此可以在現場實際測量實施之前評價測量系統的性能參數并得到優化的結構參數，驗證測量場模型和試驗需求相符性，在仿真過程中著重關注可視性與精度特性。

針對智能化與高效率的要求，合理利用現有測試資源，需要設計其全生命周期的形變測量管理控制規劃，對檢測目標與檢測任務進行分類，統籌規劃、安排和確定質量檢測的活動內容，包括：檢測項目，檢測程序，檢測數量，檢測次數和時間，檢測設備手段，檢測數據分析處理等等。其工作模式如圖3所示：其特點在于飛機入院后，首先獲取其整機原始狀態模型，通過數據模型獲取飛機的全部信息，將模型定義融入測量知識工程、測量過程模擬，通過飛機模型進行測量仿真，形成優化的測量方案設計和測量設備優化配置。

2.2 基于云計算的測試數據智能管理/分析

數據是研發、試驗、生產、維護的關鍵和核心。圍繞測試數據采集、數據分析和數據挖掘為產品設計、指標驗證、生產測試和使用維護提供支持和保障，是解決現有測試問題的重要手段。基于云計算的測試數據智能管理/分析服務，為決策者提供知識共享、故障診斷、決策支持和任務調度；對于數據分析者，通過平臺實現數據訂閱、資源調配和試驗流程設計和數據挖掘，對于執行者，多為試驗人員，系統提供試驗數據的存儲接口，實現試驗的監控、任務調度、數據存儲和數據挖掘服務。

基于云計算的測試數據智能管理/分析服務的“智慧”更體現在其基于測試大數據的飛機健康評估功能。由多通道推理機、知識庫、健康數據庫等組成的飛機結構健康評估程序，用于診斷所監測的飛機結構是否存在故障，其診斷方法采用了基于歷史飛機結構記錄的趨勢分析、結構形變實時測試數據、系統運行環境及其負載分析和系統部件的維修歷史分析等。

1) 多通道推理機

根據不同對象的損傷機理和數據分析要求，推理機設立了不同策略的推理通道，以獲得最優結果。推理機采用的分析與推理方法包括 ：基于規則和案例的方法，基于故障樹的方法，基于神經網絡的方法和基于相關性統計分析的方法。

2) 專家知識庫

存儲飛機結構健康監測和診斷所需的工程技術資料，包括正常 / 異常數據、容限、曲線、參數、警戒線、原因、危害、相關因素、判據、案例、處理預案等，用來支持推理機根據監測數據對飛機當前健康狀況進行判斷。

3) 健康數據庫

存儲系統及其部件的使用維修數據記錄，全面反映飛機及各部件的累計使用情況、歷次維修情況、當前健康狀況、損傷殘留及待查隱患、任務能力評估以及預定的維修安排等，用來支持推理機根據監測數據對飛機系統部件的健康狀況進行判斷。

4) 維修決策

運用概率預測模型對設備未來健康狀況進行預測、獲得設備在某一時間的故障率、可靠度函數或剩余壽命分布函數后，就可按照經濟性、設備可用度、風險度等準則建立維修決策模型，形成最優的使用和維修策略，其決策流程如圖4所示。

2.3 融合處理

目前各種數字化測量設備都有其優點與局限性，適用于特定領域的精確、快速測量。在現場測量數據采集過程中，為了充分利用各測量設備的優勢信息，建立信息互補和數據冗余的智能化測量系統，實現測量任務的最優配置。根據各測量設備的測量原理和特點，如激光跟蹤儀的測距精度高、全站儀測角精度高，基于坐標系配準算法和平差優化算法建立多模式融合測量模型，采用激光跟蹤儀、光學測量儀、全站儀和iGPS等設備建立精密全局空間測量控制網，實現全局控制與局部終端攝影測量結合的測量模式，提高系統測量精度、測量范圍和測量效率。實現步驟如下：

1) 基于坐標系配準算法統一全局坐標系，建立各測站與全局坐標系的位置關系R和T，如四元數、奇異值分解、最小二乘等算法：

P=RQ+T

(1)

其中：P是全局坐標系下特征點坐標值；Q是各測站坐標系下特征點坐標值。

2) 針對不同類型測量數據建立合理的定權模型，確定觀測值權矩陣W，基于平差優化算法，實現整網平差優化：

(2)

其中，Vi是第i個測站觀測值協方差矩陣。

3) 利用近景攝影測量對飛機關鍵點進行測量，或利用三維掃描儀獲取飛機關鍵部位的點云數據，實現全局控制與終端攝像測量相結合的數據處理。

3 應用驗證

基于CPS的飛機結構形變系統構建，按照整體規劃，逐步實施的思路在開展，由于篇幅有限，本文重點介紹智能測量系統的整體設計思路，并利用現有的測量設備構建了智能測量系統的雛形，現有的專家知識庫是建立在原有數據與經驗積累的基礎上，本文重點對自動引導測量處理控制及處理精度進行了應用驗證。

針對某型運輸機全機形變測量要求(點測量誤差不大于1 mm)進行了形變測量與管理系統的構建。系統由全站儀、光學測量儀、影像測量設備以及測控中心(負責數據的處理與綜合管控)等組成，通過測控中心進行數據處理及控制全站儀等進行自動化引導測量。在信息網絡系統支持下，實現了多測量設備的聯合組網，把所有的測量信息都引入控制中心進行集中管控與處理；在測控中心加入專家系統知識(飛機的外輪廓、門限信息、設備性能信息等)，通過融合解算可實現指定坐標體系的實時處理與自動化引導，結合專家知識(超差門限)給出了故障診斷結果，并用紅色進行了預警，該試驗驗證了引導自動化測量的有效性，同時通過精度檢測驗證了坐標轉換、平差處理的有效性。

本系統在進行任務規劃時，主要依據飛機的外輪廓，重點關注可視性，可測性與精度，在滿足要求的情況下形成了設備的布局與測量流程規劃，采用3種設備組合進行測量，全站儀用于地面大范圍單點測量，光學測量儀用于機體上隱蔽點測量，影像測量設備用于機背上點云的測量。

測量處理及決策：進行機體形變測量時，首先利用全站儀把測量坐標定制為機體坐標，然后通過機庫內的公共標識點把全站儀、光學測量儀、影像測量數據坐標轉換到統一坐標體系內,坐標統一之后依據測量規劃，通過測控中心調控多個設備進行實時測量。實時測量的流程是先把所有要測量的點在機體坐標系下的理論值通過坐標轉換獲取被測點在測站坐標系下的極坐標值，用此值引導并驅動測量設備鎖定目標點，鎖定好目標后自動化測量，測量后的數據實時回傳測控中心系統進行解算，與原有坐標進行比對，給出形變量，在專家知識(允許超差的門限)的支撐下對故障進行預警，經過多種方式確認后輸出結果報表，實現了系統的自動化測量。自動化測量的界面如圖5所示，該界面可以實時進行測量，實時處理給出偏差值，超差則用紅顏色進行預警，實時確認測量狀態。測量結束可以獲取飛機外輪廓所有測量信息，可在飛機模型上對關注點的偏差進行標注，如圖6所示。

精度檢測：使用全站儀與光學測量儀器、影像測量系統對同一個目標點進行測量，在坐標統一后進行結果比對，試驗時抽取了兩個公共點的測量及處理結果進行驗證，如表1所示。

表1 數據處理結果 m

通過測量處理結果比對，可以看出融合精度高于單測量設備，其可靠性更高，其精度可以達到1 mm以內，滿足飛機形變測量需求。

該系統建成后，不需要水平架設，不用人工記錄測量數據及錄入解算，改變了傳統測量需要水平架設、依據人的經驗找點、測量的問題。現在利用飛機設計的理論數據進行引導測量，經網絡傳輸給測控處理中心實時進行數據處理，并在專家知識的支撐下進行故障預警，經處理后形成處理結果報告。通過多次試驗測試統計可知，采用傳統測量模式完成一架機測量需要4人5個多小時完成測量處理及報表輸出；而利用現有的測量模式只需要2個人，2個小時就可現場完成測量處理及報表的輸出。明顯提高了測量的效率，同時利用多測量設備對測量進行處理，提高了測量結果的可靠性。同時數據可以與原有模型一并保存，實現全生命周期管理。

4 結束語

基于CPS的飛機結構形變測量與管理系統直接利用飛機的三維數模，通過統一的測量數據集實現大尺寸測量規劃、執行、結果分析，它將全部測量信息表示為測量數據集的形式，實現了測量信息的集成管理，可以依據飛機模型實現飛機從出場到飛行試驗結束其全生命周期其結構形變的管理。該測量模式已在多型機測量中得到應用推廣，系統的構建為數字化試飛提供了有力保障。