基于可靠性基因庫的民用飛機故障智能診斷網絡框架設計

方志耕，王 歡，董文杰，曹穎賽

(南京航空航天大學經濟與管理學院，江蘇 南京 210016)

1 引言

大型民用飛機是一個國家工業、科技水平綜合實力的集中體現，被譽為“現代工業之花”和“現代制造業的一顆明珠”，是典型的大型復雜產品，其產品結構復雜、技術與資金密集、技術難度大，質量和可靠性要求極高，研制周期長，項目的不確定性和風險大。張輝[1]對于我國大型民用飛機的產業發展戰略進行了研究并給出了其實施路徑。林忠欽等[2]對大型復雜產品的數字化制造方法進行了綜述并給出了其未來發展方向。劉遠[3]提出了一系列優化模型，并將其應用至這類復雜產品的供應鏈管理問題中，為大型民用飛機供應鏈優化管理問題提供了決策支持。李亞平等[4-6]針對這類復雜產品的質量特性表征、質量參數總體框架以及最終參數選擇等問題進行了研究。

隨著中國大型民用飛機的成功首飛以及相關試驗研究的逐步展開，飛機的安全性、可靠性以及維修保障性等方面成為航空技術發展必須面對的問題。周瑜等[7]運用分段線性模型確定了裝置可靠性改進趨勢，針對裝置現場故障和維修數據的小樣本問題，構建了裝置現場可靠性和維修性的貝葉斯模型。王燁[8]針對民機研制和使用過程中所采集的可靠性信息特征，深入研究了相關的可靠性評估理論和技術并開發了相應的實用化的民機信息數據庫和可靠性評估系統。祝碩等[9]研究了部件失效故障導致可靠性變化問題，考察全部由周轉件構成的系統，通過對各個時刻系統內部件的使用時間以及維修次數分布建立數學模型。曹穎騫等[10-11]賽針對復雜系統可靠性退化過程中的系統組成單元影響新問題，提出了一種基于合作博弈Shapley值可靠性退化責任分配模型，解決了系統組成單元的敏感性分析問題，并對于大型民機可靠性分析過程中的多態性與貧信息等特征，構建了一種廣義灰色貝葉斯網絡模型，為不確定條件下的多態系統可靠性分析問題提供了完整的解決方案。何正嘉等[12]提出基于歸一化小波信息熵的可靠性評估方法和基于損傷定量識別的可靠性評估方法，實現小樣本條件下設備運行可靠性評估。曹惠玲等[13]通過對民機故障歷史數據的挖掘，提出將可靠性數據應用于民機故障診斷的計算模型。孫利娜等[14]對目前大型飛機上常用的航空電子交互式以太網進行分析建樹，利用T-S模糊故障樹求解系統在多故障狀態下的性能可靠性。

然而，上述研究僅聚焦于民機的可靠性研究，缺乏對整機設備及相應子系統的故障診斷研究。研究整機設備及各個子系統運行狀態，并對其進行狀態分析和故障智能診斷，能使航空公司及時有效地掌握飛機的健康狀況，從容不迫地安排維護維修工作，避免耗時長、成本高的維修延誤，有計劃、輕松地解決維修問題，降低其維修和運營成本。目前，應用比較廣泛的是美軍于上世紀末在聯合戰斗機計劃中提出的故障預測與健康管理系統(Prognostics and Health Management，PHM)[15]。但是PHM的實施是以實際運行狀態監測數據為基礎的，即利用先進傳感器(如渦流傳感器、無線微機電系統等)的集成，并借助各種算法(如Gabor變換、離散傅里葉變換等)和智能模型(如專家系統、神經網絡等)，預測和管理系統的健康狀態[16-17]，缺乏參考設備及子系統本身的可靠性信息。因此，本文將針對傳統故障預測與健康模型對于設備本身可靠性信息的不足，搭建民用飛機的可靠性基因庫，并在此基礎上進行整機及其各個子系統的故障智能診斷研究。

2 民用飛機可靠性基因庫搭建

2.1 民用飛機組成單元可靠性基因表征度

為在飛機故障演化與傳播過程中，存在著許多相互關聯的中間事件和底事件，某些若干事件的集合反映了實體系統中的相對應的部件或子系統，建立網絡事件的集合實體系統歸并模型，可將該網絡劃分成若干相互關聯的子系統或模塊。借用智能體作為計算實體，它能夠駐留在某一環境下，持續自主地發揮作用，具備駐留性、反應性、社會性、主動性等特征性質，建立該部件或模塊的基因子系統。在網絡模塊劃分的基礎上，考慮故障發生可能性的對偶事件即是可靠性的性質，運用多智能體技術，以裝備各模塊或子系統為相對獨立基因單元，主要建立輸入-輸出接口、基因代碼函數庫、關系數據庫、數學模型庫、分析方法庫、邏輯關系庫、顯示圖形庫等基因智能單元模型(如圖1所示)，智能體能夠實現自治運行，自主感知裝備的運營狀態，提高飛機智能生命健康管理系統響應速度，以及對反應方案進行自主搜索、比較和確定，實現輔助智能決策。

圖1 飛機各模塊或子系統基因智能單元結構示意圖

飛機故障演化與傳播網絡是一個相互聯系的有機整體，考慮該技術的核心問題是，需要建立一種體制，能夠對網絡中各模塊或子系統基因智能單元進行有效的智能信息溝通與更新、協同調度與工作、可視化的信息顯示與結果匯報。基于此，依據該網絡中各模塊或子系統之間的廣義計算邏輯關系、裝備物理結構關系和運行邏輯關系，構建飛機可靠性基因庫智能協同模型；搭建基于多智能體的飛機故障智能診斷體系框架與協同工作體制架構；運用相關的數學、計算機技術構建能夠自主搜尋、比較和確定飛機故障演化與傳播子系統可靠基因函數的快速運算方案的模型庫系統；建立飛機故障演化與傳播網絡智能基因庫可視化的信息顯示與結果匯報系統。

2.2 飛機可靠性基因結構合成、智能演化與管理技術

考慮在飛機運行及其故障演化與傳播過程中所可能面臨的多源異構小子樣的數據情形，運用灰色系統理論、模糊數學等多種先進系統分析和數學建模工具，借助基因科學和進化論思想，構建基于多源異構小子樣的飛機可靠性基因庫數據遺傳選擇、基因交叉、變異等演化算法模型庫；在飛機可靠性基因庫數據分析的基礎上，弄清該基因庫中相關基因的性質，結合模糊數學、粗糙集、神經網絡等軟計算方法建立相關可靠性基因更新與進化的優化模型，并進行算法設計。按照適者生存和優勝劣汰的原理，模擬生物進化過程，進行飛機故障演化與傳播過程中可靠性基因庫的遺傳、更新、演化等機制設計。考慮飛機故障演化與傳播過程中可能面臨的大數據環境，比如，該飛機及其相關型號全壽命周期所有階段的設計與使用、故障演化與傳播數據、維護與維修等所有數據，這些數據往往數量龐大、空缺多、完整性差、單位信息含量低，運用大數據分析方法和數據挖掘技術，建立基于大數據的聚類、關聯和決策等模型，并進行算法設計，提高不同源數據類型的可用性和大數據分析的精確性。例如，對由飛機通信尋址和報告系統(ACARS)以及機載飛行數據記錄設備(DFDR/QAR/SAR)等多通道數據獲取系統采集的數據，擬通過ETL、去重操作算法、聚焦操作算法、近似匹配操作算法、排序方法、剪枝技術等進行數據清理，通過開發支持飛機可靠性基因庫數據的基本操作、查詢優化與處理的索引結構實現基因庫大數據的存貯與更新。

考慮飛機故障演化與傳播網絡中，擬根據其智能可靠性基因單元模塊化表征向量及其相互間的邏輯關系，構建基于變動可靠性數據可追溯的樹狀合成運算結構模型；考慮裝備關鍵零部件或子系統因使用和維護上，其可靠性參數可能經常出現變化，建立變更數據捕獲模型，搜索數據變動分支與節點；考慮減少計算工作量、提升效率，隔離可靠性未發生變化的分支，建立數據變更分支定位、定因、定性分析模型，數據快速更新模型；在此基礎上，基于可靠度特征函數合成規則，建立基于Bayes更新的飛機故障演化與傳播可靠度特征函數智能修正模型，實現飛機可靠性基因庫參數變化的快速計算與更新。

3 基于可靠性基因庫的民用飛機故障智能診斷網絡體系構建

3.1 飛機故障演化與傳播FTA-GERT網絡構建

FTA模型作為一種較好定性和定量的故障分析工具，能夠比較方便與準確的表達故障事件間的定性邏輯聯系，然而對事件(或者子系統、部件、元件等狀態)存在自環、事件的發生存在一定的概率分布、事件之間可能存在著反饋環節、網絡中存在著時間或者故障損失的傳遞關系時，FTA_i (P,L)模型失靈。本部分利用GERT(Graph Evaluation Review Technology)網絡模型的算法優勢，構建FTA_i (P,L)與GERT邏輯轉換規則、解析飛機故障演化與傳播機制。考慮廣義活動網絡GAN(Generalized Activity Network)具有較豐富的和便于人們直覺思維的邏輯結點，建立FTA模型中的邏輯與、或、條件門等與GAN網絡節點轉換邏輯規則，如圖2所示。在此基礎上，運用GAN網絡與GERT網絡轉換邏輯規則，建立飛機故障演化與傳播GERT網絡模型；考慮維護與維修機制的飛機故障演化與傳播的影響，將該類要素作為其演化與傳播的反饋控制變量，建立基于故障與維修的GERT網絡模型(如圖3所示)。

圖2 FTA (P,L)與基于多維GERT網絡轉換邏輯節點設計示意圖

圖3 飛機故障演化與傳播的多維GERT網絡模型結構示意圖

3.2 面向全壽命周期的飛機故障遠程診斷模式設計

ARIMA模運用基于可靠性基因庫的飛機故障智能遠程診斷體系框架，立足于飛機故障演化與傳播全壽命周期，利用各階段與故障演化與傳播有關的數據，集異地分布式專家智慧和分步式智能計算優勢，建立基于故障診斷網絡的數據存儲、更新、查詢與調用模型。基于可靠性基因庫的飛機故障診斷服務請求、診斷任務配置、專家智慧集聚、分布式智能計算任務調配等模型，基于可靠性基因庫的診斷服務顯示、研討與匯報等模型；進行飛機故障遠程診斷機制與流程設計；搭建面向全壽命周期的飛機故障遠程診斷模式。以民用客機為例，建立關聯整合單機與機群的故障遠程診斷模式，如圖4所示。

該技術擬通過關聯整合單機與機群的故障遠程診斷網絡，實現將飛機運行狀態實時再現在地面虛擬數字標準機群系統中。地面虛擬數字標準機群系統是根據同型號飛機的歷史運行狀態數據、關鍵零部件和子系統的可靠性信息等可靠性基因庫數據合成的統計學意義上的標準機群系統。該標準機群系統能夠在地面以大概率實時再現飛機的各種運行狀態，當飛機在空中出現故障時，地面虛擬數字標準機群系統能夠通過輸入飛機的運行狀態參數再現飛機的故障狀態，并進一步診斷出故障源，評價故障的影響程度，預測故障的發展趨勢，指導飛機遠程診斷實時跟蹤系統進行空中排故。

圖4 某民機故障遠程診斷框架示意圖

4 案例研究

飛機液壓系統作為飛機上以油液為工作介質，靠油壓驅動執行機構完成特定操縱動作的整套裝置，主要由主液壓系統和電傳剎車系統構成。主液壓系統為起落架操縱部分提供壓力，電傳剎車系統為機輪剎車部分供壓。液壓系統通常需要在極限環境中運行，如果系統發生故障，所造成的損失將會極

其巨大。案例通過對主液壓系統故障模式的分析，運用可靠性基因庫并結合貝葉斯推理得到故障樹底事件的故障率及故障損失。根據FTA(p,l)-GERT網絡的轉換規則，設計主液壓子系統質量損失的GERT網絡圖。運用GERT網絡運算法則，進行關鍵質量源的識別節點和靈敏度的分析，為空中故障排除提供支持。

4.1 主液壓系統的FTA

主液壓系統的故障模式分類如表1所示，故障樹如圖5所示。

表1 主液壓子系統故障模式分類

圖5 主液壓子系統故障樹

4.2 FTA(p,l)-GERT轉化

地面技術專家根據可靠性基因庫的搜尋結果，結合貝葉斯推理得到系統(對應節點T)故障情況下所導致的故障損失為L～N(100,25)，則各元器件的故障率及其所產生的故障損失如表2所示。

表2 主液壓子系統各底事件故障率及故障損失

按照復雜產品質量損失傳遞過程的正向演繹方向，從廣義GAN網絡的起點(活動0)出發，依次對局部GERT網絡的關鍵參數進行求解，并根據這些參數將廣義GAN網絡轉化為GERT網絡，如圖6所示。

圖6 主液壓子系統質量損失GERT網絡圖

圖中各項活動的內容如下：

0-1：主液壓系統開始工作

1-2：虛擬活動，概率為1，質量損失為0。表示電動泵組件開始工作。

2-5：電機和液壓泵均處于正常工作狀態。

2-8：電機和液壓泵至少有一個發生故障。

5-7：排除所有不可控因素，電動泵組件仍然處于正常工作狀態。

5-8：由于某些不可控因素，電動泵組件發生故障。

1-3：虛擬活動，概率為1，質量損失為0。表示電動泵控制盒開始工作。

3-9：電動泵控制盒處于正常工作狀態。

3-10：電動泵控制盒發生故障。

1-4：虛擬活動，概率為1，質量損失為0.表示供油組件開始工作。

4-6：油箱、油濾和氟塑料管均處于正常工作狀態。

4-12：油箱、油濾和氟塑料管至少有一個發生故障。

6-11：排除所有不可控因素，供油組件仍然處于正常工作狀態。

6-12：由于某些不可控因素，供油組件發生故障。

7-13：虛擬活動，概率為1，質量損失為0。將電動泵組件正常工作的信息傳遞到13。

9-13：虛擬活動，概率為1，質量損失為0。將電動泵控制盒正常工作的信息傳遞到13。

11-13：虛擬活動，概率為1，質量損失為0。將供油組件正常工作的信息傳遞到13。

8-15：虛擬活動，概率為1，質量損失為0。將電動泵組件發生故障的信息傳遞到15。

10-15：虛擬活動，概率為1，質量損失為0。將電動泵控制盒發生故障信息傳遞到15。

12-15：虛擬活動，概率為1，質量損失為0。將供油組件發生故障的信息傳遞到15。

13-14：排除所有不可控因素，主液壓系統處于正常工作狀態。

13-15：由于某些不可控因素，主液壓系統發生故障。

4.3 主液壓系統關鍵質量源識別及節點靈敏度分析

根據GERT網絡運算法則，利用復雜產品FTA(p,l)-GERT質量損失網絡關鍵質量源的識別算法，設α=0.5,β=0.5，可以得到無人機主液

壓系統的三個源頭活動節點(2,3,4)的質量損失關鍵度ξi分別如下：

表3 主液壓系統三個源頭活動節點(2,3,4)的質量損失關鍵度

由表3可知，供油組件部分對主液壓系統的質量損失影響最大，最為關鍵，電動泵組件部分次之，電動泵組件控制盒部分最弱。因此，從源頭上應該著重提高主液壓系統供油組件部分的可靠性，控制供油組件部分對系統造成的質量損失。此外，對于主液壓系統的電動泵組件部分也應該適當進行質量管控，相對而言，電動泵組件控制盒部分可以減少相對投入。

根據GERT網絡運算法則，利用復雜產品FTA(p,l)-GERT質量損失網絡節點靈敏度分析算法，設α=0.5,β=0.5，可以得到主液壓系統均值的絕對靈敏度和相對靈敏度，標準差的絕對靈敏度和相對靈敏度以及系統綜合的絕對靈敏度和相對靈敏度如下：

表4 各節點靈敏度

從4可以看出，系統質量損失對活動4最敏感，其次是活動2，在主液壓系統的控制分析中，應該著重關注供油組件這一部分，其次是電動泵組件。另外，電動泵控制盒的故障損失對系統不敏感。

綜上所述，無論從關鍵度的角度，還是從敏感度的角度，供油組件部分對系統質量損失尤為重要，電動泵組件部分次之，相對而言，電動泵控制盒的質量損失較小。在進行故障排除中，不僅應該著重提高供油組件和電動泵組件的可靠性，還應該運用合理的故障診斷方法進行故障識別，以及時發現失效元器件并將其更換，減少故障發生的損失。

5 結語

故障診斷是民用飛機運營的重要環節，快速準確找到故障發生的原因并進行排除是民用飛機實現高效運營的重要保障。在進行故障診斷時，除了分析故障數據，大型民用飛機自身的物理結構、可靠性框圖以及運行邏輯關系同樣不容忽視，考慮整機設備及各個子系統運行狀態，并對其進行狀態分析和故障智能診斷可以提高故障診斷的準確性和智能性。因此，本文首先搭建了大型民用飛機全壽命周期可靠性基因庫，提出了民用飛機組成單元可靠性基因表征度，解析了可靠性基因的遺傳、更新、演化等機制；基于此，設計了大型民用飛機的故障模式相應的故障診斷算法，構建了整個民用飛機故障智能診斷網絡框架；最后以飛機液壓系統為例進行了案例研究，驗證了網絡框架的實用性和有效性。研究通過搭建可靠性基因庫提出了民用飛機故障智能診斷的網絡框架，是民用飛機故障診斷在理論上的一次新的突破，后續研究將著重于該網絡框架的實踐應用，不斷完善和細化，提高其可應用性。