基于多值屬性Apriori算法的飛機IDG故障分析*

孔祥芬，張利寒 ，劉敬赟，王 杰

(中國民航大學航空工程學院，天津 300300)

0 引言

近年來，隨著航空公司機隊規模的迅速增加[1]，以及民航“一二三三四”的總體發展思路和“民航高質量發展”的戰略需求，對航空維修提出了更高質量的精細化深度維修要求[2]。而航空維修數據的積累以及數據挖掘技術的迅速發展[3]，為飛機深度維修奠定了重要基礎。整體驅動發電機(Integrated Drive Generator, IDG)作為供電系統的主要電源[4]，結構復雜且先驗故障知識難以獲得，維修人員難以通過傳統方法得到精確的維修結論。因此，從數據挖掘角度出發，對航空維修數據進行關聯分析，是提升飛機故障分析能力和深度維修能力的重要保障[5]。

目前學者們已在數據挖掘分析方面做了大量研究，在故障診斷方面，Thukaram D[6]和Jing C[7]等利用支持向量機、主成分分析和神經網絡等方法提升了工業過程中的故障分類精度問題；Zhao Y[8]等利用特征提取與貝葉斯網絡相結合的方法提升了鐵路車載設備的故障診斷效率。在可靠性預測方面，胡麗娟等[9]利用主成分分析與并行關聯規則挖掘技術有效預測了配電網的運行可靠性；蔡復青等[10]利用數據挖掘技術分析航空裝備日常維修數據，有效預測實戰或訓練環境下的飛機使用可靠性。在算法挖掘方面，Gunay H B[11]、Buddhakulsomsiri J等[12]利用實際數據提出新的文本挖掘和IF-THEN關聯規則挖掘算法，能有效確定故障模式及原因；Sene A等[13]利用關聯規則方法創建機上遠程醫療信息體系，能有效解決遠程醫療資源限制的問題；趙久彬等[14]利用Spark平臺提出一種前后部項約束關聯規則并行化FRPFP算法，能有效監測滑坡預警。

上述文獻對數據挖掘分析具有很好的借鑒意義，但目前大多數研究還集中在類似于機床、傳感器等可靠性較低、故障頻發的部件及行業內，而對于飛機等高可靠性、高安全性航空產品的分析研究仍然較少。因此，本文以高可靠性部件——整體驅動發電機(IDG)為例，提出一種改進的多值屬性Apriori算法，該方法從連接步和剪枝步兩個方面提升數據挖掘精度，能有效提升飛機故障診斷能力和深度維修能力，對航空維修提供新的思路和建議。

1 相關知識

1.1 K-means聚類算法

為了實現對數據的深層次挖掘，首先對故障維修數據庫進行聚類，本文采用一種常見且較成熟的K-means聚類算法，該算法是一種無監督的機器學習算法，具有簡單易理解、聚類速度快等特點。核心是確定對象的中心點，關鍵是確定k值，選取的k值決定了聚類效果。為獲得理想的k值，用輪廓系數評估聚類效果，第i個元素輪廓系數為：

(1)

其中，ni為同簇內第i個元素與其他元素之間的平均距離；簇外選取某一簇m，計算m中所有元素與該元素的平均距離，找出最小值，用mi表示，mi=min{mi1,mi2,…,mij}。

1.2 多值屬性Apriori算法

關聯規則挖掘是數據挖掘中一項重要技術，Agrawal R等[15]首先于1993年提出關聯規則概念，即數據庫中項集之間的相關關系，同時又給出了相對應的挖掘算法，但性能較差。之后又于1994年提出了著名的Apriori算法[16]，是目前關聯規則挖掘領域最具影響力的一種算法，也是許多算法改進和發展的基礎。

Apriori算法的核心思想是通過對數據庫中不同事務集之間隱含規律的識別和分析，找出其中的強關聯關系。其中，關聯規則中有兩個最重要的概念，分別是支持度(support)和置信度(confidence)。其中，支持度用support(X)表示，即某維度下一個屬性值X在數據集D中出現的概率，如式(2)所示；置信度用confidence(X→Y)表示，即屬性X和屬性Y同時在數據集D中出現的概率，如式(3)所示。如果關聯規則結果滿足最小支持度和置信度閾值，則認為該條關聯規則的前后項是高度相關的。

(2)

(3)

此外，另一個重要概念是提升度(lift)，提升度用lift(X→Y)表示，主要用于描述挖掘出的規則是否有用，如式(4)所示；其大小可度量此規則的可用程度，有用規則的提升度大于1。

(4)

Apriori算法的主要思想是利用逐層搜索的迭代方法，Apriori算法的主要過程可以概括為兩步：①通過掃描、計數、比較、產生頻繁項集、連接及剪枝等步驟產生候選項集，進而尋找所有頻繁項集，重復上述步驟，直到不能產生更大的頻繁項集為止；②產生關聯規則結果，對于每個頻繁項集，計算其置信度，輸出大于最小置信度閾值的關聯規則。

Apriori算法利用支持度、置信度及提升度的計算結果作為依據，挖掘和分析各屬性之間潛在的內在關聯關系。但是也仍存在一些不足，一是生成候選頻繁項集的數量巨大，需要多次掃描數據庫，且非常耗時；二是不適用于多維數據的挖掘。因此，基于航空故障維修數據維度高的特性，本文提出將基于多值屬性改進的Apriori算法應用于航空故障維修數據故障原因關聯規則的挖掘過程中，即在連接步的過程中加入多個維度的判斷，并且在剪枝步階段只考慮特定屬性的頻繁項，可以有效減少生成的頻繁項集，更簡潔更高效的發現我們需要的強關聯規則。

基于多值屬性改進的關聯規則由Srikant R等[17]在1996年提出的，其關鍵思想是以布爾型關聯規則的挖掘算法為基礎，將其轉化為布爾型關聯規則之后再通過Apriori算法進行數據挖掘。在IDG部件的故障維修數據中，每一個故障因素下都包含有多個屬性值，在挖掘過程中，為了避免出現類似“冬季，夏季→油濾堵塞”這樣的無效關聯規則結果，所以在Apriori算法的基礎上對其進行改進。考慮到我們的研究是結合天氣、現象、地域等因素，以挖掘故障原因為主要關注點對故障維修數據進行挖掘，所以在連接步過程中加入對“故障原因”和“故障現象”這兩個維度頻繁項集的判斷，且在規則剪枝階段只考慮生成“故障原因”的頻繁項。 改進算法的主要步驟如下：

算法1：改進的多值屬性Apriori算法

輸入：IDG部件故障維修數據庫D；最小支持度和置信度閾值；

輸出：數據庫D中的頻繁項集L。

(1)C1={candidate,1-itemsets}；

(2)L1={c∈C1|c.count≥minsupport}；

(3)for{k=2,Lk-1!=Null,k++}；

(4)Ck=sc_candidate(Lk-1)；

(5)ifCi中的頻繁項的屬性值not in [‘故障原因’]and not in[‘故障現象’]；

(6)delete這條頻繁項；

(7)for eachtinD；

(8)C1=subset(Ck,t)；

(9)for each候選c∈Ci；

(10)c.count=c.count+1；

(11)Lk={c∈Ck|c.count≥minsupport}；

(12)for each item inLk；

(13)if item 的屬性值not in[‘故障原因’]；

(14)delete這條頻繁項；

(15)ReturnL.

2 案例分析

本文搜集某航空公司50架B737飛機近三年的故障維修數據，主要由技術記錄本(Technical Log Book, TLB)、保留故障單(Deferred Defect Sheet, DDS)、飛行記錄本(Flight Log Book, FLB)、客艙記錄本(Cabin Log Book, CLB)、飛機維修日志等組成；對包括飛機編號、檢驗員、FLB、故障現象、故障原因、故障位置、故障時間、故障地點、在翼時間、飛行循環等用自然語言書寫的記錄信息，對此進行數據整合，重點分析故障維修數據中故障現象與多種故障原因之間的相關性。主要分為以下幾個步驟：

(1)數據預處理。數據在采集、記錄、存儲過程中由于各種主客觀因素會出現缺失、冗余、記錄形式不統一等情況，為了得到高質量的數據作出最精確的決策，需要對原始數據進行預處理。主要包括數據清洗、信息篩選等。

(2)關聯規則挖掘。對預處理后的維修數據進行K-means聚類分析以及改進的多值屬性Apriori算法關聯規則挖掘，得到強關聯規則以獲得故障現象以及各參數與多種故障原因之間的相關性規律。

(3)結果分析。結合IDG各組件故障機理，對關聯規則結果進行具體分析。

2.1 數據預處理

一架B737飛機一年約850條維修及維護記錄，則50架飛機三年則產生約42 500條數據，其中除掉勤務工作、例行安檢之后約15 000條。首先，以Python平臺為基礎，Pandas函數讀取搜集到的故障維修數據，利用Pandas函數刪除缺失數據所在數據組；其次，篩選出對故障原因診斷有用的信息，刪除飛機編號、檢驗員等部分無用信息；最后，將剩余數據信息進行類別梳理并轉換成便于分析的形式，篩選出與IDG部件相關的故障信息，得到30個故障維修數據(記為M1,M2,…,M30)，如表1 所示。

表1 預處理后的維修數據信息表

2.2 關聯規則挖掘

2.2.1 K-means聚類分析

針對飛機故障維修數據的特征，在數據預處理階段對30組故障進行聚類，采用合并層次聚類分析法， K-means聚類將所有故障分為3～6類，通過聚類簇數k的輪廓系數Si對聚類結果進行評估。不同聚類簇數k對應的輪廓系數如表2所示。

表2 聚類簇數-輪廓系數對應關系表

K-means聚類算法是將數據集D聚類為k個簇{C1,C2,…Ck}。首先隨機抽取k個聚類質心(μ1,μ2,…，μk)，計算每個樣本xi的所屬類別，目標是最小化平方誤差：

(5)

其中，μj是Ci簇的聚類中心，即質心，重新計算類j的質心，其表達式為：

(6)

經反復計算，直到收斂。

由表2可知，故障數據分為5類時進行聚類所得效果最好。對30組故障數據進行K-means動態聚類，結合IDG部件實際故障情況，聚類分析結果如表3所示。

表3 故障聚類結果(k=5)

2.2.2 多值屬性Apriori關聯規則分析

運用多值屬性Apriori算法對預處理后的IDG部件故障維修數據進行關聯規則挖掘，為獲得比較理想的關聯規則，確定關聯規則中的支持度和置信度是至觀重要的，不同支持度S閾值和置信度C閾值下產生的規則數不同。通過分析設定支持度閾值為0.6%，置信度閾值為50%，得出規則前項含故障現象且規則后項為故障原因的強關聯規則共55條，由于篇幅限制，部分結果如表4所示。

表4 IDG部件故障關聯規則

續表

在聚類分析的基礎上，對B737飛機IDG部件故障維修數據進行深度挖掘和分析，對多因素之間的潛在規律進行識別，得出以下結果：

(1)根據表4中規則6和規則7可以得出高支持度的關聯規則，說明IDG部件故障的高頻故障原因為壓力電門和泵和馬達組件故障；其中，泵和馬達組件的結構形式為斜盤柱塞泵，長時間工作會導致柱塞缸體等金屬件磨損超標；壓力電門為非密封式結構，經常受到污染，進而導致電門接觸不良，所以應密切關注零部件的清潔及過度使用的問題。

(2)對比規則5和52，可以得出哈爾濱的冬季更容易造成調速器閥芯抱死進而造成發電機掉電，說明低溫是造成調速器閥芯抱死的主要原因，所以溫度等外界環境因素是影響IDG部件部分故障的關鍵因素。

(3)根據規則可以得出碳封嚴磨損和油濾堵塞是造成IDG余油口漏油和IDG壓差指示器跳出的唯一原因；其中碳封嚴與輸入軸緊密相連，常常會因為組裝時裝配技術的欠缺，造成碳封嚴磨損，所以應密切關注人為因素在飛機故障中的影響。

(4)分析所有故障原因，其中油濾堵塞、磨損超標、閥芯抱死等多個故障都與滑油系統有關，說明滑油系統是影響ODG部件正常工作最重要的原因。

2.3 結果分析

對比傳統Apriori算法和改進后的多值屬性Apriori算法對IDG部件故障相關因素的關聯規則挖掘結果，在不同支持度下，兩種算法的運行時間如圖1所示。

圖1 運行時間和支持度之間的關系曲線

從圖1中可以看出改進后的Apriori算法運行時間減少、效率提升，尤其是支持度較小、頻繁項集較多的情況下，能在更短的時間內輸出更精確的結果。

通過聚類和關聯規則分析能更加精確的定位故障發生的位置及原因。結合IDG部件的工作原理，在日常維護階段對IDG部件提出相關預防建議，以減少故障發生、提升飛機使用可靠性：

(1)針對泵和馬達組件及壓力電門等高頻故障組件，了解其故障機理與具體原因(磨損、污染等)并根據各組件的故障間隔時間進行可靠性分析，計算其可靠度、失效率等相關指標，根據結果及時檢修。

(2)針對碳封嚴等由于人為疏忽、技術欠缺等原因造成的磨損嚴重，應密切關注人為因素在飛機故障中的影響，加強對人的技術及思想培訓。

(3)針對由外界環境因素(地點、季節、溫度等)引起故障，應提前做好防護措施，減少故障發生。

(4)IDG部件屬于高速旋轉的部件，組件之間承受巨大的摩擦力，導致多數故障都與滑油系統有關，所以應密切關注滑油系統的工作狀態。結合文獻[18]，建議每隔1781 Fh對IDG部件進行滑油系統的狀態檢修。

3 結論

基于航空維修業的發展需求及航空維修數據的逐步積累，本文提出了基于數據挖掘的飛機IDG部件故障關聯性分析模型。通過K-means聚類算法得出IDG部件主要的5類故障現象；通過改進的多值屬性Apriori關聯規則算法，以故障原因為關注點，挖掘出導致故障發生的因素組合，由此總結出高頻故障以及人為因素、外界環境和滑油關聯系統等因素對IDG部件故障的影響；與傳統Apriori算法相比其精度更高、用時更短。根據以上結果及IDG部件的工作機理對預防故障發生可采取的措施提出了一些可行的預防性維修方案，提升飛機使用可靠性。本文僅對B737飛機供電系統中一個IDG部件進行關聯規則挖掘，后續分析中可以引入更多系統及零部件，建立更全面的故障維修數據標準化備案模式以及飛機維修管理信息系統。