基于人工智能技術的飛機健康狀態數據管理方法研究

朱 康

（航空工業沈陽飛機工業（集團）有限公司， 遼寧 沈陽 110030）

引言

健康管理技術，是一種涵蓋了檢測、診斷、預測、減緩、完整性保證以及智能決策等多項內容的綜合保障技術。所謂健康管理，是根據對系統的監測信息，對已經存在或可能出現的故障進行診斷和預測，再結合具體使用需求以及外部的各種可用資源，對系統的維護工作做出指導性決策，確保系統的安全運行，并促使系統發揮最大效能。目前，飛機健康狀態管理越來越受到重視，在國外尤其是美國，廣泛地開展了自主式保障相關的故障預測與健康管理研究和應用，在航空領域，由美國、英國以及其他國家軍方合作開發的聯合攻擊戰斗機JSF 項目中的故障預測與健康管理系統（PHM）[1]，綜合健康管理系統（ISHM）或飛行器健康管理系統（AHM）等得到了廣泛應用。我國的飛機設計、研制過程中，對飛機健康狀態管理的整體考慮仍比較欠缺，飛機健康管理系統的架構、規范等仍在探索過程中。

1 典型飛機健康管理系統簡介

1.1 組成

健康管理系統一般由機載系統和多機種一體化地面部分組成。機載系統按各自特點具有相對獨立的健康管理系統，各個子系統健康管理遵循從傳感器信號到最終決策的過程。多機種一體化地面部分主要由地面操作系統、地面維護系統等組成。地面操作系統對傳輸到系統中的飛機數據進行進一步的實時診斷，根據故障歷史信息做出預測，指導和幫助飛行員完成指定任務，并將故障維護信息發送給后勤保障系統。地面操作系統也進行數據的事后診斷，并將診斷數據保存在數據庫服務器中。地面維護系統確定需要進行的維護工作，優化和組織人員，維護資源配置，記錄維護數據，測試和驗證維修結果。

1.2 技術架構

典型健康管理系統技術架構，可分為傳感器層、信號處理層、狀態檢測層、診斷處理層、預測處理層、決策支持層、表達層等[2]。

2 現階段健康狀態數據管理存在的問題

現有的基于飛參數據的飛機健康狀態管理模式，在客觀利用方面主要存在以下四個方面的問題：

1）缺少數據集中管理平臺致使大量數據分散管理。

2）數據格式差異大，不利于進行統計分析工作。

3）綜合分析只能依靠人工篩選數據文件進行，人工對比分析判讀方法無法應對海量歷史數據。

4）實時數據應用不夠充分。目前缺乏實時判讀和綜合顯示，無法同步融合分析和綜合管理實時數據。

3 基于人工智能技術的飛機健康狀態數據管理方法

3.1 基本功能

把原有網絡化統型地面站模式擴展為大數據基礎平臺，實現地面軟件統型、事后數據集中管理共享和故障診斷[3]，能夠向應用層提供數據存儲和分析接口；結合實時試飛監控系統，完成實時多維數據回放和實時數據判讀，通過大數據平臺完成遙測數據和飛行數據的融合分析和異常檢測。

3.2 總體框架

總體框架如下頁圖1 所示，具體包含系統如下：

圖1 總體框架圖

1）建設大數據基礎計算存儲平臺。根據實際業務數據量搭建分布式服務器集群，部署大數據基礎計算存儲平臺，具有PB 級數據存儲管理和計算能力。

2）搭建實時試飛監控系統。能夠對飛機數據進行實時診斷；可以收集大量數據，在大數據平臺完成故障模型建模。

3）構建地面大數據分析系統。基于大數據分析軟件平臺提供的數據存儲和分析接口，根據業務需求，構建業務模型和數據處理流程，實現具體業務應用。

3.3 主要工作原理

1）機上實時傳輸設備通過無線網絡發送至實時試飛監控系統，完成數據實時回放和實時判讀，通過大數據基礎計算存儲平臺完成遙測數據和飛行數據融合；

2）卸載機上數據卡數據至地面大數據分析系統，完成數據預處理、數據導入、數據存儲和數據管理，通過網絡把處理后的數據發送給大數據基礎計算存儲平臺進行數據存儲；

3）大數據基礎計算存儲平臺負責接收和存儲處理后的數據，根據地面大數據分析系統發送的業務指令完成分布式計算，通過網絡將計算結果發送給地面大數據分析系統。

3.4 大數據基礎平臺

大數據基礎平臺組成包括硬件基礎平臺和大數據基礎管理軟件平臺兩個部分。硬件基礎平臺主要用來提供數據存儲和計算硬件平臺可根據實際數據量和業務應用規模來配置服務器集群的存儲容量和計算能力。大數據基礎管理軟件平臺，作為一個通用基礎平臺，可以為上層不同大數據業務應用提供分析計算和數據展示接口。大數據基礎管理軟件平臺架構如圖2 所示。

圖2 軟件平臺架構

3.5 實時試飛監控系統

接收實時試飛數據，并完成實時回放、判讀，通過大數據平臺完成融合分析和異常檢測，支持實時傳輸存儲和事后統一上傳兩種方式，為不同大數據業務應用提供分析計算提供數據支撐。

實時試飛監控系統軟件包括多型機實時數據預處理、實時數據判讀、實時數據回放、試飛信息綜合顯示、判讀結果通知和判讀報告生成等模塊。

3.6 地面大數據分析系統

3.6.1 功能

實現數據存儲、數據查詢、數據管理、數據可視化、回放軟件統型、裝備維護保障等應用。

3.6.2 實現方法

1）大數據平臺基礎應用主要解決多格式、多類型飛參大數據的導入、存儲、檢索、管理和分發，規則推理、統計分析、特征提取、大數據挖掘、推理學習算法的研究和數據可視化的應用；

2）地面統型軟件應用模塊主要研究數據分析處理、回放，可實現快速三維場景再現的相關應用；

3）試飛裝備維護保障應用模塊主要是對故障模擬數據生成和驗證技術、健康管理、趨勢分析和預測技術的研究。

3.6.2 .1 數據預處理

在分析飛行數據之前，對原始的飛行數據進行了相關的ETL 處理，包括清洗一些無效值，補全缺失的參數值，對短時間內出現的數據噪聲進行過濾，然后將ETL 結果再存入HDFS/HBase 系統中以供用戶進行數據分析。

3.6.2 .2 數據管理

大數據平臺對飛行數據進行統一管理，同時平臺默認三個備份，這樣既簡化了飛行數據維護與管理的繁瑣程度，同時多個備份保證了數據的安全與冗余。

3.6.2 .3 特征提取

通過使用Spark SQL 技術，將飛行數據的模擬量、連續量、頻率量分類存儲，提取相關重要參數信息，通過相關算法計算出它們的最大值、最小值、均值、方差、相關系數等統計值，將統計結果存儲在數據倉庫，最后通過接口將目標參數傳給上層調用者。

3.6.2 .4 歷史數據多維度統計

歷史數據多維度統計是指通過專家診斷知識庫，對工程值數據文件進行遍歷分析，將數據全過程中的發動機參數信息進行提取和統計，捕獲發動機各工作狀態的發生、持續、結束時間，觸發參數，相關的狀態參數，性能參數等，并將結果顯示在軟件界面上，同時發動機參數統計結果以報告的形式存在大數據集群中。

3.6.2 .5 數據挖掘

數據挖掘是通過大數據平臺內置信號處理方法、機器學習方法，針對不同類型數據進行特征分析和提取，挖掘故障模式，實現數據的挖掘功能。

4 結論

通過簡要介紹典型飛機健康管理系統的組成、技術架構，結合現有技術實際，指出現有基于飛參數據的飛機健康狀態管理模式存在的問題。通過分析解決存在問題，提出了基于人工智能技術的飛機健康狀態數據管理方法，并簡要對基本功能、總體框架、主要工作原理進行了論述，詳細的對大數據基礎平臺、實時試飛監控系統、地面大數據分析系統進行了分析，尤其針對大數據分析系統的實現方法給出了詳細解決方案。

隨著后續飛機健康管理系統的不斷發展，機載部分功能、性能的不斷提升，海量的健康狀態數據將被采集用于評估飛機健康狀態，如何高效、科學、充分的利用健康狀態數據，并將此類數據與飛機可靠性、壽命等有效關聯，進而給出飛機使用意見與建議，這將是科研技術人員不斷探索研究的一個重點方向。