基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)研究

紀(jì)華東 胡雪明 劉照興

摘要

故障診斷技術(shù)可以極大地提高直升機(jī)的可靠性和安全性，降低維護(hù)成本。目前外場(chǎng)維護(hù)過程中故障診斷和維護(hù)手段落后，缺少自動(dòng)化的技術(shù)分析飛行參數(shù)中隱含的故障信息支持故障診斷，且故障診斷的自學(xué)能力較差。而國(guó)內(nèi)直升機(jī)故障診斷工作還未形成系統(tǒng)化的故障診斷系統(tǒng)來解決全機(jī)各類故障的診斷。針對(duì)直升機(jī)故障診斷存在的問題，論文通過分析各類故障診斷方法的優(yōu)劣，提出了基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)總體方案，并研究了綜合案例推理、故障樹和徑向基（RBF）神經(jīng)網(wǎng)絡(luò)方法解決直升機(jī)各類故障的診斷流程該系統(tǒng)方案有助于提高國(guó)內(nèi)直升機(jī)故障診斷水平，為直升機(jī)故障診斷系統(tǒng)的深入研究提供了有益的思路。

【關(guān)鍵詞】故障診斷 飛行參數(shù) 案例推理 故障樹 徑向基神經(jīng)網(wǎng)絡(luò)

1 引言

直升機(jī)結(jié)構(gòu)復(fù)雜，故障現(xiàn)象和工作環(huán)境復(fù)雜，故障頻率高，嚴(yán)重影響飛行安全。及早地發(fā)現(xiàn)故障并進(jìn)行維護(hù)，在很大程度上提高了直升機(jī)安全性、可靠性和經(jīng)濟(jì)效益。但通過調(diào)研發(fā)現(xiàn)，當(dāng)前直升機(jī)外場(chǎng)維護(hù)主要依賴于維護(hù)人員的經(jīng)驗(yàn)，維護(hù)設(shè)備和技術(shù)手段落后，難以高效、準(zhǔn)確地判斷故障原因以及確定維修方案;直升機(jī)飛行參數(shù)類型繁多，其中蘊(yùn)含了大量的故障信息，目前主要依靠人工分析，缺少自動(dòng)化的技術(shù)分析飛行參數(shù);裝備更新?lián)Q代日益頻繁，維護(hù)人員難以快速掌握設(shè)備狀態(tài)，迫切需要自學(xué)能力強(qiáng)和擴(kuò)展性好的故障診斷系統(tǒng)。因此研究基于飛行參數(shù)的故障診斷系統(tǒng)對(duì)于直升機(jī)具有重要現(xiàn)實(shí)意義。

國(guó)外在故障診斷領(lǐng)域已經(jīng)取得了許多成果，廣泛應(yīng)用于軍用和民用航空領(lǐng)域。而國(guó)內(nèi)直升機(jī)的故障診斷研究和應(yīng)用還處于起步階段。當(dāng)前的研究大都針對(duì)某個(gè)系統(tǒng)或者部件的故障診斷，缺少應(yīng)用于直升機(jī)全機(jī)故障通用化的診斷方案。由于實(shí)際診斷對(duì)象復(fù)雜且各種診斷方法所固有的局限性，無法單獨(dú)應(yīng)用一種診斷方法就完全解決實(shí)際對(duì)象的故障問題。目前故障診斷技術(shù)朝著綜合化的趨勢(shì)發(fā)展，如何有效集成多種診斷方法，發(fā)揮各自的優(yōu)勢(shì)，從而提高整個(gè)診斷系統(tǒng)的綜合性能成為研究的重點(diǎn)。

本文在國(guó)內(nèi)外研究的基礎(chǔ)上，結(jié)合用戶需求調(diào)研提出了基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)方案，研究了智能故障診斷系統(tǒng)的實(shí)現(xiàn)方案和技術(shù)路線。該系統(tǒng)可以提高排故和維護(hù)效率，降低維護(hù)保障費(fèi)用和人員負(fù)擔(dān)，有效改善直升機(jī)的維修保障。

2 故障診斷基本方法

現(xiàn)代故障診斷技術(shù)分為基于解析模型的方法、基于信號(hào)處理的方法和基于知識(shí)的智能診斷方法。本文通過廣泛的調(diào)研發(fā)現(xiàn)各類故障診斷方法在應(yīng)用時(shí)各有優(yōu)劣，總結(jié)如表1所示。

一方面由于當(dāng)前直升機(jī)還存在大量需要依靠專家經(jīng)驗(yàn)和知識(shí)解決的問題，無法通過模型求解獲得，長(zhǎng)期的使用也使得在直升機(jī)領(lǐng)域積累了完備的經(jīng)驗(yàn)和知識(shí);另一方面由于系統(tǒng)故障的多樣，其故障和征兆之間不存在簡(jiǎn)單的——對(duì)應(yīng)關(guān)系，而基于知識(shí)的方法不需要系統(tǒng)的數(shù)學(xué)模型，引入了診斷對(duì)象的多種信息，可以充分利用經(jīng)驗(yàn)和知識(shí)進(jìn)行故障診斷，因此基于知識(shí)的方法在直升機(jī)故障診斷領(lǐng)域具有廣泛的應(yīng)用前景。但是也存在一定的不足，如專家系統(tǒng)缺乏自學(xué)習(xí)能力;神經(jīng)網(wǎng)絡(luò)方法診斷推理過程不能夠解釋，缺乏透明度等等。

為了克服現(xiàn)有故障診斷方法的局限性，常常采用混合故障診斷技術(shù)，可以更加全面地分析直升機(jī)的故障問題，有效提高診斷效率?；谝陨系姆治觯疚耐ㄟ^案例推理和故障樹的方法構(gòu)建知識(shí)庫進(jìn)行故障診斷，既能充分吸收以往案例經(jīng)驗(yàn)，又能夠結(jié)合現(xiàn)有故障樹分析的成果，但是知識(shí)獲取存在較大難度，且自學(xué)能力差;與徑向基神經(jīng)網(wǎng)絡(luò)結(jié)合，可有效解決專家系統(tǒng)的不足，以往的案例和故障樹也可以幫助獲得訓(xùn)練樣本。

3 基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)

3.1 系統(tǒng)總體框架

基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)可以實(shí)現(xiàn)飛行參數(shù)譯碼，可視化顯示飛行過程中飛參的各種變化，故障快速判讀可以全面地分析故障征兆信息，然后進(jìn)行故障診斷分析出故障原因，并據(jù)此給出解決故障的建議，最后將故障分析的結(jié)果顯示給用戶。該系統(tǒng)主要包括數(shù)據(jù)解析、數(shù)據(jù)回放、數(shù)據(jù)庫管理、故障診斷和解釋處理等模塊，總體框架如圖1所示。

數(shù)據(jù)解析模塊接收來自機(jī)載系統(tǒng)采集和處理的數(shù)據(jù)進(jìn)行譯碼，實(shí)現(xiàn)飛行參數(shù)的預(yù)處理。預(yù)處理后的數(shù)據(jù)通過系統(tǒng)數(shù)據(jù)庫管理模塊實(shí)現(xiàn)存儲(chǔ)、查找、刪除等操作，系統(tǒng)數(shù)據(jù)庫管理包括綜合數(shù)據(jù)庫和知識(shí)庫，用戶或者專家可以通過人機(jī)接口不斷擴(kuò)充數(shù)據(jù)庫。數(shù)據(jù)回放模塊可以實(shí)現(xiàn)飛行參數(shù)的可視化，包括飛參曲線顯示、三維視景顯示、駕駛艙儀表顯示再現(xiàn)等，有助于識(shí)別故障信息。故障診斷模塊針對(duì)飛行參數(shù)中包括的故障信息進(jìn)行深入分析，故障快速判讀模塊能夠快速發(fā)現(xiàn)故障征兆，在此基礎(chǔ)上進(jìn)行故障診斷定位出故障原因，給出故障維護(hù)建議。解釋模塊在診斷結(jié)束后將診斷結(jié)果信息匯總后通過人機(jī)接口以診斷報(bào)告的形式顯示給用戶，報(bào)告中記錄每一步的推理過程，相關(guān)解釋和解決方案等，以維護(hù)人員容易理解的方式給出故障診斷的結(jié)果和解決故障的建議。用戶和專家也可以通過人機(jī)接口對(duì)數(shù)據(jù)庫和知識(shí)庫進(jìn)行維護(hù)完善等操作。

3.2 關(guān)鍵模塊研究

3.2.1 數(shù)據(jù)庫管理模塊

系統(tǒng)數(shù)據(jù)庫管理主要存儲(chǔ)系統(tǒng)管理、飛行參數(shù)解析、故障診斷推理和解釋處理所需要的各類數(shù)據(jù)，主要包括綜合數(shù)據(jù)庫和知識(shí)庫2大部分。綜合數(shù)據(jù)庫主要存儲(chǔ)飛參工程值、超限報(bào)告以及存儲(chǔ)推理中間過程和結(jié)論等，解析獲得的飛行參數(shù)工程值需要存儲(chǔ)在以飛參命名的飛參工程值表中;經(jīng)過故障快速判讀獲得的飛參超限信息存儲(chǔ)在超限報(bào)告中;存儲(chǔ)故障診斷推理的中間過程及結(jié)論，可以為用戶提供整個(gè)推理過程的解釋。

知識(shí)庫主要存儲(chǔ)故障診斷的經(jīng)驗(yàn)和知識(shí)，包括飛參閾值判斷表、故障案例庫、故障樹數(shù)據(jù)庫、神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫等。

（1）飛參閾值判斷表是故障快速判讀的主要依據(jù)規(guī)則，記錄了直升機(jī)各個(gè)系統(tǒng)飛參信息包括名稱、作用、類型、來源、故障判據(jù)、故障類型等。

（2）故障案例庫是案例推理CBR方法用到的歷史案例信息，主要包括案例基本信息表、故障征兆表、維修信息表等組成。其中案例基本信息表記錄了故障現(xiàn)象、故障原因分析、診斷結(jié)果、使用頻率等基本信息。故障征兆表記錄了征兆描述、征兆數(shù)據(jù)信息、征兆模糊關(guān)系值、權(quán)重等信息。維修信息表記錄了相關(guān)故障維修步驟信息。

（3）故障樹數(shù)據(jù)庫用于支持基于故障樹的推理，包括故障樹、規(guī)則表、最小割集表等信息。其中故障樹規(guī)則表描述了各個(gè)故障現(xiàn)象和故障樹最小割集表之間的邏輯關(guān)系，本文采用產(chǎn)生式規(guī)則描述規(guī)則表，基本形式是：IFPTHEN Q，規(guī)則的前件P對(duì)應(yīng)于故障樹的最小割集，規(guī)則的后件Q對(duì)應(yīng)于故障樹的頂事件。

（4）神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫存儲(chǔ)神經(jīng)網(wǎng)絡(luò)訓(xùn)練建立的知識(shí)庫，在此基礎(chǔ)上進(jìn)行故障診斷。相較于傳統(tǒng)的知識(shí)表示，神經(jīng)網(wǎng)絡(luò)知識(shí)的表示屬于隱性表示，通過神經(jīng)網(wǎng)絡(luò)描述某個(gè)問題知識(shí)之間的關(guān)聯(lián)，通過訓(xùn)練樣本進(jìn)行訓(xùn)練得到網(wǎng)絡(luò)單元的連接權(quán)值和穩(wěn)定的數(shù)據(jù)中心，并存儲(chǔ)到知識(shí)庫中。

3.2.2 數(shù)據(jù)回放模塊

數(shù)據(jù)回放模塊以飛行數(shù)據(jù)為基礎(chǔ)，通過多種不同形式的回放模式形象地重現(xiàn)飛行數(shù)據(jù)的變化情況。該模塊主要提供飛行參數(shù)查詢、駕駛艙儀表再現(xiàn)、飛參變化曲線圖、三維視景仿真等功能，深入分析直升機(jī)各系統(tǒng)的運(yùn)行情況，為提取故障信息提供支持。某些故障如偶發(fā)性的故障，機(jī)務(wù)人員無法通過單獨(dú)的某個(gè)飛參值來判斷故障與否，而飛參變化曲線圖完整地描述了飛行過程中相關(guān)設(shè)備的運(yùn)行狀態(tài)變化，可為故障判斷提供更多有用信息。駕駛艙中儀表和告警數(shù)據(jù)最為豐富，駕駛艙儀表再現(xiàn)提供重要儀表告警數(shù)據(jù)的再現(xiàn)功能，便于地面維護(hù)人員準(zhǔn)確地判斷可能故障及其原因和維修決策。三維視景仿真動(dòng)態(tài)模擬起飛、降落等事故高發(fā)的飛行階段，結(jié)合提供的飛機(jī)姿態(tài)、位置、駕駛艙儀表等飛行參數(shù)信息，機(jī)務(wù)人員可以直觀地發(fā)現(xiàn)飛行過程中出現(xiàn)的各種飛行問題和故障現(xiàn)象。

3.2.3 故障診斷模塊

本文根據(jù)BIT、飛行故障字等信息和基于飛參閾值的故障判讀獲得準(zhǔn)確完備的故障征兆，在此基礎(chǔ)上進(jìn)行故障診斷定位故障原因，通過基于案例推理和故障樹的專家系統(tǒng)借鑒歷史經(jīng)驗(yàn)和知識(shí)進(jìn)行故障診斷;若未能解決，則通過RBF神經(jīng)網(wǎng)絡(luò)的方法通過一定的學(xué)習(xí)和訓(xùn)練實(shí)現(xiàn)故障診斷，最后將故障診斷結(jié)果以案例的形式存儲(chǔ)在知識(shí)庫中進(jìn)行完善。故障診斷總體流程如圖2所示。

（1）故障快速判讀。故障快速判讀可以快速發(fā)現(xiàn)直升機(jī)故障征兆信息，為進(jìn)一步的故障診斷提供輸入。首先根據(jù)維護(hù)BIT數(shù)據(jù)、直升機(jī)飛行后的故障字信息以及空/地勤反饋的情況，可以得到部分系統(tǒng)部件故障信息。其次根據(jù)譯碼后的飛行參數(shù)數(shù)據(jù)，與不同類型飛行參數(shù)閾值進(jìn)行比對(duì)得到飛參故障快速判讀結(jié)果，判斷是否有飛參超限和超限事件發(fā)生，將其存放到超限報(bào)告中。維護(hù)人員收集各個(gè)系統(tǒng)BIT、故障字等信息，結(jié)合飛行參數(shù)可視化顯示、超限報(bào)告分析出全面準(zhǔn)確的故障征兆信息，并將其存儲(chǔ)到數(shù)據(jù)庫。

以旋翼轉(zhuǎn)速為例，定義旋翼轉(zhuǎn)速的飛參判據(jù)為“295

（2）基于案例推理和故障樹專家系統(tǒng)。通過對(duì)關(guān)鍵飛行參數(shù)的分析獲得故障征兆信息，首先進(jìn)行案例庫的檢索，如果在案例庫中發(fā)現(xiàn)匹配案例，則對(duì)案例進(jìn)行調(diào)整;如果沒有發(fā)現(xiàn)匹配的案例，則可結(jié)合故障征兆，執(zhí)行基于故障樹故障診斷推理流程。實(shí)施流程如圖3所示。

1.基于案例推理的故障診斷?；诎咐评淼膶＜蚁到y(tǒng)可以通過對(duì)過去類似案例的檢索，來實(shí)現(xiàn)快速的故障診斷。通過對(duì)關(guān)鍵飛行參數(shù)的分析獲得故障征兆和故障現(xiàn)象，根據(jù)案例屬性進(jìn)行加權(quán)計(jì)算獲得新故障問題與各個(gè)案例庫中的案例的匹配程度一即相似度，給出相似度D于規(guī)定閥值λ的相似案例集;如果在案例庫中發(fā)現(xiàn)匹配案例，則開始對(duì)案例進(jìn)行調(diào)整，來實(shí)現(xiàn)快速的故障診斷，并直接給出完整的處理包括案例描述、詳細(xì)故障原因分析、故障征兆詳細(xì)描述、維修處理措施等。

2.基于故障樹的故障診斷。若調(diào)整后的案例不能夠解決當(dāng)前的故障問題，則需要轉(zhuǎn)入基于故障樹推理過程。基于故障樹的故障診斷常常用于診斷直升機(jī)各個(gè)系統(tǒng)的偶發(fā)故障。通過故障征兆和故障信息確定出故障現(xiàn)象即頂事件，根據(jù)故障樹規(guī)則表找出頂事件所有的最小割集的集合，然后依據(jù)重要度對(duì)最小割集進(jìn)行故障檢測(cè)，找出發(fā)生的故障并給出維修和處理措施，最后將診斷結(jié)果以案例的形式存儲(chǔ)到故障案例數(shù)據(jù)庫中完善知識(shí)庫。最小割集可以幫助人們發(fā)現(xiàn)系統(tǒng)的最薄弱環(huán)節(jié)，以便于有針對(duì)性、有目標(biāo)的進(jìn)行故障診斷，提高診斷的快捷性和準(zhǔn)確性。

（3）基于RBF神經(jīng)網(wǎng)絡(luò)故障診斷。針對(duì)基于案例推理和故障樹的專家系統(tǒng)無法識(shí)別的故障，采用徑向基神經(jīng)網(wǎng)絡(luò)的故障診斷方法。實(shí)施流程如圖4所示。

RBF神經(jīng)網(wǎng)絡(luò)方法包括輸入層、隱層和輸出層，各層之間的連接賦予其不同的權(quán)值，通過一定的學(xué)習(xí)和訓(xùn)練，確定出網(wǎng)絡(luò)單元的連接權(quán)值和穩(wěn)定的數(shù)據(jù)中心，然后接受外部輸入并通過隱層處理便可獲得期望的輸出。該方法首先需要通過已知的訓(xùn)練樣本進(jìn)行訓(xùn)練，選取合適的方法如采用梯度下降法、自適應(yīng)學(xué)習(xí)速率法等修正各單元的權(quán)值，并確定穩(wěn)定的數(shù)據(jù)中心，直到達(dá)到設(shè)定的訓(xùn)練次數(shù)或者結(jié)果的準(zhǔn)確率。訓(xùn)練樣本也可以通過故障樹中故障與最小割集的邏輯關(guān)系來構(gòu)建;然后利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)給定的征兆集進(jìn)行處理，找出征兆集和故障集之間非線性映射關(guān)系實(shí)現(xiàn)故障診斷。當(dāng)輸入信號(hào)靠近徑向基函數(shù)的數(shù)據(jù)中心時(shí)，經(jīng)過加權(quán)將有較大的輸出;若遠(yuǎn)離則取0或者較小值;如果期望結(jié)果誤差較大，則返回隱層處理調(diào)整數(shù)據(jù)中心和權(quán)值，直至滿足要求。

4 總結(jié)

本文根據(jù)國(guó)內(nèi)直升機(jī)外場(chǎng)維護(hù)調(diào)研，提出了基于飛行參數(shù)的直升機(jī)智能故障診斷系統(tǒng)方案，通過挖掘飛行參數(shù)中的信息準(zhǔn)確全面地識(shí)別故障征兆，然后通過基于案例推理和故障樹的專家系統(tǒng)以及RBF神經(jīng)網(wǎng)絡(luò)的綜合故障診斷方法對(duì)各類故障進(jìn)行智能診斷和處理。針對(duì)外場(chǎng)維護(hù)過程中故障診斷和維護(hù)效率低、故障分析自學(xué)能力差、飛行參數(shù)利用率不高的問題，該方案提供了有益的思路，通過綜合多種故障診斷方法實(shí)現(xiàn)各個(gè)方法之間的優(yōu)勢(shì)互補(bǔ)，相較于單個(gè)方法可以更加有效地進(jìn)行故障診斷。該系統(tǒng)的研究將有助于直升機(jī)的故障診斷系統(tǒng)的設(shè)計(jì)，為在直升機(jī)故障診斷的深入研究和應(yīng)用奠定基礎(chǔ)。但是直升機(jī)故障的快速診斷依賴于知識(shí)庫，未來還需要不斷的收集完善;當(dāng)前故障診斷技術(shù)越來越多地朝著綜合化的方向發(fā)展，還需要根據(jù)直升機(jī)的特點(diǎn)深入研究故障診斷技術(shù)如何更好地結(jié)合。

參考文獻(xiàn)

[1]姚曜，周新力，宋斌斌.直升機(jī)飛行參數(shù)綜合處理軟件設(shè)計(jì)研究[J].煙臺(tái)：海軍航空工程學(xué)院學(xué)報(bào)，2006.

[2]韓兵，賈會(huì)琰，陳宇.美軍旋轉(zhuǎn)冀飛機(jī)預(yù)測(cè)性維修中的狀態(tài)監(jiān)測(cè)和數(shù)據(jù)分析技術(shù)[J].航空維修與工程，2016（04）.

[3]Felix T.S.Chan.Application of ahybrid Case-based reasoning approachin electroplating industry.ExpertSystem，2005.

[4]吳娉娉，惠曉濱.直升機(jī)旋翼狀態(tài)監(jiān)測(cè)與智能故障診斷系統(tǒng)設(shè)計(jì)[J].西安：火力與指揮控制，2012（09）.

[5]徐英帥，王細(xì)洋，孫偉，胡貴鋒.直升機(jī)動(dòng)力傳動(dòng)系統(tǒng)故障診斷方法[J].南昌：失效分析與預(yù)防，2012（04）.

[6]張鵬，黃金泉.基于雙重卡爾曼濾波器的發(fā)動(dòng)機(jī)故障診斷[J].南京：航空動(dòng)力學(xué)報(bào)，2008（05）.

[7]金小強(qiáng)，李新民，陳煥等.基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)自動(dòng)傾斜器軸承故障診斷方法[J].南京航空航天大學(xué)學(xué)報(bào)，2016.

[8]J.J.Gill.Lessons Learned from Rotaryand Fixed-wing HUMS Applications.2000 IEEE Aerospace conferenceProceeding，2000.

[9]朱大奇，于盛林.基于知識(shí)的故障診斷方法綜述[J].馬鞍山：安徽工業(yè)大學(xué)學(xué)報(bào)，2002（07）.

[10]李洪寧.基于CBR與PTA的飛機(jī)故障診斷專家系統(tǒng)的研究與設(shè)計(jì)[J].青島：青島科技大學(xué)，2012.

[11]楊興.通用性故障診斷專家系統(tǒng)平臺(tái)的研制—人工神經(jīng)網(wǎng)絡(luò)信息融合方法[J].鎮(zhèn)江：江蘇大學(xué)，2007.

[12]卿立勇.基于飛行數(shù)據(jù)的飛機(jī)故障預(yù)測(cè)與故障診斷系統(tǒng)研究[J].南京：南京航空航天大學(xué)，2007.