基于分層多信號流圖的飛機(jī)空調(diào)系統(tǒng)故障診斷

孫 智， 孫建紅， 李冰月， 張雪楓

(1.南京航空航天大學(xué)航空宇航學(xué)院 南京，210016) (2.沈陽飛機(jī)設(shè)計(jì)研究所 沈陽，110035)

引 言

隨著我國航空航天技術(shù)的不斷發(fā)展，通用航空得到了更多關(guān)注，飛機(jī)數(shù)量不斷增加，但維護(hù)技術(shù)相對滯后，如何利用新技術(shù)保障飛行安全越來越被關(guān)注。另一方面，隨著航空母艦的服役以及艦載機(jī)需求的增加，如何在遠(yuǎn)海狀態(tài)下對飛機(jī)及時進(jìn)行故障預(yù)測，并在出現(xiàn)故障時快速進(jìn)行故障診斷，從而提高飛機(jī)的作戰(zhàn)效率越來越被關(guān)注。飛機(jī)空調(diào)系統(tǒng)為飛機(jī)航電設(shè)備的正常工作以及飛行員的生命安全提供著重要保障，因此飛機(jī)空調(diào)系統(tǒng)的故障預(yù)測、診斷及排除顯得至關(guān)重要。

近年來，國內(nèi)外學(xué)者針對飛機(jī)環(huán)控系統(tǒng)故障進(jìn)行了一定的研究。Price[1]對飛機(jī)環(huán)控系統(tǒng)結(jié)構(gòu)原理進(jìn)行了詳細(xì)介紹，并運(yùn)用模糊控制的方法對環(huán)控系統(tǒng)進(jìn)行故障診斷研究。Laster等[2]運(yùn)用專家系統(tǒng)的方法對飛機(jī)環(huán)控系統(tǒng)進(jìn)行了故障診斷研究。危虹等[3]用故障模式、影響和危害性分析(failure mode, effects and criticality analysis，簡稱FMECA)和故障樹分析(fault tree analysis，簡稱FTA)分析方法，針對飛機(jī)空調(diào)系統(tǒng)的設(shè)計(jì)過程，結(jié)合可靠性鑒定試驗(yàn)，提出了環(huán)控系統(tǒng)中非指數(shù)分布的產(chǎn)品的可靠性指標(biāo)評價(jià)方法。趙俊茹[4]針對飛機(jī)空調(diào)系統(tǒng)的各主要部件進(jìn)行了仿真研究和故障診斷，采用了參數(shù)估計(jì)、專家系統(tǒng)和基于觀測器的故障診斷方法。何杰等[5]對飛機(jī)換熱器故障進(jìn)行了故障診斷仿真研究。賈寶惠等[6]采用故障樹方法對某型飛機(jī)空調(diào)系統(tǒng)常見故障進(jìn)行了分析。李冰月等[7]采用FMECA和故障數(shù)值仿真相結(jié)合的方法，對機(jī)載空調(diào)系統(tǒng)進(jìn)行了FMECA分析和故障仿真。王輝等[8]利用民機(jī)空調(diào)系統(tǒng)故障的大量統(tǒng)計(jì)數(shù)據(jù)，采用時間序列算法對飛機(jī)空調(diào)系統(tǒng)故障進(jìn)行預(yù)測，發(fā)現(xiàn)該方法對空調(diào)系統(tǒng)故障的短期預(yù)測良好，但不能精確到具體的故障位置。

對于飛機(jī)空調(diào)系統(tǒng)故障檢測目前普遍存在的問題是故障檢測率低和故障隔離效果差，缺少一種基于多信號流的分析辦法。多信號流圖的方法[9]是采用關(guān)聯(lián)矩陣表現(xiàn)故障與信號之間的檢測關(guān)系，對故障診斷有較好的檢測和隔離性，被廣泛應(yīng)用在電子雷達(dá)和航空航天等領(lǐng)域。李登等[10]對某型艦載短波綜合通信系統(tǒng)(high frequency integrated communication system，簡稱HFICS)進(jìn)行了多信號建模和測試性分析，發(fā)現(xiàn)該方案提高了該型裝備的測試性水平，同時對其他復(fù)雜電子裝備的測試性設(shè)計(jì)具有一定的指導(dǎo)作用。胡泊等[11]采用多信號流軟件TEAMS對某型柴油機(jī)系統(tǒng)進(jìn)行了仿真測試，驗(yàn)證了該方法對復(fù)雜設(shè)備故障檢測的可行性。秦文娟等[12]提出了一種基于TEAMS軟件的空空導(dǎo)彈系統(tǒng)測試性建模方法，并將其應(yīng)用于某型空空導(dǎo)彈伺服系統(tǒng)，驗(yàn)證了該方法的可行性和有效性。方甲永等[13]針對導(dǎo)彈系統(tǒng)電子設(shè)備系統(tǒng)故障診斷精度低和虛警高等問題，采用多信號流圖模型獲取貝葉斯網(wǎng)絡(luò)，采用后驗(yàn)概率推理對某型導(dǎo)彈制導(dǎo)電子部件進(jìn)行了故障診斷。文獻(xiàn)[14]在FMECA分析的基礎(chǔ)上，采用多信號流圖方法對航天器的電力系統(tǒng)進(jìn)行了故障檢測。文獻(xiàn)[15]面向新一代飛機(jī)機(jī)電系統(tǒng)的故障，指出了故障模型和分析方法等方面的需求，提出了多信號流軟件TEAMS在EMAs故障預(yù)測與健康管理的應(yīng)用。文獻(xiàn)[16]采用多信號流圖方法對獵戶座飛行試驗(yàn)數(shù)據(jù)相關(guān)的故障進(jìn)行了故障診斷，并針對航天的相關(guān)特性改進(jìn)了其推理機(jī)。朱海鵬等[17]采用TEAMS軟件對機(jī)載燃油測量系統(tǒng)進(jìn)行了測試性設(shè)計(jì)，針對結(jié)果對系統(tǒng)進(jìn)行了改進(jìn)。李冰月[18]采用多信號流模型對民機(jī)中央維護(hù)系統(tǒng)中的故障問題進(jìn)行診斷，發(fā)現(xiàn)該方法可以有效解決機(jī)載系統(tǒng)的關(guān)聯(lián)故障。

已有關(guān)于飛機(jī)空調(diào)系統(tǒng)故障的研究大部分只進(jìn)行了定性的分析，定量的分析較少，特別是機(jī)載空調(diào)系統(tǒng)和多信號流圖方法相結(jié)合的研究十分有限。筆者在對飛機(jī)空調(diào)系統(tǒng)各元部件進(jìn)行FMECA分析的基礎(chǔ)上，采用多信號流圖方法對某型機(jī)載空調(diào)系統(tǒng)進(jìn)行了建模與分析，闡述了飛機(jī)空調(diào)系統(tǒng)多信號流圖的建模分析方法，并對系統(tǒng)進(jìn)行了故障分析。在此基礎(chǔ)上對系統(tǒng)的故障檢測率和故障隔離率對系統(tǒng)進(jìn)行了改進(jìn)，發(fā)現(xiàn)改進(jìn)后系統(tǒng)的故障檢測率和故障隔離率顯著提高。

1 多信號流圖方法

1.1 分層多信號流圖模型

分層多信號流圖模型是通過對系統(tǒng)每一部件的信息流向和測試點(diǎn)的測試信號進(jìn)行分析判斷，在系統(tǒng)模型的基礎(chǔ)上確定故障和測試信號間的關(guān)聯(lián)關(guān)系，從而實(shí)現(xiàn)故障診斷的一種故障診斷方法。模型主要包括以下元素：系統(tǒng)元件集C={c1,c2,…,cn}；系統(tǒng)與故障源相關(guān)的獨(dú)立信號特征集S={s1,s2,…,sm}；系統(tǒng)的有限測試集T={t1,t2,…,tl}；系統(tǒng)的r維測試點(diǎn)集TP={tp1,tp2,…,tpr}；每個測點(diǎn)對應(yīng)的測試集SP(tpi)；每個故障源對應(yīng)的信號集SC(ci)；每個測試檢測的信號集ST(ti)；系統(tǒng)多信號流圖DG={C,TP,E}，其中有向圖的邊E為系統(tǒng)的信號流向。

1.2 故障關(guān)聯(lián)矩陣

在多信號流圖模型中，系統(tǒng)的故障與測試信號之間的關(guān)聯(lián)關(guān)系可以表示為

(1)

式(1)為多信號流圖的故障關(guān)聯(lián)矩陣，是一個二值矩陣，每一行代表一個故障源，每一列代表一個測試。值為1代表故障能夠被檢測，值為0代表故障不能被檢測。例如：dij=1，表示第i個測試能夠檢測到第j個故障源的故障；dij=0，表示第i個測試無法檢測到第j個故障源的故障。故障關(guān)聯(lián)矩陣通過遍歷模型圖的方式獲得，即通過對分層多信號流模型的參數(shù)及所有節(jié)點(diǎn)之間的連接關(guān)系進(jìn)行讀取，并結(jié)合節(jié)點(diǎn)之間的信號關(guān)聯(lián)關(guān)系生成相關(guān)關(guān)聯(lián)矩陣。

2 飛機(jī)空調(diào)系統(tǒng)故障建模

某型飛機(jī)的空調(diào)系統(tǒng)如圖1所示。根據(jù)系統(tǒng)結(jié)構(gòu)可以將系統(tǒng)分為部件級故障和元件級故障。例如，單向活門、壓力調(diào)節(jié)器、熱交換器、水分離器、渦輪、溫度調(diào)節(jié)器和流量調(diào)節(jié)器等故障屬于部件級故障。每個部件故障又可以細(xì)分為多個元件級故障。例如，熱交換器故障可以分為熱邊進(jìn)口封頭組件故障、熱邊出口封頭組件故障、冷邊進(jìn)口封頭組件故障、冷邊出口封頭組件故障、芯體組件故障和支架組件故障等元件級故障。某型飛機(jī)空調(diào)系統(tǒng)的分層結(jié)構(gòu)如圖2所示。

圖1 某型飛機(jī)空調(diào)系統(tǒng)圖Fig.1 Schematic diagram of simple air conditioning system in aircraft

根據(jù)多信號流圖基本原理，某型飛機(jī)空調(diào)系統(tǒng)故障多信號流圖模型的主要要素如下。

1) 系統(tǒng)故障源集C={c1,c2,…,c15}，其中，c1～c15分別為發(fā)動機(jī)引氣單向活門01、發(fā)動機(jī)引氣壓力調(diào)節(jié)器、空氣-空氣熱交換器、空氣燃油熱交換器、高壓水分離器、大渦輪、小渦輪、低壓水分離器、座艙供氣單向活門02、座艙供氣單向活門03、 電子艙供氣單向活門04、 電子艙供氣流量調(diào)節(jié)器、 小渦輪關(guān)斷活門、渦輪出口溫度流量調(diào)節(jié)器01、座艙供氣溫度流量調(diào)節(jié)器02。

圖2 飛機(jī)空調(diào)系統(tǒng)分層結(jié)構(gòu)Fig.2 The layered structure of aircraft air conditioning system

2) 系統(tǒng)與故障源相關(guān)的獨(dú)立信號特征集S={s1,s2,…,s16}，其中，s1～s16分別為系統(tǒng)供氣溫度升高、系統(tǒng)供氣溫度降低、部件出口溫度升高、溫度不變無法調(diào)節(jié)、壓力升高、壓力降低、部件進(jìn)出口壓差減小、部件進(jìn)出口壓差增大、壓力不變無法調(diào)節(jié)、壓力振蕩(系統(tǒng)不穩(wěn)定)、流量增大、流量減小、流量損失(出口流量小于進(jìn)口流量)、流量為0、回流(流量小于0)、含濕量增大。

3) 系統(tǒng)的16維有限測試集T={t1,t2,…,t16}，測試集的各測試內(nèi)容及測試異常響應(yīng)如表1所示。

4) 系統(tǒng)的11維測試點(diǎn)集TP={tp1,tp2,…,tp11}。

5) 每個測點(diǎn)對應(yīng)的測試集SP(tpi)={SP1,SP2,…,SP11}。

6) 每個故障源對應(yīng)的信號集SC(ci)= {sc1,sc2,…,sc15}。

7) 每個測試檢測的信號集ST(ti)= {st1,st2,…,st16}。

根據(jù)上述多信號流要素、機(jī)載空調(diào)系統(tǒng)的工作原理及各元、部件之間的輸入輸出信號關(guān)系，建立如圖3所示的多信號流圖故障分析模型。系統(tǒng)中的各底層元件故障發(fā)生概率由FMEA分析得到。關(guān)斷活門的FMEA分析數(shù)據(jù)如表2所示，其他各部件的FMEA分析數(shù)據(jù)參見文獻(xiàn)[7]和文獻(xiàn)[18]。

表1 飛機(jī)空調(diào)系統(tǒng)測試集Tab.1 The test set of aircraft air conditioning system

表2 關(guān)斷活門FMEA表Tab.2 The FMEA data of shut-off valve component

圖3 飛機(jī)空調(diào)系統(tǒng)多信號流仿真模型Fig.3 The multi-signal flow model of aircraft air conditioning system

3 飛機(jī)空調(diào)系統(tǒng)故障診斷分析

通過對飛機(jī)空調(diào)系統(tǒng)的分層多信號流模型進(jìn)行仿真分析，得到各故障源與測點(diǎn)之間的檢測與被檢測關(guān)系，其關(guān)聯(lián)矩陣如表3所示。表中值為1表示該故障能夠被該測點(diǎn)檢測，值為0表示該故障不能被該測點(diǎn)檢測。如測點(diǎn)3可以檢測到部件1和部件2的故障，而不能檢測到其他部件的故障。通過表3可以發(fā)現(xiàn)，前面幾個部件的故障可以很容易被檢測，而對于編號靠后的部件的故障難以被檢測到，因此可以通過在相關(guān)位置增加測點(diǎn)、改善故障-測試的關(guān)聯(lián)性，從而提高飛機(jī)空調(diào)系統(tǒng)的故障診斷能力。同時，根據(jù)這種關(guān)聯(lián)關(guān)系可以確定出某一檢測異常時各故障源可能出現(xiàn)故障的情況。故障的優(yōu)先級和診斷優(yōu)先順序可采用故障樹的形式表示出來，如圖4所示。當(dāng)飛機(jī)空調(diào)系統(tǒng)座艙供氣溫度發(fā)生故障時，首先需檢查測點(diǎn)5，即空氣-燃油熱交換器出口參數(shù)是否正常，如果正常再去檢查測點(diǎn)7的參數(shù)，如果不正常則去檢查測點(diǎn)4的參數(shù)。根據(jù)故障診斷樹依次類推，直到找到故障源為止。選取故障檢測率和故障隔離率兩個關(guān)鍵指標(biāo)對飛機(jī)空調(diào)系統(tǒng)故障進(jìn)行分析。

故障檢測率(fault detection rate，簡稱FDR)是指一定條件下，通過一定的檢測手段正確檢測的故障數(shù)與故障總數(shù)之比，其計(jì)算式為

(2)

故障隔離率(fault isolation rate，簡稱FIR)是指在一定條件下，通過一定的方法將檢測到的故障正確隔離到不大于規(guī)定模糊度的故障數(shù)與檢測到的故障數(shù)之比，其計(jì)算式可表示為

(3)

通過對某型機(jī)載空調(diào)系統(tǒng)的分層多信號流模型的故障分析可知，系統(tǒng)共有15個部件級的故障源，有175個底層元件級故障源。采用11個檢測點(diǎn)進(jìn)行檢測，系統(tǒng)的平均失效時間約為180h， 故障檢測率為91.4%，系統(tǒng)部件級的故障隔離率為85.5%，系統(tǒng)底層元件級故障源的故障隔離率僅為32.9%。各部件的故障檢測率和故障隔離率如表4所示。

表3 飛機(jī)空調(diào)系統(tǒng)多信號流故障-測試關(guān)聯(lián)矩陣Tab.3 The fault-test dependency matrix for multi-signal flow of air conditioning system

圖4 飛機(jī)空調(diào)系統(tǒng)故障診斷樹Fig.4 The fault diagnosis tree for aircraft air conditioning system

表4飛機(jī)空調(diào)系統(tǒng)多層故障模型各部件FDR/FIR表

Tab.4TheFDR/FIRofcomponentfaultmodelinaircraftairconditioningsystem

序號系統(tǒng)部件故障檢測率故障隔離率1單向活門011．0001．0002壓力調(diào)節(jié)器0．1780．1653熱交換器G?G0．6080．4454熱交換器G?L0．6070．4445高壓除水器9．16×10-60．0006大渦輪010．9990．0007小渦輪020．9990．0008低壓除水器9．16×10-60．0799單向活門021．0000．00010單向活門031．0000．00011單向活門040．0730．95212流量調(diào)節(jié)器031．0000．00013關(guān)斷活門0．4080．65614溫度流量調(diào)節(jié)器010．9980．99915溫度流量調(diào)節(jié)器020．9980．998

通過表4發(fā)現(xiàn)，壓力調(diào)節(jié)器、高壓除水器、低壓除水器和單向活門04等部件的故障檢測率較低。同時，對于壓力調(diào)節(jié)器、高壓除水器、大小渦輪、單向活門02、單向活門03和流量調(diào)節(jié)器03等部件的故障隔離率較低，特別是大小渦輪等部件的故障隔離率為0，因此在故障診斷中難以對其進(jìn)行故障隔離。為了改善飛機(jī)空調(diào)系統(tǒng)的故障檢測率和故障隔離率，需要增加一定的測點(diǎn)來改善系統(tǒng)的故障診斷效率。考慮到增加測點(diǎn)的經(jīng)濟(jì)性與測量的實(shí)效性，這里僅對幾個關(guān)鍵部件進(jìn)行改進(jìn)。在飛機(jī)空調(diào)系統(tǒng)中，渦輪的故障率是最高的。研究表明，渦輪的故障率約占整個系統(tǒng)的61.8%[7]。因此，首先對系統(tǒng)中的大小渦輪增加溫度測點(diǎn)， 再結(jié)合表2的故障檢測和故障隔離結(jié)果，對壓力調(diào)節(jié)器、高壓除水器和流量調(diào)節(jié)器03等部件增加5個檢測點(diǎn)。改進(jìn)后的多信號流故障分析系統(tǒng)的故障檢測率從91.4%提高到100%，系統(tǒng)底層故障源的故障隔離率從32.9%提高到83.9%，大大提高了系統(tǒng)的故障檢測維修效率。

4 結(jié)束語

筆者在對某型飛機(jī)空調(diào)系統(tǒng)各部件進(jìn)行FMEA分析的基礎(chǔ)上，采用分層多信號流圖方法對飛機(jī)空調(diào)系統(tǒng)進(jìn)行了故障診斷與分析。通過研究給出了系統(tǒng)各故障源與檢測點(diǎn)之間的關(guān)聯(lián)矩陣，得出了空調(diào)系統(tǒng)的故障診斷樹，為飛機(jī)空調(diào)系統(tǒng)故障診斷與故障維修提供了一定的基礎(chǔ)。同時，研究發(fā)現(xiàn)該方法能夠?qū)︼w機(jī)空調(diào)系統(tǒng)的各故障進(jìn)行診斷和隔離，其系統(tǒng)的故障檢測率為91.4%，故障隔離率為32.9%。另外，通過增加渦輪、除水器等部件的檢測點(diǎn)的方法，對飛機(jī)空調(diào)系統(tǒng)分層多信號流故障模型進(jìn)行改進(jìn)，改進(jìn)后的系統(tǒng)可以使飛機(jī)空調(diào)系統(tǒng)的故障檢測率提高到100%，故障隔離率提高到83.9%，大大提高了系統(tǒng)的故障診斷和維修效率。

[1] Price D. Thermal management of military fighter aircraft electro-optics pod: an invited paper[C]∥Semiconductor Thermal Measurement & Management Symposium. [S.l.]:IEEE,2003: 341-350.

[2] Laster J P,Maxwell M J,Garner J E.Proven dynamic modeling techniques for concurrent design and analysis of ECS controllers [J].SAE Transactions,1990,99(1):520-536.

[3] 危虹, 王浚. 飛機(jī)環(huán)控系統(tǒng)可靠性設(shè)計(jì)與評價(jià)[J]. 航空學(xué)報(bào), 1998(2): 224-227.

Wei Hong, Wang Jun. Aircraft ECS reliability design and evalution[J]. Acta Aeronautica et Astronautica Sinica, 1998(2): 224-227. (in Chinese)

[4] 趙俊茹. 飛機(jī)環(huán)境控制系統(tǒng)的故障診斷研究[D]. 西安：西北工業(yè)大學(xué), 2005.

[5] 何杰, 朱磊, 趙競?cè)? 飛機(jī)換熱器故障診斷仿真研究[J]. 計(jì)算機(jī)仿真, 2012(7): 65-69.

He Jie, Zhu Lei, Zhao Jingquan. Research on simulation of fault diagnosis of aircraft heat exchangers[J]. Comouter Simulation, 2012(7):65-69. (in Chinese)

[6] 賈寶惠, 高蕾, 杜宜東. 基于FTA的飛機(jī)空調(diào)系統(tǒng)安全性分析[J]. 航空維修與工程, 2010(3): 74-76.

Jia Baohui, Gao Lei, Du Yidong. Air conditioning system safety analysis of aircraft based on FTA[J]. Aviation Maintenance & Engineering, 2010(3): 74-76. (in Chinese)

[7] 李冰月, 孫建紅, 劉海港, 等. 基于FMEA的飛機(jī)空調(diào)系統(tǒng)故障診斷與仿真[J]. 振動、測試與診斷, 2017, 37(3): 588-595.

Li Bingyue, Sun Jianghong, Liu Haigang, et al. Fault diagnosis and simulation of aircraft air conditioning system based on FMEA[J]. Journal of Vibration, Measurement & Diagnosis, 2017, 37(3): 588-595. (in Chinese)

[8] 王輝, 齊亞東. 飛機(jī)空調(diào)系統(tǒng)頻發(fā)故障模型構(gòu)建及預(yù)測[J]. 航空維修與工程, 2017(3):39-43.

Wang Hui, Qi Yadong. ModeIing and forecasting frequent fauIt of aircraft air conditioning system[J]. Aviation Maintenance & Engineering, 2017(3): 39-43. (in Chinese)

[9] Deb S, Pattipati K R, Raghavan V, et al. Multi-signal flow graphs: a novel approach for system testability analysis and fault diagnosis[J]. IEEE Aerospace and Electronic Systems Magazine, 1994, 10(5):14-25.

[10] 李登, 尹亞蘭, 萬福, 等. 基于TEAMS的短波綜合通信系統(tǒng)多信號建模與分析[J]. 電子測量技術(shù), 2013, 36(11): 124-127.

Li Deng, Yin Yalan, Wan Fu, et al. Multi-sigal modeling and analysis of HFICS based on TEAMS[J]. Electronic Measurement Technology, 2013, 36(11): 124-127. (in Chinese)

[11] 胡泊, 常少莉. 基于TEAMS的測試性仿真技術(shù)與應(yīng)用研究[J]. 計(jì)算機(jī)測量與控制, 2013, 21(6): 1434-1436.

Hu Bo, Chang Shaoli. Research of testability simulation technology and application based on TEAMS[J]. Computer Measurement & Control, 2013, 21(6):1434-1436. (in Chinese)

[12] 秦文娟, 王魁. 基于TEAMS軟件的空空導(dǎo)彈測試性建模方法[J]. 彈箭與制導(dǎo)學(xué)報(bào), 2011, 31(5):44-46.

Qin Wenjuan, Wang Kui. The research on testability modeling method of air-to-air missile based on TEAMS[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2011, 31(5): 44-46. (in Chinese)

[13] 方甲永, 肖明清, 王學(xué)奇, 等. 測試不可靠條件下多故障診斷方法[J]. 北京航空航天大學(xué)學(xué)報(bào), 2011, 37(4): 433-438.

Fang Jiayong, Xiao Mingqing, Wang Xueqi, et al. Multiple fault diagnosis method with unreliable test[J]. Journal of Beijing University of Aeronautics and Astronautics, 2011, 37(4): 433-438. (in Chinese)

[14] Dai Zehua, Wang Li, Yang Shanshui, et al. Multi-signal model in application of spacecraft power system testability[C]∥AIAA Aviation Forum. Washington, D C: AIAA, 2016: 4138-4144.

[15] Azam M,Ghoshal S,Bell J,et al. Prognostics and health management (PHM) of electromechanical actuation (EMA) systems for next-generation aircraft[C]∥Guidance, Navigation, and Control and Co-located Conferences. Boston： AIAA, 2013：5138-5151.

[16] Aaseng G B, Barszcz E, Valdez H, et al. Scaling up model-based diagnostic and fault effects reasoning for spacecraft[C]∥American Institute of Aeronautics and Astronautics, Space Forum. Pasadena, California：AIAA, 2015: 4465-4485.

[17] 朱海鵬, 景博, 楊洲, 等. 基于TEAMS的機(jī)載燃油測量系統(tǒng)測試性設(shè)計(jì)[J]. 電子測量技術(shù), 2012, 35(7): 12-16.

Zhu Haipeng, Jing Bo, Yang Zhou, et al. Airborne fuel measuring system testability analysis based on TEAMS[J]. Electronic Measurement Technology, 2012, 35(7): 12-16. (in Chinese)

[18] 李冰月. 基于FMECA和FTA的機(jī)載制冷系統(tǒng)故障分析[D]. 南京：南京航空航天大學(xué)，2016.