基于QAR數(shù)據(jù)的民用飛機(jī)故障預(yù)測及驗(yàn)證

熊毅234房紅征234

(1.上海飛機(jī)客戶服務(wù)有限公司，上海 200241; 2.北京航天測控技術(shù)有限公司，北京 100041;3.北京市高速交通工具智能診斷與健康管理重點(diǎn)實(shí)驗(yàn)室，北京 100041;4.裝備全壽命周期狀態(tài)監(jiān)測與健康管理技術(shù)與應(yīng)用國家地方聯(lián)合工程研究中心，北京 100041)

0 引言

飛機(jī)飛行過程中產(chǎn)生成百上千種飛行參數(shù)和數(shù)量龐大的飛行數(shù)據(jù)，但是目前這些數(shù)據(jù)并沒有得到充分有效的利用，飛機(jī)的維修還處在以定期維修和事后維修為主的階段。隨著航空技術(shù)的不斷發(fā)展，利用飛行數(shù)據(jù)進(jìn)行故障預(yù)測，轉(zhuǎn)變民機(jī)維修模式向視情維修發(fā)展變得越來越有必要。

目前，國內(nèi)外各大航空公司正在使用的民機(jī)故障預(yù)測方法主要有以下3種：傳統(tǒng)模式，飛機(jī)通信尋址報(bào)告系統(tǒng)(aircraft communication addressing and reporting system，ACARS)報(bào)文模式以及快速存取記錄器(quick access recorder，QAR)數(shù)據(jù)模式[1-3]。傳統(tǒng)的民機(jī)故障預(yù)測技術(shù)主要根據(jù)飛機(jī)維修日志和記錄數(shù)據(jù)進(jìn)行整理和分析，結(jié)合工程師經(jīng)驗(yàn)和飛機(jī)故障原理和特點(diǎn)，預(yù)測系統(tǒng)故障的發(fā)生[4]。這種傳統(tǒng)的故障預(yù)測技術(shù)掌握的信息有限，且主要依據(jù)經(jīng)驗(yàn)，因此預(yù)測準(zhǔn)確性有限，并沒有得到大面積推廣使用。ACARS報(bào)文種類很多，對(duì)故障預(yù)測有用的主要是飛機(jī)運(yùn)行控制(Airplane Operational Control，AOC)報(bào)文，已有成熟的開發(fā)軟件用于記錄和分析ACARS數(shù)據(jù)鏈信息，既可以實(shí)時(shí)監(jiān)控飛機(jī)，也可以預(yù)測部分飛機(jī)故障的發(fā)生[5-6]。然而，ACARS模式具有數(shù)據(jù)不連續(xù)(間隔下傳)和記錄參數(shù)少等缺點(diǎn)，在一定程度上限制了ACARS報(bào)文數(shù)據(jù)在故障預(yù)測技術(shù)上的應(yīng)用。

基于QAR飛行數(shù)據(jù)的飛機(jī)故障預(yù)測系統(tǒng)通過飛行數(shù)據(jù)譯碼獲得豐富的飛行數(shù)據(jù)，運(yùn)用飛行數(shù)據(jù)查詢、飛行參數(shù)變化曲線圖和超限報(bào)告等支持手段，對(duì)飛機(jī)各系統(tǒng)及部件運(yùn)行狀態(tài)進(jìn)行監(jiān)控，以便及時(shí)發(fā)現(xiàn)故障征兆信息。然后根據(jù)獲得的故障征兆對(duì)飛機(jī)故障進(jìn)行預(yù)測[7-9]。其目的是通過預(yù)測輔助機(jī)務(wù)維修工程師提前發(fā)現(xiàn)飛機(jī)系統(tǒng)故障，減少意外故障帶來的航班延誤影響，提高運(yùn)行效率。

本文首先對(duì)基于QAR數(shù)據(jù)的民用飛機(jī)故障預(yù)測技術(shù)路線進(jìn)行了說明，并介紹了曲線擬合和時(shí)間序列兩種適用于民機(jī)飛行數(shù)據(jù)故障預(yù)測方法，并對(duì)基于飛行數(shù)據(jù)的民機(jī)故障預(yù)測系統(tǒng)的實(shí)現(xiàn)進(jìn)行了詳細(xì)描述，最后利用航空公司實(shí)際的波音飛機(jī)飛行數(shù)據(jù)和故障案例對(duì)本文提出的方法進(jìn)行了驗(yàn)證。

1 技術(shù)路線

作為飛機(jī)上裝載的快速存取記錄器，QAR記錄著飛行過程中產(chǎn)生的成百上千種飛行參數(shù)數(shù)據(jù)。鑒于此，本文采用QAR數(shù)據(jù)，結(jié)合民機(jī)關(guān)鍵系統(tǒng)常見故障模式，分析QAR數(shù)據(jù)中系統(tǒng)傳感器采集參數(shù)的變化情況，預(yù)測系統(tǒng)關(guān)鍵部件故障發(fā)生的時(shí)間，從而合理制定維修計(jì)劃，保障飛行安全。

采用QAR數(shù)據(jù)對(duì)民用飛機(jī)進(jìn)行故障預(yù)測的技術(shù)路線如下所示：

1)采集飛機(jī)QAR數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行解析。QAR原始數(shù)據(jù)為二進(jìn)制結(jié)構(gòu)，無法直接用于工程分析。因此，需要通過譯碼軟件將采集參數(shù)轉(zhuǎn)化為工程數(shù)據(jù)。目前，QAR數(shù)據(jù)的譯碼軟件主要包括AIRFASE、AGS兩種；

2)將解析后的數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫中。由于對(duì)民機(jī)進(jìn)行故障預(yù)測需要積累大量的數(shù)據(jù)樣本且QAR數(shù)據(jù)包含的參數(shù)類型眾多，因此需要建立專有數(shù)據(jù)庫對(duì)數(shù)據(jù)進(jìn)行管理；

3)明確影響飛機(jī)關(guān)鍵系統(tǒng)故障的所有QAR參數(shù)，建立關(guān)鍵系統(tǒng)參數(shù)模板；

4)數(shù)據(jù)預(yù)處理。實(shí)際中，由于受到工作環(huán)境的影響，QAR數(shù)據(jù)往往會(huì)產(chǎn)生波動(dòng)且存在缺失值。為了保證故障預(yù)測結(jié)果的精度，因此，對(duì)數(shù)據(jù)進(jìn)行分析之前需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，提高數(shù)據(jù)分析的精度。

5)建立故障預(yù)測模型，預(yù)測滑油系統(tǒng)參數(shù)未來某一段時(shí)間內(nèi)的變化趨勢，判斷飛機(jī)相應(yīng)部件的故障發(fā)生時(shí)間，合理制定維修計(jì)劃，實(shí)現(xiàn)飛機(jī)的視情維修。

2 基于QAR數(shù)據(jù)的民機(jī)故障預(yù)測方法

基于飛行數(shù)據(jù)的故障預(yù)測方法，一般先根據(jù)所觀測的歷史數(shù)據(jù)來假設(shè)某個(gè)模型，然后經(jīng)過模型參數(shù)的估計(jì)，得到相應(yīng)的預(yù)測值，為了提高預(yù)測精度，必須建立比較合理的模型。

不同的預(yù)測方法有各自的優(yōu)缺點(diǎn)，對(duì)于不同類型的數(shù)據(jù)、性能參數(shù)可以采用不同的方法進(jìn)行預(yù)測。針對(duì)民機(jī)QAR數(shù)據(jù)特點(diǎn)，本文選取曲線擬合和時(shí)間序列兩種預(yù)測方法進(jìn)行預(yù)測。

表1 兩種預(yù)測方法比較

2.1 基于曲線擬合的性能預(yù)測方法

基于曲線擬合的性能預(yù)測方法通過對(duì)參數(shù)的歷史數(shù)據(jù)進(jìn)行擬合，分析歷史數(shù)據(jù)之間的依賴關(guān)系，用一個(gè)近似的曲線方程表示參數(shù)歷史數(shù)據(jù)，并利用得到的解析方程對(duì)參數(shù)未來變化趨勢進(jìn)行預(yù)測。具體包括全局多項(xiàng)式擬合和分段多項(xiàng)式擬合兩種處理方法[10]。

全局多項(xiàng)式擬合預(yù)測法：首先設(shè)置擬合多項(xiàng)式的最高階次，利用最小二乘法選擇擬合誤差最小的階數(shù)來計(jì)算擬合多項(xiàng)式的系數(shù)。得到擬合多項(xiàng)式之后將待預(yù)測數(shù)據(jù)代入擬合公式，便可以獲得參數(shù)的預(yù)測值。但是當(dāng)數(shù)據(jù)劇烈變化時(shí)，數(shù)據(jù)趨勢不能準(zhǔn)確擬合，無法準(zhǔn)確進(jìn)行參數(shù)預(yù)測。

分段多項(xiàng)式擬合預(yù)測法：依據(jù)參數(shù)的變化特點(diǎn)，把參數(shù)歷史數(shù)據(jù)分成兩段，以第一段為輸入，第二段為輸出，通過計(jì)算得到兩段數(shù)據(jù)之間的函數(shù)關(guān)系式，然后將第二段數(shù)據(jù)為輸入，代入得到的函數(shù)關(guān)系式，即可得到第三段數(shù)據(jù)的預(yù)測結(jié)果。

采用如下k階多項(xiàng)式公式擬合，

(1)

計(jì)算k階多項(xiàng)式擬合結(jié)果與真實(shí)數(shù)據(jù)的誤差值，以擬合誤差最小的k值作為多項(xiàng)式的階數(shù)。即使輸入?yún)?shù)數(shù)據(jù)(xi，yi)，i=1，2，...，m，的擬合誤差ri=p(xi)-yi，(i=1，…，m)的平方和最小，

(2)

利用曲線擬合進(jìn)行參數(shù)預(yù)測的流程如圖1所示。

圖1 曲線擬合法預(yù)測流程圖

曲線擬合法預(yù)測的假設(shè)條件是：

1)假設(shè)待預(yù)測的參數(shù)數(shù)據(jù)沒有跳躍式的變化，即數(shù)據(jù)的變化過程是漸進(jìn)的。

2)假設(shè)所研究的民航客機(jī)各子系統(tǒng)的功能、結(jié)構(gòu)等基本保持不變，即假定根據(jù)歷史數(shù)據(jù)建立的擬合公式能適用于未來，能代表參數(shù)未來的變化趨勢。

由以上兩個(gè)假設(shè)條件可知，該方法是數(shù)據(jù)漸進(jìn)變化過程的一種統(tǒng)計(jì)預(yù)測方法，適用于參數(shù)變化緩慢的情況。即先利用數(shù)學(xué)模型擬合參數(shù)變化趨勢曲線，再運(yùn)用該模型外推預(yù)測參數(shù)未來的變化情況。

基于曲線擬合外推的性能預(yù)測方法的主要步驟為：

1)依據(jù)參數(shù)變化特點(diǎn)選擇擬合方法模型，設(shè)定最高擬合階次。

2)進(jìn)行多項(xiàng)式擬合訓(xùn)練，計(jì)算擬合公式。

3)依據(jù)訓(xùn)練結(jié)果優(yōu)化擬合過程。

4)利用擬合公式進(jìn)行外推預(yù)測。

對(duì)于參數(shù)隨時(shí)間緩慢周期變化的數(shù)據(jù)，該方法的預(yù)測效果比較好，對(duì)周期變化參數(shù)的預(yù)測比較適用。

2.2 基于時(shí)間序列的趨勢預(yù)測方法

時(shí)間序列預(yù)測法是以參數(shù)時(shí)間序列能反映出的故障現(xiàn)象的發(fā)展過程和規(guī)律性，進(jìn)行引申外推，預(yù)測其發(fā)展趨勢的方法。它是通過編制和分析時(shí)間序列，根據(jù)時(shí)間序列所反映出來的發(fā)展過程、方向和趨勢，進(jìn)行類推或延伸，借以預(yù)測設(shè)備工作狀態(tài)在下一段時(shí)間可能達(dá)到的水平[11-12]。

所謂時(shí)間序列分析法，就是把預(yù)測對(duì)象的歷史數(shù)據(jù)按照一定的時(shí)間間隔進(jìn)行排列，形成一個(gè)隨時(shí)間變化的參數(shù)序列，建立相應(yīng)的數(shù)據(jù)隨時(shí)間變化的模型，并將該模型外推到未來進(jìn)行預(yù)測[13-14]。常用方法有回歸分析法、移動(dòng)平均法、指數(shù)平滑法、自回歸滑動(dòng)平均(autoregressive moving average，ARMA)模型等。該方法有效的前提是參數(shù)過去的變化規(guī)律會(huì)延續(xù)到未來。

本文主要對(duì)ARMA模型在這方面的應(yīng)用進(jìn)行了研究。ARMA模型不但可以揭示動(dòng)態(tài)數(shù)據(jù)的變化規(guī)律，預(yù)測其未來值，并且能從多方面輔助研究系統(tǒng)特性。對(duì)于滿足正態(tài)、平穩(wěn)、零均值條件的時(shí)間序列{xt}，若xt的取值不但與前p步的各個(gè)取值有關(guān)，并且還與其前q步的激勵(lì)有關(guān)，則ARMA模型可以用下式表示，該模型由自回歸過程(Auto-Regressive Model，AR)和移動(dòng)平均過程(Moving Average Model，MA)兩部分組成，記為ARMA(p，q)，其中，p代表自回歸的最大階數(shù)，q代表移動(dòng)平均部分的最大階數(shù)。

(1-φ1L-φ2L2-…-φpLp)xt=

(1+θ1L-θ2L2+…+θqLq)at

(3)

Φ(L)xt=Θ(L)ut

(4)

式中，Φ(L)和Θ(L)分別表示L的p、q階特征多項(xiàng)式。

基于時(shí)間序列法的故障預(yù)測具體步驟如圖2所示。

圖2 時(shí)間序列預(yù)測方法流程圖

ARMA模型預(yù)測的過程可描述如下：

1)獲取觀察值序列；

2)平穩(wěn)性檢驗(yàn)、差分運(yùn)算；

3)白噪聲檢驗(yàn)；

4)擬合ARMA模型；

5)調(diào)用模型對(duì)遙測數(shù)據(jù)進(jìn)行預(yù)測。

時(shí)間序列分析法的優(yōu)點(diǎn)是所需歷史數(shù)據(jù)少、工作量少，前提條件是影響預(yù)測對(duì)象的各因素不發(fā)生突變，適合序列變化比較均勻的短期預(yù)測，不適用于中長期預(yù)測。此種方法主要用于實(shí)現(xiàn)在沒有其他狀態(tài)、事件發(fā)生時(shí)的趨勢預(yù)測。

3 基于QAR數(shù)據(jù)的故障預(yù)測系統(tǒng)實(shí)現(xiàn)

飛機(jī)飛行過程中產(chǎn)生大量的飛行參數(shù)數(shù)據(jù)，本文采用航后飛行數(shù)據(jù)，結(jié)合民機(jī)關(guān)鍵系統(tǒng)常見故障模式，分析飛行數(shù)據(jù)中系統(tǒng)傳感器采集參數(shù)的變化情況，預(yù)測系統(tǒng)關(guān)鍵部件故障發(fā)生的時(shí)間，從而合理制定維修計(jì)劃，保障飛行安全。

3.1 建立系統(tǒng)數(shù)據(jù)庫

由于對(duì)民機(jī)進(jìn)行故障預(yù)測需要積累大量的數(shù)據(jù)樣本且飛行數(shù)據(jù)包含的參數(shù)類型眾多，因此需要建立專有數(shù)據(jù)庫對(duì)數(shù)據(jù)進(jìn)行管理，準(zhǔn)確可靠的數(shù)據(jù)源是實(shí)現(xiàn)民機(jī)故障預(yù)測數(shù)學(xué)模型的重要輸入。實(shí)施故障預(yù)測系統(tǒng)的第一步就是建立系統(tǒng)數(shù)據(jù)庫。

系統(tǒng)數(shù)據(jù)庫主要存儲(chǔ)系統(tǒng)管理、飛行數(shù)據(jù)譯碼及其應(yīng)用、故障預(yù)測系統(tǒng)需用的重要數(shù)據(jù)，包括用戶管理庫、飛行參數(shù)庫、故障預(yù)測算法庫3個(gè)主要部分。

3.2 采集數(shù)據(jù)并進(jìn)行解析

明確影響飛機(jī)關(guān)鍵系統(tǒng)故障的所有QAR參數(shù)，建立關(guān)鍵系統(tǒng)參數(shù)模板。

采集飛機(jī)QAR數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行解析。QAR原始數(shù)據(jù)為二進(jìn)制結(jié)構(gòu)，無法直接用于工程分析。因此，需要通過譯碼軟件將采集參數(shù)轉(zhuǎn)化為工程數(shù)據(jù)。將解析后的數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫中。

3.3 性能參數(shù)選擇及閾值確認(rèn)

參數(shù)可以反映飛機(jī)系統(tǒng)、子系統(tǒng)、部附件性能的變化，部分參數(shù)可由機(jī)載設(shè)備直接采集。在飛行各階段分別記錄參數(shù)的變化情況，必要時(shí)將這些參數(shù)轉(zhuǎn)換成標(biāo)準(zhǔn)狀態(tài)下的數(shù)值，并與缺省設(shè)置或客戶化的性能參數(shù)進(jìn)行比較，可以得到偏差的變化情況。通過對(duì)偏差及偏差的變化趨勢進(jìn)行分析，可以判斷部附件的健康狀態(tài)，實(shí)現(xiàn)對(duì)部附件的性能監(jiān)控；通過及時(shí)發(fā)現(xiàn)參數(shù)與標(biāo)準(zhǔn)值之間的偏差異常或參數(shù)的變化趨勢異常，分析產(chǎn)生異常的原因，可以為預(yù)防和排除故障提供依據(jù)。

對(duì)于確定的特征參數(shù)數(shù)據(jù)，可以實(shí)時(shí)與閾值進(jìn)行比較。閾值應(yīng)反映出特征參數(shù)的正常工作范圍，當(dāng)參數(shù)超限時(shí)進(jìn)行報(bào)警處理。

圖3 超限報(bào)警

系統(tǒng)接受經(jīng)過解析的QAR數(shù)據(jù)，若某些數(shù)據(jù)出現(xiàn)幅值變化很大，而與之有關(guān)聯(lián)動(dòng)作的參數(shù)在同時(shí)刻或按要求時(shí)序并沒有發(fā)生相應(yīng)的變化時(shí)，則確定該時(shí)刻的數(shù)據(jù)為野點(diǎn)，對(duì)其進(jìn)行剔除。對(duì)剔除野點(diǎn)之后的數(shù)據(jù)還要進(jìn)行平滑處理，并選擇特征參數(shù)。這里的特征參數(shù)可能是參數(shù)數(shù)據(jù)的原始形式，也可能是性能參數(shù)的各種統(tǒng)計(jì)參數(shù)，例如均值、極值、均方根值等，根據(jù)不同系統(tǒng)的不同工作狀態(tài)，可以作出相應(yīng)的判斷。

3.4 預(yù)測模型選擇及預(yù)警

本文選取基于時(shí)間序列和曲線擬合的數(shù)學(xué)模型用于飛機(jī)關(guān)鍵部件和參數(shù)的趨勢預(yù)測，適用于實(shí)現(xiàn)與待分析參數(shù)當(dāng)變化率突然發(fā)生變化時(shí)，在沒有其他狀態(tài)、事件發(fā)生時(shí)的趨勢預(yù)測。實(shí)現(xiàn)功能主要包括參數(shù)時(shí)間序列建模、實(shí)時(shí)預(yù)測模型建模、參數(shù)預(yù)測、故障預(yù)警等。在實(shí)際應(yīng)用中的具體步驟包括：

1)獲取與狀態(tài)和飛行事件無關(guān)的參數(shù)設(shè)置信息，包括飛機(jī)編號(hào)、分系統(tǒng)、部件、參數(shù)、參數(shù)閾值、實(shí)時(shí)預(yù)測模型采樣點(diǎn)數(shù)等相關(guān)的信息設(shè)置。

2)預(yù)測算法加載。根據(jù)不同參數(shù)建立參數(shù)變化的自回歸滑動(dòng)平均模型(ARMA)或擬合曲線。

3)參數(shù)值預(yù)測。采用前述的ARMA模型或多項(xiàng)式擬合外推預(yù)測法進(jìn)行預(yù)測，給出一定時(shí)間后的參數(shù)預(yù)測值。

4)故障預(yù)警。將參數(shù)預(yù)測值與門限值比較，判斷是否發(fā)生故障并預(yù)測故障發(fā)生時(shí)間。

4 基于QAR數(shù)據(jù)的故障預(yù)測驗(yàn)證

4.1 預(yù)測準(zhǔn)確率計(jì)算方法

本文預(yù)測通過選取航空公司歷史實(shí)際數(shù)據(jù)，推測后續(xù)的數(shù)據(jù)變化趨勢，并與后續(xù)實(shí)際數(shù)據(jù)進(jìn)行比較，以計(jì)算預(yù)測的準(zhǔn)確率指標(biāo)。利用相對(duì)平均誤差，用以評(píng)定本項(xiàng)目所采用的預(yù)測方法在典型數(shù)據(jù)和案例中的準(zhǔn)確性。預(yù)測結(jié)果的相對(duì)平均誤差avg_dy和預(yù)測準(zhǔn)確率pre_Acc的計(jì)算方法如下：

(5)

其中：di為第i個(gè)預(yù)測值，yi為第i個(gè)實(shí)際值，n為預(yù)測結(jié)果的數(shù)據(jù)長度。

4.2 故障案例驗(yàn)證

利用航空公司波音飛機(jī)實(shí)際飛行數(shù)據(jù)對(duì)本文提出的故障預(yù)測方法進(jìn)行了有效性驗(yàn)證。通過對(duì)空調(diào)、滑油系統(tǒng)關(guān)鍵參數(shù)變化趨勢進(jìn)行預(yù)測并與參數(shù)閾值進(jìn)行比較，可以提前預(yù)知故障并進(jìn)行報(bào)警。

選取某航空公司QAR數(shù)據(jù)空調(diào)組件流量參數(shù)ADEPPT AC PACK FLOW 2建立故障預(yù)測模型。以2015年1月24日-2015年1月26日該飛機(jī)兩個(gè)航班的飛行巡航階段空調(diào)組件流量參數(shù)QAR數(shù)據(jù)作為輸入，采用ARMA模型預(yù)測未來航段的空調(diào)組件流量數(shù)據(jù)變化趨勢，并與該參數(shù)正常范圍閾值(240,400)進(jìn)行比較，得到在27日航段出現(xiàn)空調(diào)組件流量過低的故障預(yù)測結(jié)果，經(jīng)比較與實(shí)際案例情況一致。

圖4 空調(diào)組件流量預(yù)測測試結(jié)果

利用27日飛行數(shù)據(jù)，對(duì)該預(yù)測的結(jié)果進(jìn)行準(zhǔn)確性計(jì)算與評(píng)估。將預(yù)測數(shù)據(jù)與該飛機(jī)1月27日實(shí)際飛行數(shù)據(jù)進(jìn)行比對(duì)，其結(jié)果如圖5所示。

圖5 預(yù)測結(jié)果比對(duì)計(jì)算

通過計(jì)算，在該組典型測試數(shù)據(jù)條件下，本課題所研究的故障模型預(yù)測準(zhǔn)確率為95.83%。

本文從波音空調(diào)和滑油系統(tǒng)案例庫中隨機(jī)選擇了的10組故障案例飛行數(shù)據(jù)樣本進(jìn)行測試，本文所研究預(yù)測方法準(zhǔn)確率均在90%以上。

將預(yù)測準(zhǔn)確度按照從大到小的順序排列，計(jì)算不同置信度下的預(yù)測準(zhǔn)確度，如圖6所示。

圖6 不同置信度下的預(yù)測準(zhǔn)確度

當(dāng)預(yù)測準(zhǔn)確率在95%時(shí)，其置信度落在[70%,75%]區(qū)間；當(dāng)置信度為95%時(shí)，其預(yù)測準(zhǔn)確度能夠高于93.5%。

5 結(jié)束語

本文介紹了基于飛行數(shù)據(jù)的民用飛機(jī)故障預(yù)測及驗(yàn)證。首先對(duì)基于QAR數(shù)據(jù)的民用飛機(jī)故障預(yù)測技術(shù)路線進(jìn)行了說明。其次介紹了本文所采用的基于QAR數(shù)據(jù)的兩種故障預(yù)測方法。再次，介紹了基于飛行數(shù)據(jù)的故障預(yù)測系統(tǒng)實(shí)現(xiàn)。最后利用波音飛機(jī)空調(diào)滑油系統(tǒng)關(guān)鍵參數(shù)飛行數(shù)據(jù)對(duì)本文提出的故障預(yù)測技術(shù)進(jìn)行了有效性驗(yàn)證。