一種基于決策樹的飛機(jī)級(jí)故障診斷建模方法研究

摘要：現(xiàn)代飛機(jī)是由許多子系統(tǒng)組成的復(fù)雜系統(tǒng)，系統(tǒng)結(jié)構(gòu)層次多，關(guān)聯(lián)度高，故障之間存在橫向和縱向傳播性。因此，在健康管理技術(shù)實(shí)施過程中，應(yīng)最大程度利用故障特征監(jiān)測(cè)技術(shù)，并借助各種算法和智能模型來監(jiān)控、診斷、預(yù)測(cè)和管理飛機(jī)的運(yùn)行狀態(tài)。鑒于此，將機(jī)器學(xué)習(xí)中的決策樹算法應(yīng)用到故障診斷技術(shù)中，建立了復(fù)雜的數(shù)學(xué)模型，提出了一種基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹的飛機(jī)級(jí)故障診斷建模方法，對(duì)飛機(jī)健康管理應(yīng)用的發(fā)展具有一定的參考意義，有利于健康管理系統(tǒng)朝著更加綜合化、智能化、網(wǎng)絡(luò)化和標(biāo)準(zhǔn)化的方向發(fā)展。

關(guān)鍵詞：飛機(jī)健康管理；故障診斷；決策樹；特征參數(shù)

中圖分類號(hào)：V267" 文獻(xiàn)標(biāo)志碼：A" 文章編號(hào)：1671-0797（2023）07-0039-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.07.009

1" " 飛機(jī)健康管理發(fā)展概況

飛機(jī)健康管理系統(tǒng)作為飛機(jī)實(shí)現(xiàn)視情維修、提高設(shè)備使用效率、降低維護(hù)成本的關(guān)鍵使能系統(tǒng)，近年來受到了航空工業(yè)部門、航空運(yùn)營(yíng)公司和眾多航空研究機(jī)構(gòu)的重視[1-3]。飛機(jī)維護(hù)保障系統(tǒng)現(xiàn)有技術(shù)包括內(nèi)置測(cè)試（BIT）和系統(tǒng)數(shù)據(jù)記錄，它們主要是反應(yīng)式的，如飛機(jī)上的黑匣子。盡管飛機(jī)內(nèi)置測(cè)試在故障檢測(cè)和隔離中是有效的，但它們會(huì)產(chǎn)生大量的錯(cuò)誤故障排除，這就增加了支持成本，降低了飛機(jī)的準(zhǔn)備就緒度。在沒有系統(tǒng)功能故障存在的情況下指示故障（可能是由于環(huán)境影響，即假警報(bào)），無法在地面或維護(hù)車間復(fù)現(xiàn)垂直可測(cè)試性問題或間歇性故障，故障隔離性差，這些因素都可能引起錯(cuò)誤的故障排除。因此，錯(cuò)誤的故障排除會(huì)降低人們對(duì)BIT的信心，從而降低對(duì)整個(gè)驗(yàn)證平臺(tái)準(zhǔn)備好投入使用的信心。另一方面，針對(duì)包括訂購零件、生成適當(dāng)?shù)木S護(hù)工作報(bào)告、通知維護(hù)某些系統(tǒng)出現(xiàn)的故障等在內(nèi)的任務(wù)，具備自主處理支持的能力可以節(jié)省成本，增加整個(gè)系統(tǒng)的可用性并提高系統(tǒng)性能。飛機(jī)健康管理系統(tǒng)可以準(zhǔn)確地檢測(cè)系統(tǒng)故障，明確故障隔離的根本原因，在某些系統(tǒng)中，還可以預(yù)測(cè)即將發(fā)生的故障。

民用飛機(jī)健康管理系統(tǒng)的主要功能包括故障診斷、飛機(jī)狀態(tài)監(jiān)控、交互式維護(hù)、健康評(píng)估、構(gòu)型報(bào)告、數(shù)據(jù)加載、顯示管理等，可實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，并支持維修決策和視情維修，其架構(gòu)圖如圖1所示。

飛機(jī)健康管理系統(tǒng)主要完成對(duì)飛機(jī)的各個(gè)成員系統(tǒng)，包括飛機(jī)動(dòng)力系統(tǒng)、機(jī)電系統(tǒng)（如燃油系統(tǒng)、供電系統(tǒng)、液壓系統(tǒng)等）、航電系統(tǒng)（如IMA、通信系統(tǒng)）和結(jié)構(gòu)系統(tǒng)（如艙門、起落架等）信息的采集、監(jiān)測(cè)、分析、診斷等工作。飛機(jī)健康管理系統(tǒng)通過機(jī)載數(shù)據(jù)網(wǎng)絡(luò)總線連接各個(gè)飛機(jī)成員系統(tǒng)、駕駛艙顯示系統(tǒng)、座艙打印機(jī)和機(jī)載通信接口設(shè)備，將機(jī)載健康管理功能結(jié)合為一個(gè)整體。機(jī)上各個(gè)成員系統(tǒng)的故障信息、狀態(tài)信息可通過駕駛艙顯示系統(tǒng)顯示，也可通過座艙打印機(jī)打印，記錄的飛機(jī)故障信息、狀態(tài)信息還可通過ACARS、WLAN等空地通信設(shè)備或外場(chǎng)便攜式維護(hù)終端（Portable Maintenance Access Terminal，PMAT）與地面通信，供地面深入分析和外場(chǎng)維修使用。

飛機(jī)健康管理系統(tǒng)的主要目標(biāo)包括減少維護(hù)人員工時(shí)、降低維護(hù)技能和培訓(xùn)要求、更快地恢復(fù)飛機(jī)運(yùn)行狀態(tài)、減少備用件的消耗、通過更準(zhǔn)確的故障診斷和預(yù)測(cè)來提高任務(wù)的可靠性。飛機(jī)健康管理可以節(jié)省大量的生命周期成本，從而提供高投資回報(bào)。要完全實(shí)現(xiàn)飛機(jī)健康管理系統(tǒng)，故障診斷能力是關(guān)鍵。

2" " 故障診斷技術(shù)研究現(xiàn)狀

故障診斷技術(shù)研究起步較晚，并大多為學(xué)術(shù)性研究或尚處于實(shí)驗(yàn)室階段，跨系統(tǒng)故障診斷、余壽預(yù)測(cè)等核心技術(shù)的成熟度或先進(jìn)性相對(duì)不足；關(guān)鍵技術(shù)攻關(guān)和預(yù)先研究多針對(duì)特定試點(diǎn)成員系統(tǒng)或部件開展，缺乏全局性技術(shù)研究規(guī)劃，對(duì)技術(shù)應(yīng)用的系統(tǒng)性、工程化研究還很不充分；缺乏實(shí)驗(yàn)和歷史數(shù)據(jù)積累，建模實(shí)驗(yàn)和綜合驗(yàn)證實(shí)驗(yàn)基礎(chǔ)薄弱；國內(nèi)軍、民機(jī)型號(hào)健康管理系統(tǒng)的研制和集成工程經(jīng)驗(yàn)相當(dāng)有限；成員系統(tǒng)供應(yīng)商的質(zhì)量特性工程水平以及對(duì)健康管理系統(tǒng)的功能和數(shù)據(jù)支持能力參差不齊，對(duì)飛機(jī)健康管理能力需求的理解也不盡一致；飛機(jī)健康管理系統(tǒng)研制體系尚不完整，缺乏體系化統(tǒng)籌和管控，系統(tǒng)并行協(xié)同設(shè)計(jì)、適航保障等能力欠缺。

常見的故障診斷技術(shù)主要可分為三類：

第一類是基于規(guī)則的故障診斷[4-5]。基于規(guī)則的診斷（RBR）即生產(chǎn)式方式。早期的故障診斷專家系統(tǒng)都是基于規(guī)則的，這些規(guī)則都是從專家的經(jīng)驗(yàn)中總結(jié)出來，用來描述故障和征兆的關(guān)系。它的優(yōu)點(diǎn)是直觀形象，推理速度快，要求數(shù)據(jù)存儲(chǔ)的空間相對(duì)較小，易于編程和易于開發(fā)出快速原型系統(tǒng)；不足是對(duì)歷史經(jīng)驗(yàn)依賴性強(qiáng)，當(dāng)知識(shí)庫中沒有相應(yīng)的與征兆匹配的規(guī)則時(shí)，容易造成誤診或診斷失敗。

第二類是基于模型的故障診斷[6-7]。基于模型的診斷（MBR）主要用于在故障診斷方面難以獲取歷史經(jīng)驗(yàn)的場(chǎng)合，通過對(duì)不同分系統(tǒng)和部件等建立數(shù)學(xué)模型，對(duì)其求解進(jìn)行故障診斷，MBR主要包括基于故障樹的診斷和基于神經(jīng)網(wǎng)絡(luò)的診斷。

第三類是基于案例的故障診斷[8]?；诎咐脑\斷（CBR）是通過訪問知識(shí)庫中過去同類問題的求解方法，從而獲得當(dāng)前問題求解的一種診斷方法，一個(gè)CBR系統(tǒng)是一個(gè)包括案例表示、索引、存儲(chǔ)、組織、推理、案例學(xué)習(xí)的完整的系統(tǒng)，體現(xiàn)了更高級(jí)的知識(shí)環(huán)境，是多種人工智能技術(shù)的綜合應(yīng)用。而先進(jìn)的故障診斷技術(shù)主要是基于BIT和飛機(jī)狀態(tài)監(jiān)測(cè)功能進(jìn)行模型推理和數(shù)據(jù)挖掘的一批新興技術(shù)[9]。

3" " 基于決策樹的故障診斷技術(shù)

在飛機(jī)健康管理系統(tǒng)中，飛機(jī)狀態(tài)監(jiān)控功能可實(shí)時(shí)監(jiān)控成員系統(tǒng)設(shè)備的特征參數(shù)數(shù)據(jù)，故障診斷軟件利用特征參數(shù)數(shù)據(jù)之間建立的模型，結(jié)合成員系統(tǒng)實(shí)時(shí)上報(bào)的BIT數(shù)據(jù)，可實(shí)時(shí)診斷出該設(shè)備發(fā)生的故障。飛機(jī)特征參數(shù)數(shù)據(jù)和實(shí)際發(fā)生的歷史故障結(jié)果可共同作為訓(xùn)練數(shù)據(jù)集，希望從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)得到一個(gè)診斷模型，用以對(duì)成員系統(tǒng)特征參數(shù)數(shù)據(jù)進(jìn)行分類，利用該模型，當(dāng)實(shí)時(shí)監(jiān)測(cè)到成員系統(tǒng)上報(bào)的BIT數(shù)據(jù)時(shí)，故障診斷軟件可判斷某個(gè)故障是否發(fā)生，顯然，這屬于二分類任務(wù)問題。決策樹基于樹的結(jié)構(gòu)進(jìn)行決策，在面臨這類決策問題時(shí)是一種自然處理機(jī)制。

3.1" " 決策樹

決策樹[10]是一種運(yùn)用概率與圖論建立樹結(jié)構(gòu)，并對(duì)樹中不同方案進(jìn)行比較的機(jī)器學(xué)習(xí)方法，用來描述對(duì)實(shí)例對(duì)象進(jìn)行分類的樹形結(jié)構(gòu)，由節(jié)點(diǎn)和邊兩部分組成。其中，節(jié)點(diǎn)可分為內(nèi)部節(jié)點(diǎn)和葉子節(jié)點(diǎn)兩種類型，內(nèi)部節(jié)點(diǎn)表示屬性信息，即飛機(jī)狀態(tài)監(jiān)控軟件監(jiān)控到的特征參數(shù)信息，葉子節(jié)點(diǎn)則表示輸出結(jié)果，即故障類別。決策樹示例如圖2所示。

3.2" " 基于決策樹的故障診斷模型算法設(shè)計(jì)

輸入：

故障樣本集D={（x1，y1），（x2，y2），…，（xm，ym）}

特征參數(shù)集A={a1，a2，…，ad}

過程：

函數(shù)生成樹GenerateTree（D，A）

生成節(jié)點(diǎn)node；

（1）if A =?或D中樣本在A上的取值相同，then

將node標(biāo)記為葉節(jié)點(diǎn)，其類別標(biāo)記為D中故障樣本最多的類；return

end if

（2）If D中故障樣本全屬于同一類別C，then

將node標(biāo)記為C類葉節(jié)點(diǎn)；return

end if

（3）從A中選擇最優(yōu)劃分特征參數(shù)a*

for a*的每一個(gè)值a*v do

為node生成一個(gè)分支；令Dv表示D中在a*上取值為a*v的故障樣本子集

If Dv為空then

將分支節(jié)點(diǎn)標(biāo)記為葉節(jié)點(diǎn)，其類別標(biāo)記為D中故障樣本最多的類；return

else

以GenerateTree（Dv，A＼{a*}）為分支節(jié)點(diǎn)

end if

end for

輸出：以node為根節(jié)點(diǎn)的一棵決策樹。

基于決策樹的故障模型算法的生成是一個(gè)遞歸過程，在該算法中，有三種情形會(huì)導(dǎo)致遞歸返回。

第一種情形：當(dāng)前特征參數(shù)集為空，或是所有故障樣本在所有特征參數(shù)上取值相同，無法劃分。

第二種情形：當(dāng)前節(jié)點(diǎn)包含的故障樣本全屬于同一類別，無須劃分。

第三種情形：當(dāng)前節(jié)點(diǎn)包含的故障樣本集為空，則不能劃分。

由上述算法可以看出，基于決策樹的故障診斷算法的學(xué)習(xí)關(guān)鍵在于最優(yōu)特征參數(shù)的劃分。一般而言，隨著劃分過程的不斷迭代，希望決策樹分支的節(jié)點(diǎn)所包含的故障樣本盡可能屬于同一類別，即節(jié)點(diǎn)的純度越來越高。

通過不斷迭代上述算法，可形成一棵基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹，為模型開發(fā)工具建立故障模型提供依據(jù)和來源。

3.3" " 故障診斷應(yīng)用軟件

飛機(jī)上故障診斷應(yīng)用軟件主要包括五大邏輯功能部分，分別是初始化、飛機(jī)狀態(tài)監(jiān)控、故障診斷、故障記錄、故障請(qǐng)求顯示[11]。初始化功能是指故障診斷應(yīng)用軟件加載初始化配置文件和多個(gè)線程之間如何調(diào)度運(yùn)行等。飛機(jī)狀態(tài)監(jiān)控功能是指故障診斷應(yīng)用軟件實(shí)時(shí)監(jiān)測(cè)飛機(jī)上的BIT（Builb In Test）數(shù)據(jù)和飛機(jī)狀態(tài)參數(shù)。故障診斷是指依據(jù)建立的模型來診斷飛機(jī)上是否有故障發(fā)生。故障記錄是指將發(fā)生的故障信息記錄下來，便于查詢和后期維護(hù)。故障請(qǐng)求顯示是為了給維護(hù)人員顯示，以便維修診斷軟件診斷出的故障。

飛機(jī)上故障診斷應(yīng)用軟件的軟件運(yùn)行框架如圖3所示。首先，模型開發(fā)工具基于決策樹建立飛機(jī)上不同成員系統(tǒng)所具有的故障模型；其次，模型開發(fā)工具將建立好的故障模型導(dǎo)出，生成一定格式的模型配置文件；然后，故障診斷應(yīng)用軟件加載基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹的故障模型配置文件；最后，飛機(jī)BIT注入軟件為機(jī)載軟件提供數(shù)據(jù)源，可將數(shù)據(jù)導(dǎo)入系統(tǒng)數(shù)據(jù)庫，在用戶操作下按照一定的調(diào)度策略將不同頻率的BIT數(shù)據(jù)發(fā)送到故障診斷軟件，同時(shí)響應(yīng)故障顯示功能軟件的交互式請(qǐng)求。

3.4" " 最優(yōu)特征參數(shù)劃分選擇

從3.2小節(jié)得知，基于決策樹的故障診斷建模算法的學(xué)習(xí)關(guān)鍵在于最優(yōu)特征參數(shù)的劃分。信息熵是度量故障樣本集合純度最常用的一種指標(biāo)。假定當(dāng)前故障樣本集合D中第k類故障樣本所占的比例為pk（k=1，2，…，|γ|），則信息熵的定義為：

Ent（D）=-pklog2 pk

Ent（D）的值越小，則D的純度越高。

假定特征參數(shù)性a有V個(gè)可能的值{a1，a2，…，aV}，若使用 a對(duì)故障樣本集D進(jìn)行劃分，則會(huì)產(chǎn)生V個(gè)分支節(jié)點(diǎn)，其中第v個(gè)分支節(jié)點(diǎn)包含了D中所有在特征參數(shù)a上取值為av的故障樣本，記為Dv?？筛鶕?jù)上式計(jì)算出Dv的信息熵，再考慮到不同的分支節(jié)點(diǎn)所包含的故障樣本數(shù)不同，賦予節(jié)點(diǎn)權(quán)重|Dv|/|D|，即樣本數(shù)越多的分支，節(jié)點(diǎn)影響越大，于是可計(jì)算出用特征參數(shù)a對(duì)故障樣本集D進(jìn)行劃分所獲得的信息增益：

Gain（D，a）=Ent（D）-Ent（Dv）

一般而言，信息增益越大，則意味著使用特征參數(shù)a來進(jìn)行劃分所獲得的純度提升越大。因此，可用信息增益來進(jìn)行決策樹劃分屬性選擇，即在上述決策樹算法中選擇特征參數(shù)：

a*=arg Gain（D，a）

特征選擇在于選取對(duì)故障樣本數(shù)據(jù)具有分類能力的特征，這樣可以提高決策樹學(xué)習(xí)的效率。如果用一個(gè)特征參數(shù)去分類，得到的結(jié)果與隨機(jī)分類沒有很大差別，那么這樣的分類是毫無意義的。因此，需要選取有意義的特征參數(shù)對(duì)故障樣本數(shù)據(jù)集進(jìn)行分類，才能更精準(zhǔn)且有效地建立故障診斷模型，從而更準(zhǔn)確地預(yù)測(cè)飛機(jī)上發(fā)生的故障。需要指出的是，在基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹學(xué)習(xí)過程中，會(huì)出現(xiàn)“過擬合”的現(xiàn)象，可通過主動(dòng)剪枝處理去掉一些分支來降低過擬合的風(fēng)險(xiǎn)，這些都有待開展進(jìn)一步的研究工作。

4" " 結(jié)語

本文首先介紹了飛機(jī)健康管理系統(tǒng)的發(fā)展概況、主要功能和目標(biāo)，進(jìn)一步指出故障診斷技術(shù)作為飛機(jī)健康管理的核心技術(shù)，在飛機(jī)健康管理系統(tǒng)的發(fā)展中必不可少。然后，介紹了故障診斷技術(shù)的研究現(xiàn)狀和技術(shù)成熟度。最后，提出了一種基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹的飛機(jī)級(jí)故障診斷建模方法，用于在飛機(jī)健康管理系統(tǒng)中發(fā)揮作用。利用該算法，可形成基于飛機(jī)狀態(tài)參數(shù)構(gòu)成的決策樹的故障模型配置文件，故障診斷應(yīng)用軟件通過加載該模型配置文件，完成對(duì)飛機(jī)故障的診斷和處理，將故障診斷結(jié)果顯示在維護(hù)終端，供維護(hù)人員查看和使用。

[參考文獻(xiàn)]

[1] 曹全新，楊融，劉子堯.民用飛機(jī)健康管理技術(shù)研究[J].航空電子技術(shù)，2014，45（4）：15-19.

[2] 李興旺，汪慧云，沈勇，等.飛機(jī)綜合健康管理系統(tǒng)的應(yīng)用與發(fā)展[J].計(jì)算機(jī)測(cè)量與控制，2015，23（4）：1069-1072.

[3] 黃加陽，劉昕，柏文華，等.民用飛機(jī)健康狀態(tài)評(píng)估方法[J].計(jì)算機(jī)測(cè)量與控制，2014，22（10）：3256-3258.

[4] 何敏，呂當(dāng)俠，朱明晨，等.無人機(jī)健康診斷知識(shí)庫建立研究[J].計(jì)算機(jī)測(cè)量與控制，2016，24（5）：49-52.

[5] 徐曉濱，鄭進(jìn)，徐冬玲，等.基于證據(jù)推理規(guī)則的信息融合故障診斷方法[J].控制理論與應(yīng)用，2015，32（9）：1170-1182.

[6] 王雪飛，李青，馮力.基于模型和故障樹的飛機(jī)故障診斷方法[J].科學(xué)技術(shù)與工程，2017，17（20）：308-313.

[7] 羅慕成，李波，林雨生.某型直升機(jī)飛控系統(tǒng)故障診斷的研究[J].機(jī)械研究與應(yīng)用，2018，31（2）：130-133.

[8] 李青，史雅琴，周揚(yáng).基于案例推理方法在飛機(jī)故障診斷中的應(yīng)用[J].北京航空航天大學(xué)學(xué)報(bào)，2007，33（5）：622-626.

[9] 徐曌，張斌.基于約簡(jiǎn)矩陣和C4.5決策樹的故障診斷方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（2）：40-44.

[10] 楊劍鋒，喬佩蕊，李永梅，等.機(jī)器學(xué)習(xí)分類問題及算法研究綜述[J].統(tǒng)計(jì)與決策，2019，35（6）：36-40.

[11] 呂鎮(zhèn)邦，孫倩，王娟，等.PHM模型的工程化驗(yàn)證方法研究[J].計(jì)算機(jī)測(cè)量與控制，2016，24（9）：281-283.

收稿日期：2022-12-13

作者簡(jiǎn)介：鞏彥斌（1994—），男，甘肅天水人，碩士，助理工程師，研究方向：飛行器健康管理與軟件工程。