1面临的问题
飞机健康管理研究的对象是飞机。飞机是一个典型的复杂系统，决定了相应的健康管理系统的复杂性，具体体现在飞机一般由飞机机体、飞机机械系统、飞机推进系统、飞行控制系统、飞机电子电气系统等功能相对独立的的子系统组成，每一个子系统又由若干单元、部件、组件、器件等组成。随着飞机的功能和性能变得更加完善和强大，相应的组成也变得更加复杂，对其安全性的要求也变的更高。要实现健康管理所需关注的对象众多，有关飞机健康的各种信号信息复杂多样，有连续的、离散的，有动态的、静态的，需要采用的监测方法多样，相应的诊断预测方法也各异，所以在飞机健康管理系统设计上，需要考虑多种问题：（1）飞机健康管理系统应怎样搭建、采用怎样的系统结构。飞机健康管理技术是一项新兴的技术，具体的技术路线还在摸索中，尚未出现一套很好的系统方法指导健康管理系统的搭建和研究。在系统框架结构方面比较有指导意义的是具有7层功能划分OSA-CBM体系结构[2]。OSA-CBM将健康管理系统分为数据采集层、数据表达层、状态监测层、健康评估层、故障预测层、决策支持层、表达层，层与层之间有交互的数据流和命令流，并且定义了层与层之间交互的接口方式，作为一个开放系统框架，为系统的对象和功能的扩展留有接口。（2）怎样划分机载系统和地面系统的功能。飞机作为特殊的运载工具要求机载设备的重量尽量轻，体积尽量小，这就使机载设备的处理能力、存储能力等受到限制。针对系统功能健康管理系统在空间上必然分为机载与地面两个部分，如何合理划分机载系统与地面系统的功能分配，也是健康管理系统研究工作的一部分。（3）如何获取更多、更有效的数据。现在飞机的航空电子网络，虽然使用了AFDX总线，其传输带宽较之前的飞机有了很大改善，但需要为所有的机载系统提供数据传输功能，留给健康管理的带宽并不充足。另外，飞机在空中时只能使用ACARS链路实现健康管理数据的传输，而ACARS本身带宽很小，只能传输少量的报文，所以为了更有效地完成健康管理的功能，需要在数据采集时选取有效的特征参数，同时在飞机上做好数据处理以及故障检测工作，将检测结果通过ACARS发送到地面，用于地面快速应对。
2健康管理所涉及的关键技术问题
2.1采集技术
随着电子技术和测量技术的发展，各种高精度、智能化的新型传感器已经应用于飞机健康管理系统。对于传统的机载系统，如动力系统、液压系统、起落架系统等，通过传感器进行设备的状态监控已经比较成熟，健康管理系统需采集的数据可以满足要求。对于飞机结构的监测，使用一些新型传感器,如光纤传感器、主动/被动超声波传感器、远距无线传感器以及可以从结构的外部来监测特定组件的非接触式传感器。
2.2诊断技术
健康管理系统处理的故障，其严重程度一般不会导致设备完全失效，若此时进行维修，仅需要更换设备内的某个模块。如果健康管理系统可以直接定位到故障模块，可以大幅度减少维护人员的工作量，减少维护成本。健康管理系统采用特征提取技术、数据融合技术，通过查询维修手册或以往维修案例对故障隐患进行隔离和定位。
2.3预测技术
健康管理系统预测一般包括状态预测和寿命预测。获取全寿命故障规律进行电子系统故障预测的方法能够告诉用户当前部件或系统的健康状态和剩余有用时间，以便于在电子系统发生真正的故障之前就采取相应的措施。这样使传统的事后维修转向状态维修，从故障的被动反应变为主动预防，然后实现事先预测和规划管理。目前主要有基于物理模型的预测（故障模型），基于规则的预测和基于统计模型的预测三种预测方法。健康管理系统借助人工智能，使用特定的故障预测和寿命预测算法进行状态和寿命的预测。其算法是健康管理技术实施的关键。
2.4管理决策技术
健康管理系统的管理决策技术，需要综合采集、诊断、预测结果，结合模型进行综合分析、评判，最后做出维修保障的决策，合理地确定维修级别和方式，安排维修计划并计算成本费用，实现机载设备的健康管理。
3健康管理研究的方法和内容
3.1研究方法
3.1.1.基于知识的诊断方法
基于知识的故障诊断方法，主要以专家系统为核心。专家系统是一个具有大量专门知识与经验的计算机程序系统，它是应用知识和人工智能技术，通过推理和判断来解决复杂问题。专家系统是模仿人的思辨、分析和推理方式来解决问题，一般由知识库、数据库、推理机、知识获取模块、解释模块和人机交互模块组成。专家系统组成框图如图2所示。故障诊断的专家系统基于系统可观测到的症状集合、系统的故障集合、系统症状集与故障之间的映射关系和当前观测到的症状，通过模式匹配的方法进行故障诊断。
3.1.2.基于统计的预测方法
基于统计的预测方法所需的信息来自各种概率函数，其优点是可以通过观察到的统计数据建立所需的概率密度函数，而且这些方法一般都给出预测结果的置信区间，置信区间能对预测的准确度和精确度给出较为直观描述。基于统计的预测方法不需要对系统精确的物理模型和先验的知识储备，仅仅通过采集系统相关的数据，通过各种数据分析处理方法挖掘其中隐含的信息进行预测操作，从而避免了基于失效物理模型中部件故障类型不唯一、不终止运行难以鉴别故障的缺点，成为一种使用的故障预测方法。实际中一些重要设备的历史运行数据、故障注入数据获取代价高昂；而且所获得的数据往往也具有一定的不确定性和不完整性。这些问题增加了基于统计的预测方法实现的难度。基于统计的预测方法通常有贝叶斯预测方法、隐马尔科夫模型、隐半马尔科夫模型的预测方法、威布尔分布的稳定区与退化区间隔表示的预测方法、比例风险模型预测方法、智能乘积极限估计器预测方法。
3.1.3.基于数据挖掘的问题分析法
数据挖掘融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术[3]，是指从存放于大型数据库或数据仓库中的海量集合中，提取出人们感兴趣的知识（模型或规则）的过程，这些知识是隐含的、未知的、非平凡的、潜在的、有价值的。基于数据挖掘的分析方法其核心思想是通过对历史数据的分析来获取系统运行的状态和知识,从而解决知识获取困难的问题。
3.2研究内容
3.2.1.架构研究
民用飞机健康管理系统从物理架构上可以分为机载系统和地面系统两大部分。机上系统主要完成对飞机健康数据的采集，并按照系统和区域进行信息融合和推理，通过机载网络进行健康数据的管理。同时，机上系统将所有的数据通过与地面系统的接口将数据发送到地面。地面系统通过与飞机的不同接口接收飞机各个系统的状态数据、诊断数据，通过不同的算法进行数据分析、识别、推理、判读等处理，进行数据综合和处理，进行飞机系统的状态健康、故障或故障隐患定位、趋势分析与健康状态的管理。
3.2.2.智能传感研究
目前国内民用飞机基本上还是采用传统的传感器信息采集与传输模式。随着我国民用飞机事业的发展,测量参数种类及数量也随之增加,传统的分布式测量模式已无法更好地满足试验要求。为适应新的形势和试验测试要求,要对智能传感器及网络技术进行研究,在减少传输线路,减少系统监控与信号调理的情况下,保证参数测量的可靠性、稳定性和抗干扰能力。
3.3智能算法研究
对于飞机健康管理研究，目前还没有许多工程问题无法解决，尤其是趋势预测、零部件生命周期管理等，都需要利用计算机模拟现实世界中解决问题的方法，开展不同的智能算法研究。由于民用飞机健康管理具有复杂系统、概率统计特征等，因此利用仿生原理开展算法研究，将是健康管理技术提升的重要途径。譬如可以从人工神经网络技术、遗传算法、模拟退火算法、禁忌搜索和群集智能技术等已经发明的算法中得到启示。
4健康管理技术的未来趋势
飞机健康管理技术对于故障的检测和预测需要从现在的系统级，深入到板级、模块级、甚至是芯片级。故障检测和预测的层次分的越细,范围就越大,故障的检测和预测越精准。目前的健康管理系统在检测或预测到故障的时候，一般采用告警或提示的方式，有地面维护人员进行故障的排查和维修。如果设备可以自己进行故障的定位处理，可以大幅度缩小人力成本，提高飞机的维修性和经济性。
作者：曹全新 杨融 刘子尧 单位：上海飞机设计研究院
相关专题：即时口译 失效分析与预防 投稿
