飞机健康监测与预测系统的发展与展望

作者 | 夏裕彬，何泳，莫固良，沈勇，王景霖

配图 | 来源互联网

随着航空装备的不断发展，飞机性能不断提高，功能不断完善，导致飞机系统及其分系统的结构愈趋复杂，安全性问题日趋突出，制造成本不断提高，武器装备的使用保障费用在其全寿命周期费用中所占比例越来越高，经济可承受性成为一个不可回避的问题。由于缺少综合的系统诊断和预测能力，飞机在使用中普遍存在虚警率高、不能复现和重测合格等问题，导致其故障诊断工时和平均修复时间（MTTR）过长，测试设备种类繁杂、计划维修次数过多，从而使飞机使用保障费用高、维修人力不足、战备完好性差，影响了飞机的安全和再次出动能力。

为有效解决上述问题，提高飞机可靠性、维修性、安全性和保障性，降低使用与保障费用，近十几年来，欧美发达国家提出了综合诊断方案，并借助现代信息技术、建模仿真技术、人工智能技术、软件技术、先进传感器技术等最新研究成果，投入大量人力、物力进行飞机健康监测与预测技术研究，开发了直升机完好性与使用监测系统（HUMS）、飞机故障预测和状态管理系统（PHM）、中央维护系统（CMS）等先进综合测试、诊断和预测系统，广泛应用于直升机、战斗机、大型运输机等新型飞机上，使飞机战备完好性和经济承受性获得显著提高。

国外在新一代飞机的设计、生产和使用中广泛研究和应用智能化的实时综合故障诊断技术，将以前的飞机落地开始维修发展为空中诊断、预测、预报，地面远程诊断，地面准备，飞机着陆后快速修复。诊断、维修、后勤保障一体化，对提高飞机的战斗力、减少寿命周期成本起到了很好的作用。

根据对象不同，已开发的健康监测与预测系统主要有三种：针对直升机的完好性与使用监测系统（HUMS）；针对新一代战斗机的飞机故障预测和状态管理系统（PHM）；针对民用大型飞机的中央维护系统（CMS）。

直升机完好性与使用监测系统(HUMS)是直升机上连续监测涉及飞行安全的关键部件的工作状态并进行故障诊断定位的系统。通过HUMS系统对直升机的关键部件（传动系统、机体、发动机、旋翼等）的使用状态及潜在的故障实施监测、报警，从而提高直升机的飞行安全、可靠性、维修性和任务出勤率，实现直升机的状态管理、视情维护。

飞机故障预测和状态管理系统（PHM）是新一代战斗机故障诊断维修保障体系发展趋势的充分体现，在继承第三代战斗机成功应用测试性/BIT、状态检测、余度技术、重构技术等成果基础上，通过综合自动和人工测试、BIT/测试性和维修辅助手段等诊断要素的综合，开展测试、综合诊断和故障预测管理的综合设计，通过PHM使传统的基于传感器的诊断转向基于智能系统的预测，从而实现新一代飞机的智能化和综合化诊断。

中央维护系统（CMS）是大型飞机建立在先进的机载数据采集、通信设备、空地数据通信网络、计算机与计算机网络技术上的全新的民用飞机综合状态监控、故障诊断与维修辅助系统。中央维护系统是测试性及诊断技术发展的产物，是飞机系统由外部测试到机内测试的产物。对于大型飞机，中央维护系统设计研究是一项总体性的顶层设计工作，涉及面广，系统维护的对象是要覆盖飞机航空电子系统、机电系统以及飞机结构。

目前健康监测与预测技术已广泛应用于英、美、加拿大、荷兰、新加坡、南非、以色列等国的直升机上。

美陆军直升机安装HUMS系统，使直升机任务成功率提高10%。已安装180多架直升机，包括AH-64阿帕奇、UH-60黑鹰和CH-47支奴干。并批准全部的750架“阿帕奇”安装HUMS系统。Smiths公司自1991年起共有400套HUMS在各类直升机上应用，飞行时间已达200万小时。英国国防部也与史密斯航宇公司达成协议，为70架未来山猫直升机开发一种状态与使用监测系统和机舱声音与飞行数据记录仪（HUMS/CVFDR）组合能力，交付时间于2011年开始。另外，史密斯航宇公司也将为韩国直升机项目(KHP)提供价值超过2000万美元的直升机HUMS系统。

健康监测与预测技术不但应用于直升机上，在固定翼飞机上也开始有应用，如阵风战斗机、B-2轰炸机、“全球鹰”无人机、“鹰”教练机、C-130“大力神”运输机上也采用了各种类似HUMS系统，美陆军的RQ-7A/B“影子”200战术无人机系统、美国海军P-8A多任务海上飞机也将装备HUMS类似系统。

PHM系统目前主要应用在美国先进战术战斗机F-22A“猛禽”、F-35“联合攻击战斗机”、欧洲战斗机EF-2000“台风”和法国多用途超音速战斗机“阵风”等。

健康监测与预测系统连续监控设备的使用、健康和安全，监测部件或分系统的性能降级状况，然后隔离故障，预计失效时间，并计划需要完成的维修工作。上述过程的成功取决于多种关键技术，包括先进传感技术、故障诊断与健康评估技术、故障预测技术、数据融合技术、系统验证与评价技术。

先进传感器技术。传感器与数据采集策略是健康监测与预测领域中的基础要素。传感器是健康监测系统与被监测对象直接发生联系的器件或装置。其作用是感受被测参量的变化并按一定规律将其转换成一个相应的便于传递的输出信号。传感器种类、数量、尺寸、重量、动态特性、安装位置的选择等都会影响传感器采集的数据，并最终影响诊断及预测算法的可靠度。飞机的特点要求所选择的传感器应具备重量轻、体积小、抗毁、抗干扰、工作温度范围大、低功耗、高性能、环境适应性强等特点，要求传感器布置在最能反映飞行器相应参数变化的点上，以便准确感知飞机的状态参数变化，通过优化配置提高传感器的系统效能，降低传感器的成本。

故障诊断与健康评估技术。故障诊断与健康评估技术涉及多门学科，如现代控制理论、可靠性理论、数理统计、模糊集理论、信号处理、模式识别和人工智能等。其任务是监测飞机运行状态，判断其是否正常；诊断系统出现的故障、确定故障部位，并分析故障对系统的影响，判断系统能否继续运行，主要包含三方面的内容：状态监测的任务是了解掌握飞机的运行状态，包括采用各种检测、测量、监视、分析和判别方法，结合飞机的历史和现状，考虑环境因素，对运行状态进行评估，判断其处于正常或非正常状态，并对状态进行显示和记录，对异常状态做出报警，以便及时加以处理，并为故障分析、性能评估、合理使用和安全工作提供信息和准备基础数据。

为实现设备的主动维护，必须充分了解和把握设备性能与健康退化趋势，实时掌握设备的健康状态信息。设备在使用过程中可分为四个状态：正常状态、健康退化状态、危险状态和故障（失效）状态。因此，若能在设备运行中检测或测量到能指示设备性能与健康退化的状态指标，就可以有针对性地组织设备维修，防止设备异常失效的发生。

故障诊断的任务是根据传感器数据、状态监测信息和健康评估结果，结合已知结构特性和参数、运行工况和环境条件、运行历史（运行记录和曾发生过的故障及维修记录等），对可能要发生或已发生的故障进行分析判断，确定故障性质、类别、程度、原因、部位，指出故障发生发展的趋势及其后果。

故障预测技术。故障预测旨在预先诊断部件或系统完成其功能的健康状态，确定部件或系统将正常工作的时间长度。设备或者系统从健康到故障再到失效是一个过程，而故障状态也分轻微故障与严重故障等。

故障预测的研究对象是未来的不确定性事件。预测的不确定性是基于状态的维修（CBM）和故障预测与健康管理技术（PHM）的致命弱点，也给CBM/PHM系统的设计者带来了巨大的挑战。此外，精准的预测模型需要准确的故障演化规律以及足够多的失效数据样本来支持训练、验证和微调预测方法。

数据融合技术。为提高状态监测、健康评估和故障预测的准确性，并能确定推理结果的置信度，可以利用数据融合技术。数据融合是指通过协作或竞争的过程来获得更准确的推论结果。常用数据融合算法有贝叶斯推论、D-S证据理论、模糊逻辑推论、神经网络等。在PHM系统中一般有3个层次的数据融合：

较低层次的数据融合将多传感器的数据进行融合以进行信号识别和特征抽取。

较高层次的信息融合将抽取的特征进行进一步融合获得故障诊断所需信息。

最高层次的知识/决策融合将基于经验的信息如历史故障率、物力模型的预计结果同基于信号的信息进行融合，通常用于系统级的预测推理和进行维修决策。

系统验证与评价技术。验证是指为检验研制产品是否满足合同规定的某方面要求而进行的工作。通过验证可以发现设计中存在的缺陷，为产品设计提供信息，以便采取改进措施。健康监测与预测系统验证的最终目标是评价健康监测与预测的能力是否满足规定的要求，在研制过程中尽早开展健康监测与预测系统验证，可以更早地发现健康监测与预测系统的设计缺陷，为提高健康监测与预测技术的设计水平提供改进依据，促进研制中健康监测与预测系统设计工作的深入有效开展，确保健康监测与预测技术的设计要求得到全面落实。目前PHM系统验证方法主要分为基于分析评估的方法、基于仿真的方法和基于试验的方法。系统评价则主要通过建立相应的指标体系来实现。

健康监测与预测包含状态监控、故障诊断、故障预测和综合集成等部分。当前健康监测与预测技术的发展趋势是以系统集成应用为牵引、提高诊断与预测精度、扩展健康监控应用对象范围，目的是支持基于状态的维修（CBM）与自主式保障。

虽然健康监测与预测系统已逐步开始得到应用，但距离工程实用还有一定的差距，如目前还仅能覆盖部分关键系统和部件。并且对已覆盖的系统和部件中的一些故障机理的研究还不够透彻，仅仅能实现对故障诊断，而不具备预测的能力。此外，如何正确有效地评估系统的健康状态，并做出优化的维修决策等都需要大量的研究工作。

- END -

相关文章，在仿真秀官网搜索：

1） QFD –客户需求收集和产品指标定义

2） CAE仿真模型V&V技术的价值

3） 机器动力学/环境图形化在线监控及健康预测系统

4） DFC 与其他 DFX 工具的集成