?

飛機(jī)復(fù)合材料構(gòu)件健康預(yù)測(cè)與管理綜述*1

朱兵，董恩生，孫超，徐偉

(空軍航空大學(xué)，吉林 長(zhǎng)春130022)

摘要：先進(jìn)復(fù)合材料具有比模量高、耐高溫、耐疲勞等優(yōu)點(diǎn)，在現(xiàn)代飛機(jī)上的用量越來(lái)越大。隨著飛機(jī)服役年限的增加，復(fù)合材料構(gòu)件會(huì)產(chǎn)生裂紋、內(nèi)部分層等損傷。而對(duì)于復(fù)合材料構(gòu)件異常的漏判往往會(huì)造成機(jī)毀人亡的災(zāi)難性后果。健康預(yù)測(cè)與管理技術(shù)能夠?qū)崿F(xiàn)對(duì)飛機(jī)復(fù)合材料的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)復(fù)合材料的異常，實(shí)現(xiàn)視情維修，進(jìn)而保證飛行安全。闡述了健康預(yù)測(cè)與管理技術(shù)中幾種常用的傳感器技術(shù)及健康預(yù)測(cè)方法，并比較它們的優(yōu)缺點(diǎn)，以及應(yīng)用條件，為今后更方便地進(jìn)行研究打下基礎(chǔ)。

關(guān)鍵詞：復(fù)合材料；損傷；實(shí)時(shí)監(jiān)測(cè)；視情維修；健康預(yù)測(cè)與管理技術(shù)；傳感器

0引言

隨著科學(xué)技術(shù)的不斷發(fā)展，具有比模量高、耐高溫、耐疲勞等優(yōu)點(diǎn)的先進(jìn)復(fù)合材料在先進(jìn)飛機(jī)上(機(jī)翼、尾翼、燃料箱、設(shè)備艙等)的用量越來(lái)越大。例如，在軍用飛機(jī)上，瑞典研制的JAS-39獅鷹戰(zhàn)斗機(jī)，復(fù)合材料占機(jī)身結(jié)構(gòu)質(zhì)量的30%；美國(guó)研制的V-22魚(yú)鷹式傾轉(zhuǎn)旋翼機(jī)，復(fù)合材料占機(jī)身結(jié)構(gòu)質(zhì)量的45%；美國(guó)研制的F-22，復(fù)合材料占機(jī)身結(jié)構(gòu)質(zhì)量的26%；歐洲四國(guó)研制的超聲速戰(zhàn)機(jī)EF-2000，復(fù)合材料占機(jī)身結(jié)構(gòu)質(zhì)量的43%；美國(guó)研制的輕型偵察攻擊直升機(jī)RAH-66，復(fù)合材料用量達(dá)機(jī)身結(jié)構(gòu)質(zhì)量的51%；A400M軍用運(yùn)輸機(jī)的復(fù)合材料用量達(dá)到全機(jī)質(zhì)量的30%[1-2]。在民用飛機(jī)上，波音公司研制的B777飛機(jī)，其復(fù)合材料占結(jié)構(gòu)質(zhì)量的11%；波音B787飛機(jī)，復(fù)合材料占結(jié)構(gòu)質(zhì)量的50%；空客公司研制的A380，復(fù)合材料占結(jié)構(gòu)質(zhì)量的22%[3]。隨著服役年限的不斷增加，復(fù)合材料構(gòu)件會(huì)產(chǎn)生裂紋、內(nèi)部分層等損傷，會(huì)影響飛行安全。傳統(tǒng)的故障診斷是在故障發(fā)生后才去找出故障的部位，這樣就會(huì)造成人力、物力、財(cái)力等不必要的損失和浪費(fèi)。國(guó)外的一項(xiàng)統(tǒng)計(jì)表明，飛機(jī)生命周期平均花費(fèi)的27%都用在定期的維護(hù)上。由于材料的各向異性、纖維的導(dǎo)電性以及模型的絕緣性，使得復(fù)合材料維護(hù)和修理要比金屬材料更具挑戰(zhàn)性[4]。所以對(duì)復(fù)合材料的健康狀態(tài)進(jìn)行有效監(jiān)測(cè)及預(yù)測(cè)顯得至關(guān)重要。因此，必須對(duì)復(fù)合材料的異?；驌p傷進(jìn)行有效預(yù)防來(lái)保證飛機(jī)的整體安全[5]。健康預(yù)測(cè)與管理(prognostic and health management，PHM)技術(shù)能夠?qū)崿F(xiàn)對(duì)飛機(jī)復(fù)合材料構(gòu)件的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和預(yù)報(bào)，及時(shí)發(fā)現(xiàn)異常，保證飛行安全，降低飛機(jī)復(fù)合材料部件的維修和使用費(fèi)用。

1健康預(yù)測(cè)與管理技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀

健康預(yù)測(cè)與管理技術(shù)成為國(guó)內(nèi)外研究的熱點(diǎn)。澳大利亞的國(guó)防科學(xué)與技術(shù)組織(defence science and technology organisation，DSTO)的L. Molent等首次運(yùn)用結(jié)冰-達(dá)格代爾模型給出了飛機(jī)構(gòu)件裂縫深度的對(duì)數(shù)與飛機(jī)實(shí)際服役年限的線性關(guān)系，并由此確定帶有裂縫的飛機(jī)構(gòu)件有效剩余壽命或者適當(dāng)?shù)木S護(hù)期限，該方法已經(jīng)被廣泛地用于服役飛機(jī)金屬構(gòu)件的裂縫檢測(cè)及其有效剩余壽命的監(jiān)測(cè)[6]；美國(guó)學(xué)者Jack Edmonds,Gail A. Hickman等論證了將一組壓電傳感器陣列附在V-22魚(yú)鷹直升機(jī)的復(fù)合材料結(jié)構(gòu)部件上用于敏感和驅(qū)動(dòng)，并對(duì)復(fù)合材料結(jié)構(gòu)部件的振動(dòng)響應(yīng)進(jìn)行統(tǒng)計(jì)學(xué)分析，用來(lái)探測(cè)、評(píng)估復(fù)合材料結(jié)構(gòu)的損傷[7]；美國(guó)公司Comp Air commissioned Chandler Monitoring Systems Inc(CMS)的K. Chandler等基于安裝在飛行器上的一組光纖Bragg光柵傳感器陣列和詢問(wèn)系統(tǒng)，設(shè)計(jì)和開(kāi)發(fā)了一個(gè)新穎的對(duì)復(fù)合材料構(gòu)件健康狀態(tài)監(jiān)測(cè)系統(tǒng)和火災(zāi)探測(cè)系統(tǒng)，能實(shí)現(xiàn)對(duì)復(fù)合材料健康狀態(tài)的有效預(yù)測(cè)，該系統(tǒng)是飛機(jī)復(fù)合材料構(gòu)件的第1套光學(xué)監(jiān)控系統(tǒng)[8]。國(guó)內(nèi)也有多家大學(xué)和研究機(jī)構(gòu)開(kāi)展健康預(yù)測(cè)與管理技術(shù)研究，重慶郵電大學(xué)的黃大榮等基于卡爾曼濾波原理和專(zhuān)家系統(tǒng)知識(shí)提出了一種混合預(yù)測(cè)方法，能夠較好地解決故障先兆知識(shí)獲取困難的問(wèn)題，實(shí)現(xiàn)故障預(yù)測(cè)的在線實(shí)時(shí)控制，有效預(yù)防系統(tǒng)故障發(fā)生[9]；中國(guó)民航大學(xué)的張?zhí)靹偟葘⒒谪惾~斯框架下的LS-SVM(least squares support vector machine)回歸模型用于液壓系統(tǒng)的健康預(yù)測(cè)，并給出了模型的選擇算法，取得了較好的預(yù)測(cè)效果[10]；沈陽(yáng)飛機(jī)研究所崔建國(guó)等將混沌理論與聲發(fā)射技術(shù)結(jié)合起來(lái)，使用小波分析對(duì)采集的聲發(fā)射信號(hào)進(jìn)行去噪，使用混沌理論提取關(guān)聯(lián)維數(shù)，并用神經(jīng)網(wǎng)絡(luò)進(jìn)行健康預(yù)測(cè)，很好地預(yù)測(cè)了飛機(jī)水平尾翼的健康狀態(tài)[11]?？梢?jiàn)，國(guó)外對(duì)PHM技術(shù)早已應(yīng)用到實(shí)際問(wèn)題的處理之中；國(guó)內(nèi)大都處于理論研究階段，投入實(shí)際應(yīng)用很少。

2健康預(yù)測(cè)與管理技術(shù)中應(yīng)用的傳感器類(lèi)型

傳感器，是將感受到的物理量、化學(xué)量、生物量等信息，按照一定的規(guī)律，轉(zhuǎn)換成便于測(cè)量和傳輸?shù)男盘?hào)的裝置。傳感器能夠敏感環(huán)境、電氣、機(jī)械和電子等參量，能將被測(cè)的非電量轉(zhuǎn)換成電信號(hào)，是健康預(yù)測(cè)與管理系統(tǒng)結(jié)構(gòu)中的重要組成部分[12]。隨著傳感器技術(shù)的發(fā)展，傳感器在飛機(jī)復(fù)合材料構(gòu)件的健康監(jiān)測(cè)中發(fā)揮著越來(lái)越重要的作用。常用的傳感器如下：

2.1光纖傳感器

光纖傳感器能將來(lái)自光源的光送入調(diào)制器，使待測(cè)參數(shù)與進(jìn)入調(diào)制區(qū)的光相互作用后，導(dǎo)致光的光學(xué)性質(zhì)(如光的強(qiáng)度、波長(zhǎng)、頻率等)發(fā)生變化，被調(diào)制的光經(jīng)過(guò)光纖送入光探測(cè)器，經(jīng)解調(diào)后，獲得被測(cè)參數(shù)。由于光纖具有質(zhì)量輕、柔韌性好、直徑小等優(yōu)點(diǎn)，光纖傳感器在測(cè)量過(guò)程中可實(shí)現(xiàn)普通光電傳感器無(wú)法到達(dá)的區(qū)域[13]。

2.2超聲波傳感器

超聲波傳感可以被應(yīng)用于主動(dòng)和被動(dòng)模式，因此在傳感技術(shù)領(lǐng)域獲得相當(dāng)大的關(guān)注。對(duì)材料中傳輸?shù)某暡ㄐ盘?hào)進(jìn)行分析作為傳統(tǒng)的無(wú)損檢測(cè)方法，長(zhǎng)期以來(lái)被用于檢測(cè)和評(píng)估飛機(jī)上復(fù)合材料構(gòu)件損傷。然而，這種方法利用超聲波傳播掃描結(jié)構(gòu)部件，逐點(diǎn)對(duì)材料性能或損傷位置進(jìn)行表述，并不是連續(xù)的，也不能用于機(jī)載。因此，斯坦福大學(xué)在對(duì)多執(zhí)行器接收機(jī)傳導(dǎo)(multi-actuator receiver transduction，MART)層進(jìn)行研究時(shí)，使用嵌入式的超聲波傳感器陣列，使傳感器建立起發(fā)射—接收的連接關(guān)系，用于評(píng)估構(gòu)件的損傷，取得了很好的效果[14]。超聲波傳感器技術(shù)在構(gòu)件健康監(jiān)測(cè)中的研究主要包括：①小型化、堅(jiān)固耐用、可嵌入式傳感器；②優(yōu)化傳感器的布局，使其能夠檢測(cè)結(jié)構(gòu)部件的全部損傷特性，而不僅僅是超聲波傳播路徑上的損傷；③對(duì)附著在或嵌入在航空器薄壁結(jié)構(gòu)上的傳感器發(fā)生的超聲波導(dǎo)波建立傳輸模型。

2.3壓電傳感器

壓電傳感器的基本原理是壓電材料的壓電效應(yīng)，它能實(shí)現(xiàn)機(jī)械能與電能之間的相互轉(zhuǎn)換，被用來(lái)測(cè)量力和壓力、位移、加速度等與力有關(guān)的參數(shù)[13]。壓電傳感器具有質(zhì)量輕，能耗小，能感應(yīng)很小的張力及很小的加速度等優(yōu)點(diǎn)，可以被用于飛機(jī)構(gòu)件的健康預(yù)測(cè)與管理系統(tǒng)中。

使用壓電材料的傳感器最大的好處是，只簡(jiǎn)單地改變激勵(lì)信號(hào)的時(shí)域范圍，就可廣泛地將其應(yīng)用在不同類(lèi)型的損傷探測(cè)技術(shù)中。另外，張力監(jiān)控技術(shù)和聲發(fā)射技術(shù)通過(guò)壓電傳感器在沒(méi)有激勵(lì)源的情況下也能進(jìn)行損傷探測(cè)[15]。

上述幾種傳感器技術(shù)，其傳感器都需要安裝或附著在飛機(jī)上，這或多或少地會(huì)增加飛機(jī)質(zhì)量，影響飛機(jī)的空氣動(dòng)力性能。

2.4同面多電極電容傳感器

同面多電極電容傳感器能將被測(cè)物理量的變化轉(zhuǎn)換為電容量的變化[16]。一對(duì)電極結(jié)構(gòu)是同面多電極電容傳感器的基本組成單元，由發(fā)射電極、接收電極、屏蔽電極和絕緣層構(gòu)成，見(jiàn)圖1。

圖1　同面兩電極電容傳感器的結(jié)構(gòu)示意圖Fig.1　Schematic with two surface electrode　　　capacitance sensors

基本原理：同面電極的上方為敏感區(qū)域，傳感器的電場(chǎng)線深度即為檢測(cè)深度。工作時(shí)，將兩個(gè)電極接到檢測(cè)電路中，當(dāng)復(fù)合材料內(nèi)部出現(xiàn)分層、裂紋等損傷時(shí)，損傷部位的等效介電常數(shù)將會(huì)發(fā)生變化，從而引起電容值發(fā)生變化。通過(guò)測(cè)得電容值就可以得到檢測(cè)部位的損傷情況[17]。

同面多電極電容傳感器具有靈敏度高、結(jié)構(gòu)簡(jiǎn)單、成本低、體積小、性能優(yōu)良和能在惡劣環(huán)境中工作等優(yōu)點(diǎn)，故將其用于復(fù)合材料構(gòu)件的健康預(yù)測(cè)與管理系統(tǒng)中，可以在不增加飛機(jī)整體質(zhì)量及不影響飛機(jī)空氣動(dòng)力性能的條件下，完成復(fù)合材料健康預(yù)測(cè)與管理過(guò)程中的數(shù)據(jù)獲取。

3健康預(yù)測(cè)與管理技術(shù)常用方法

健康預(yù)測(cè)，通過(guò)對(duì)被預(yù)測(cè)構(gòu)件的未來(lái)發(fā)展趨勢(shì)、方向及可能的狀態(tài)建立預(yù)測(cè)模型，基于模型做出科學(xué)合理的預(yù)測(cè)和推斷。健康管理，通過(guò)將數(shù)據(jù)采集和信號(hào)處理系統(tǒng)，健康評(píng)估與預(yù)測(cè)系統(tǒng)以及地面維護(hù)保障系統(tǒng)集成一個(gè)綜合的系統(tǒng)進(jìn)行統(tǒng)一管理，從而實(shí)現(xiàn)健康監(jiān)測(cè)、預(yù)測(cè)以及后勤維護(hù)決策的高度智能化與自動(dòng)化[18]。飛機(jī)構(gòu)件的PHM系統(tǒng)的結(jié)構(gòu)示意圖如圖2所示。

由圖2可知，PHM就是在診斷的基礎(chǔ)上增加了健康預(yù)測(cè)和健康信息融合。而健康預(yù)測(cè)是根據(jù)被預(yù)測(cè)對(duì)象未來(lái)的運(yùn)行趨勢(shì)和目前的健康狀態(tài)，估計(jì)其未來(lái)的健康狀態(tài)以及剩余壽命，它是PHM系統(tǒng)的關(guān)鍵部分。

按照工程應(yīng)用及研究的主流，健康預(yù)測(cè)技術(shù)主要可以分為4類(lèi)[19-20]：①基于統(tǒng)計(jì)模型的預(yù)測(cè)技術(shù)；②基于數(shù)學(xué)的預(yù)測(cè)技術(shù)；③智能預(yù)測(cè)技術(shù)；④綜合預(yù)測(cè)技術(shù)。如圖3所示。

3.1基于統(tǒng)計(jì)模型的預(yù)測(cè)技術(shù)

幅值很小的故障特征很難被識(shí)別出來(lái)，但是隨著時(shí)間的推移，故障特征幅值會(huì)逐漸增大?；诮y(tǒng)計(jì)模型的預(yù)測(cè)， 是通過(guò)對(duì)觀測(cè)到的歷史數(shù)據(jù)作出模型假設(shè)，然后對(duì)模型參數(shù)進(jìn)行估計(jì)得到相應(yīng)的預(yù)測(cè)值的預(yù)測(cè)方法。這種預(yù)測(cè)方法的缺點(diǎn)是當(dāng)模型假設(shè)與實(shí)際偏差較大時(shí)，預(yù)測(cè)效果就會(huì)很差。它包括時(shí)間序列預(yù)測(cè)法、回歸分析預(yù)測(cè)法、濾波器預(yù)測(cè)法等。

3.1.1時(shí)間序列預(yù)測(cè)法

時(shí)間序列預(yù)測(cè)是根據(jù)觀測(cè)數(shù)據(jù)的特點(diǎn)為數(shù)據(jù)建立合理的統(tǒng)計(jì)模型，利用模型的統(tǒng)計(jì)特性得到數(shù)據(jù)統(tǒng)計(jì)規(guī)律，以達(dá)到預(yù)測(cè)目的。隨機(jī)時(shí)間序列有自回歸模型(autoregressive model,AR)、滑動(dòng)平均模型(moving average model,MA)和自回歸滑動(dòng)平均模型(antoregressive moving average model,ARMA)3種模型。電子科技大學(xué)的洪濤應(yīng)用自回歸滑動(dòng)平均模型(ARMA)對(duì)某型液體火箭發(fā)動(dòng)機(jī)氧化劑壓力進(jìn)行預(yù)測(cè)，進(jìn)而判斷發(fā)動(dòng)機(jī)工作時(shí)是否存在故障趨勢(shì)，從而對(duì)其進(jìn)行控制[21]。時(shí)間序列預(yù)測(cè)能夠根據(jù)產(chǎn)生該序列的系統(tǒng)的歷史行為，較精確地找出相應(yīng)系統(tǒng)的內(nèi)在統(tǒng)計(jì)和發(fā)展規(guī)律。但是，該方法的前提是數(shù)據(jù)序列是平穩(wěn)的且可以由歷史數(shù)據(jù)線性表示。否則，預(yù)測(cè)效果將會(huì)變差。

3.1.2回歸分析預(yù)測(cè)法

回歸分析預(yù)測(cè)按自變量的個(gè)數(shù)分為一元回歸預(yù)測(cè)和多元回歸預(yù)測(cè)，是通過(guò)分析被預(yù)測(cè)對(duì)象中的自變量和因變量的相關(guān)關(guān)系，建立回歸方程，并將回歸方程作為預(yù)測(cè)模型，根據(jù)自變量的變化來(lái)預(yù)測(cè)因變量。該方法的優(yōu)點(diǎn)是，如果能將影響健康預(yù)測(cè)對(duì)象的主要因素找到，且能夠獲取其數(shù)據(jù)資料，就能用該方法進(jìn)行預(yù)測(cè)。中國(guó)林業(yè)科學(xué)研究院木材工業(yè)研究所的楊忠等，應(yīng)用近紅外光譜與多變量回歸分析方法相結(jié)合，對(duì)校正集樣本建立判別模型，有效地檢測(cè)出木材的生物腐朽情況，并對(duì)生物腐朽的類(lèi)型進(jìn)行準(zhǔn)確判別[22]。對(duì)于飛機(jī)復(fù)合材料構(gòu)件，將其內(nèi)部分層、裂紋等因素作為自變量，健康狀態(tài)或損傷狀態(tài)作為因變量，建立回歸方程模型，也可以用來(lái)對(duì)復(fù)合材料構(gòu)件進(jìn)行健康預(yù)測(cè)。但是，當(dāng)找不到影響健康預(yù)測(cè)的主要因素及其數(shù)據(jù)資料時(shí)，回歸分析就不再適用。

3.1.3濾波器預(yù)測(cè)法

濾波器預(yù)測(cè)是通過(guò)對(duì)系統(tǒng)狀態(tài)估計(jì)誤差的極小化得到遞推估計(jì)的方程組，同時(shí)得到了系統(tǒng)的預(yù)報(bào)方程，故可以對(duì)系統(tǒng)進(jìn)行運(yùn)動(dòng)或狀態(tài)預(yù)測(cè)[9]。但是，濾波器模型的不準(zhǔn)確，會(huì)導(dǎo)致估計(jì)值發(fā)生很大偏差。

3.2基于數(shù)學(xué)的預(yù)測(cè)技術(shù)

在實(shí)際的健康預(yù)測(cè)和分析過(guò)程中，常常會(huì)遇到大量經(jīng)典集合理論所不能解決的邊界不清的模糊性問(wèn)題，以及預(yù)測(cè)過(guò)程自身的不確定、不精確和噪聲所帶來(lái)的困難。這個(gè)時(shí)候，就需要應(yīng)用精確的數(shù)學(xué)方法來(lái)解決問(wèn)題。目前，基于數(shù)學(xué)的預(yù)測(cè)技術(shù)主要包括：基于模糊理論的預(yù)測(cè)技術(shù)、灰色理論預(yù)測(cè)法等。

3.2.1基于模糊理論的預(yù)測(cè)技術(shù)

圖2　被預(yù)測(cè)對(duì)象的PHM系統(tǒng)示意圖Fig.2　PHM predicted target system diagram

圖3　健康預(yù)測(cè)方法的分類(lèi)Fig.3　Categories health prediction methods

基于模糊理論的預(yù)測(cè)是在模糊變換原理和最大隸屬度原則的基礎(chǔ)上，根據(jù)故障的原因與征兆之間不同程度的隸屬關(guān)系，綜合考慮所有征兆的基礎(chǔ)上，對(duì)發(fā)生故障可能的原因進(jìn)行判斷和預(yù)測(cè)。但是，在模糊預(yù)測(cè)中，由于知識(shí)庫(kù)是靜態(tài)的，使得健康預(yù)測(cè)系統(tǒng)的數(shù)據(jù)表達(dá)沒(méi)有時(shí)間參數(shù)，所以該方法不適用于動(dòng)態(tài)系統(tǒng)的健康預(yù)測(cè)。

3.2.2灰色理論預(yù)測(cè)法

在實(shí)際工程應(yīng)用中，往往很難得到被預(yù)測(cè)對(duì)象的全部有用信息，針對(duì)少數(shù)據(jù)、貧信息不確定性問(wèn)題，鄧聚龍教授于1982年提出了灰色理論?；疑碚擃A(yù)測(cè)是對(duì)系統(tǒng)行為建立灰色G(h，n)(h表示階數(shù)，n表示變量個(gè)數(shù))模型，進(jìn)行各變量動(dòng)態(tài)關(guān)聯(lián)分析，實(shí)現(xiàn)系統(tǒng)行為的預(yù)測(cè)。目前，GM(1，1)是最廣泛的灰色模型。重慶大學(xué)測(cè)試中心的陳慶斌等，利用灰色模型GM(1，1)對(duì)空壓機(jī)的軸向止推軸承磨損量進(jìn)行預(yù)測(cè)，具有很高的預(yù)測(cè)精度，取得了很好的預(yù)測(cè)效果[23]。但是，發(fā)展系數(shù)(數(shù)據(jù)序列的增長(zhǎng)速度)的增加，會(huì)導(dǎo)致預(yù)測(cè)誤差的迅速增大。當(dāng)發(fā)展系數(shù)過(guò)大時(shí)，灰色模型的預(yù)測(cè)精度會(huì)變得很低。飛機(jī)在飛行過(guò)程中，影響其復(fù)合材料構(gòu)件健康狀況的因素往往有很多，且各個(gè)因素所包含的信息之間的關(guān)系往往難以確定。理論上，可以將灰色預(yù)測(cè)理論引入到對(duì)飛機(jī)復(fù)合材料健康信息發(fā)展趨勢(shì)的預(yù)測(cè)研究中。

3.3智能預(yù)測(cè)技術(shù)

智能預(yù)測(cè)技術(shù)主要應(yīng)用在很難得到被預(yù)測(cè)對(duì)象精確的數(shù)學(xué)模型的情況下。因此，它比依賴(lài)于參數(shù)模型的預(yù)測(cè)具有更廣泛的應(yīng)用范圍。但是智能預(yù)測(cè)技術(shù)在知識(shí)量很大時(shí)，將會(huì)出現(xiàn)推理復(fù)雜、無(wú)窮遞歸和組合爆炸等問(wèn)題[24-25]。目前，常用的智能預(yù)測(cè)方法主要有：基于神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、專(zhuān)家經(jīng)驗(yàn)等預(yù)測(cè)方法。

3.3.1基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法

神經(jīng)網(wǎng)絡(luò)是由大量模仿人類(lèi)腦細(xì)胞的處理單元組成的非線性、大規(guī)模、自適應(yīng)并具有學(xué)習(xí)、記憶和并行計(jì)算等功能的網(wǎng)絡(luò)系統(tǒng)，它能在不同程度上模仿大腦神經(jīng)系統(tǒng)處理、儲(chǔ)存和查找信息，將其應(yīng)用到故障診斷、狀態(tài)監(jiān)測(cè)以及健康預(yù)測(cè)中具有很好的效果。其中，利用最速下降算法的BP(back-propagation)神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為成功的一種[26]。英國(guó)劍橋傳感器和通信電子部門(mén)的Peter T. Kazlas等，基于BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)了對(duì)直升機(jī)變速箱健康監(jiān)測(cè)[27]；美國(guó)智能自動(dòng)化公司的Tom Brotherton和Tom Johnson基于BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)了對(duì)先進(jìn)戰(zhàn)機(jī)液壓系統(tǒng)和輔助電源機(jī)構(gòu)的健康監(jiān)測(cè)[28]。但是，BP神經(jīng)網(wǎng)絡(luò)算法存在過(guò)于依賴(lài)經(jīng)驗(yàn)、對(duì)樣本的先驗(yàn)知識(shí)、數(shù)據(jù)量需求很大以及模型建立不準(zhǔn)確時(shí)預(yù)測(cè)精度低等固有缺點(diǎn)。由于模糊理論能解決不確定性邊界問(wèn)題等優(yōu)點(diǎn)，所以，理論上可以將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合用于對(duì)處于復(fù)雜、不確定環(huán)境中的飛機(jī)復(fù)合材料構(gòu)件的健康預(yù)測(cè)研究。

3.3.2基于支持向量機(jī)預(yù)測(cè)法

支持向量機(jī)，是在統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化的基礎(chǔ)上，從小樣本出發(fā)的機(jī)器學(xué)習(xí)方法。由于它具有學(xué)習(xí)結(jié)構(gòu)簡(jiǎn)單、泛化能力高、唯一最優(yōu)解及適合高維數(shù)據(jù)處理等優(yōu)點(diǎn)，將其應(yīng)用于裝備的故障模式識(shí)別和狀態(tài)監(jiān)測(cè)中具有很廣闊的前景[29]。廣西民族大學(xué)的農(nóng)吉夫?qū)⒅С窒蛄繖C(jī)與主成分分析相結(jié)合，對(duì)區(qū)域降水變化進(jìn)行了有效地預(yù)測(cè)[30]；華北電力大學(xué)的宋曉華等，將蛙跳算法引入到支持向量機(jī)中，對(duì)我國(guó)能源消費(fèi)總量進(jìn)行了預(yù)測(cè)，取得了良好的效果[31]。由于向量機(jī)模型核函數(shù)的參數(shù)及懲罰系數(shù)是影響模型的性能主要因素，故核函數(shù)選取不當(dāng)也會(huì)降低預(yù)測(cè)精度。在實(shí)際的生產(chǎn)、使用過(guò)程中，不易獲得完備的飛機(jī)復(fù)合材料購(gòu)件故障樣本數(shù)據(jù)信息，相比而言，小樣本數(shù)據(jù)非常容易獲得。所以，在小樣本的條件下，支持向量機(jī)理論上可用于飛機(jī)復(fù)合材料構(gòu)件健康預(yù)測(cè)與管理的研究中。

3.3.3基于專(zhuān)家經(jīng)驗(yàn)預(yù)測(cè)法

專(zhuān)家經(jīng)驗(yàn)預(yù)測(cè)是將人類(lèi)對(duì)某個(gè)對(duì)象的故障診斷和健康預(yù)測(cè)方面多位專(zhuān)家的知識(shí)、經(jīng)驗(yàn)、推理方法等綜合后編制成計(jì)算機(jī)程序，它對(duì)裝備過(guò)去和現(xiàn)在的情況進(jìn)行檢測(cè)和分析，根據(jù)計(jì)算機(jī)的推理為決策者提供決策建議。防空兵指揮學(xué)院的徐鳳建等，在專(zhuān)家系統(tǒng)理論的基礎(chǔ)上，利用知識(shí)推理，給出了雷達(dá)裝備故障預(yù)測(cè)專(zhuān)家系統(tǒng)的建造步驟、系統(tǒng)功能、工作過(guò)程以及運(yùn)行結(jié)果的知識(shí)表示，為雷達(dá)裝備的故障預(yù)測(cè)提供了一個(gè)可行的方法[32]。但是，由于裝備在制造、裝配、安裝上的差異和工作條件上的差別，使得故障模式不盡相同，從而使得數(shù)據(jù)更新和獲取變得復(fù)雜和困難。知識(shí)獲取困難和知識(shí)庫(kù)更新能力差是專(zhuān)家系統(tǒng)預(yù)測(cè)的主要缺點(diǎn)。

3.4綜合預(yù)測(cè)技術(shù)

飛機(jī)構(gòu)件所處的外部環(huán)境往往是復(fù)雜且迅速變化的，這樣就會(huì)導(dǎo)致健康預(yù)測(cè)的不確定性因素大幅度增加。此時(shí)，利用傳統(tǒng)的單個(gè)模型進(jìn)行預(yù)測(cè)會(huì)造成信息來(lái)源范圍小，以及單一預(yù)測(cè)模型的選擇對(duì)預(yù)測(cè)結(jié)果過(guò)于敏感等缺陷。所以，采用單個(gè)預(yù)測(cè)模型常常不能得到理想的預(yù)測(cè)結(jié)果。為了提高預(yù)測(cè)的準(zhǔn)確性，將不同的預(yù)測(cè)模型組合起來(lái)，再結(jié)合不同的傳感器獲取特征信息，最后將不確定信息融合進(jìn)行預(yù)測(cè)。

東北大學(xué)的易平濤等在單項(xiàng)預(yù)測(cè)法的基礎(chǔ)上，提出了基于密度算子的組合預(yù)測(cè)，進(jìn)一步提高了預(yù)測(cè)結(jié)果的準(zhǔn)確性[33]。

綜合預(yù)測(cè)方法雖然能夠克服單個(gè)預(yù)測(cè)模型在復(fù)雜、迅速變化的環(huán)境中不適用的缺點(diǎn)，但是它也有一些不足。對(duì)于組合預(yù)測(cè)，其整體預(yù)測(cè)精度取決于單項(xiàng)預(yù)測(cè)精度及權(quán)重，而權(quán)重選擇不合理仍會(huì)造成預(yù)測(cè)結(jié)果的不準(zhǔn)確。對(duì)于多傳感器融合，其系統(tǒng)建模的方法還不完善。對(duì)于證據(jù)理論預(yù)測(cè)，推理步驟繁多會(huì)使D-S證據(jù)預(yù)測(cè)的工作量變得很大[34]。

基于健康預(yù)測(cè)與管理技術(shù)，飛機(jī)復(fù)合材料構(gòu)件健康預(yù)測(cè)與管理的一般方法如圖4所示。

圖4　飛機(jī)復(fù)合材料構(gòu)件健康預(yù)測(cè)與管理的一般方法Fig.4　General method for aircraft composite structures prediction and management of health

4結(jié)束語(yǔ)

先進(jìn)復(fù)合材料在現(xiàn)代飛機(jī)上的用量越來(lái)越多，采用健康預(yù)測(cè)與管理技術(shù)對(duì)復(fù)合材料構(gòu)件的健康狀態(tài)進(jìn)行預(yù)測(cè)，能在構(gòu)件出現(xiàn)裂紋、內(nèi)部分層等損傷時(shí)，及時(shí)確定故障部位。本文闡述了幾種健康預(yù)測(cè)的技術(shù)和傳感器技術(shù)，它們?cè)趪?guó)內(nèi)外不同領(lǐng)域均獲得了良好的應(yīng)用。例如，在國(guó)外，美國(guó)公司CMS將傳感器技術(shù)與預(yù)測(cè)技術(shù)結(jié)合起來(lái)，設(shè)計(jì)和開(kāi)發(fā)了一個(gè)新穎的復(fù)合材料健康監(jiān)測(cè)系統(tǒng)；在國(guó)內(nèi)，防空兵指揮學(xué)院的徐鳳建等，利用專(zhuān)家知識(shí)，為雷達(dá)故障預(yù)測(cè)提供了一個(gè)可行的方法等。預(yù)測(cè)技術(shù)可以實(shí)現(xiàn)對(duì)構(gòu)件的健康狀態(tài)的監(jiān)測(cè)和剩余壽命的預(yù)測(cè)，同樣將其應(yīng)用于復(fù)合材料構(gòu)件健康狀態(tài)和剩余強(qiáng)度的預(yù)測(cè)也是可行的。

參考文獻(xiàn)：

[1]沈軍,謝懷勤.先進(jìn)復(fù)合材料在航空航天領(lǐng)域的研發(fā)與應(yīng)用[J].材料科學(xué)與工藝,2008,17(5):737-740 .

SHEN Jun,XIE Huai-qin. Constitutive Relationship Development and Application of Advanced Composite Materials in the Aerospace[J].Materials Science and Technology, 2008,17(5):737-740.

[2]陳吉平,蘇佳智,鄭義珠,等.復(fù)合材料在A400M軍用運(yùn)輸機(jī)上的應(yīng)用[J].航空制造技術(shù),2013,56(15):82-85.

CHEN Ji-ping, SU Jia-zhi, ZHENG Yi-zhu,et al.Composite Materials on the A400M Military Transport Aircraft Applications[J]. Aeronautical Manufacturing Technology,2013,56(15):82-85.

[3]汪萍.復(fù)合材料在大型民用飛機(jī)中的應(yīng)用[J]. 民用飛機(jī)設(shè)計(jì)與研究,2008(3):11-15.

WANG Ping.Application of Composite Materials in Large Civil Aircraft[J].Civil Aircraft Design and Research,2008(3):11-15.

[4]HALL S R,CONQUEST T J.The Total Data Integrity Initiative—Structural Health Monitoring, the Next Generation[C]∥Proceedings of the USAF ASIP，1999,2.

[5]NAKAMURA N,OGISU T,YONEDA H, et al. Impact Monitoring of the Aircraft Composite Structure Using FBG Sensor/PZT Actuator Hybrid Sensor System[C]∥The 14th International Symposium on: Smart Structures and Materials & Nondestructive Evaluation and Health Monitoring. International Society for Optics and Photonics,2007: 65270B-65270B-8.

[6]MOLENT L, SINGH R, WOOLSEY J. A Method for Evaluation of in-Service Fatigue Cracks[J]. Engineering Failure Analysis,2005, 12(1): 13-24.

[7]EDMONDS J, HICKMAN G. Damage Detection and Identification in Composite Aircraft Components[C]∥Aerospace Conference Proceedings, 2000 IEEE,2000,6:263-269.

[8]CHANDLER K, FERGUSON S, GRAVER T, et al. On-line Structural Health and Fire Monitoring of a Composite Personal Aircraft Using an FBG Sensing System[C]∥The 15th International Symposium on: Smart Structures and Materials & Nondestructive Evaluation and Health Monitoring. International Society for Optics and Photonics, 2008:69330H-69330H-6.

[9]黃大榮,黃席樾,范敏,等.基于卡爾曼濾波和專(zhuān)家系統(tǒng)的混合故障預(yù)測(cè)研究[J].計(jì)算機(jī)仿真,2005,22(9):150-152.

HUANG Da-rong,HUANG Xi-yue,FAN Min,et al.Fault Prediction Based on Kalman Filtering and Hybrid Expert System[J].Computer Simulation,2005,22(9):150-152.

[10]張?zhí)靹?侯曉云.貝葉斯框架的LS-SVM回歸在民機(jī)液壓系統(tǒng)預(yù)測(cè)中的應(yīng)用[J]. 科技導(dǎo)報(bào),2013,24(14):56-60.

ZHANG Tian-gang, HOU Xiao-yun.Bayesian Framework of LS-SVM Regression in Civil Aircraft Hydraulic Systems Prediction[J].Technology Review,2013,24(14):56-60.

[11]崔建國(guó),董世良,呂瑞,等.基于混沌理論的飛機(jī)健康預(yù)測(cè)方法[J].數(shù)據(jù)采集與處理,2009,24(3):270-274.

CUI Jian-guo, DONG Shi-liang, Lü Rui,et al.Health Prediction Method Based on Chaos Theory Aircraft[J].Data Acquisition and Processing,2009,24(3):270-274.

[12]ESPERON-MIGUEZ M, JOHN P, JENNIONS I K. A Review of Integrated Vehicle Health Management Tools for Legacy Platforms: Challenges and Opportunities[J].Progress in Aerospace Sciences, 2013(56):19-34.

[13]董永貴.傳感技術(shù)與系統(tǒng)[M].北京:清華大學(xué)出版社,2006.

DONG Yong-gui.Sensing Technologies and Systems[M].Beijing: Tsinghua University Press, 2006.

[14]KO J M, NI Y Q. Technology Developments in Structural Health Monitoring of Large-Scale Bridges[J].Engineering Structures, 2005, 27(12): 1715-1725.

[15]KESSLER S S, SPEARING S M. Structural Health Monitoring of Composite Materials Using Piezoelectric Sensors[R].Submitted for Publication to Materials Evaluation, Department of Aeronautics and Astronautics Massachusetts Institute of Technology, Cambridge/USA, MA, 2139.

[16]劉少剛,安進(jìn)華,羅躍生,等.單一平面電容傳感器數(shù)學(xué)模型及有限元解法研究[J].哈爾濱工程大學(xué)學(xué)報(bào),2011(1):79-84.

LIU Shao-gang, AN Jin-hua, LUO Yue-sheng, et al.Single Planar Capacitive Sensor Mathematical Model and Finite Element Method[J].Harbin Engineering University,2011(1):79-84.

[17]LEMISTRE M B, BALAGEAS D L. Health Monitoring System for Composite Material Using Electromagnetic Field Measurement[C]∥NDE For Health Monitoring and Diagnostics. International Society for Optics and Photonics,2002:272-281.

[18]BELCASTRO C M.Aviation Safety Program:Integrated Vehicle Health Management Technical Plan Summary,NASA Technology Report[R].U.S..National Aeronautics and Space Administration,2006:1-53.

[19]張金玉,張煒.裝備智能故障診斷與預(yù)測(cè)[M].北京:國(guó)防工業(yè)出版社,2013.

ZHANG Jin-yu,ZHANG Wei.Equipment Intelligent Fault Diagnosis and Prediction[M].Beijing:National Defense Industry Press,2013.

[20]彭宇,劉大同,彭喜元.故障預(yù)測(cè)與健康管理技術(shù)綜述[J].電子測(cè)量與儀器學(xué)報(bào),2010，1(24):1-9.

PENG Yu,LIU Da-tong,PENG Xi-yuan.A Review:Prognostics and Health Management[J].Journal of Electronic Measurement and Instrument,2010.1(24):1-9.

[21]洪濤.液體火箭發(fā)動(dòng)機(jī)渦輪泵實(shí)時(shí)故障檢測(cè)算法研究[D].成都：電子科技大學(xué),2012.

HONG Tao.Liquid Rocket Engine Turbopump Real-time Fault Detection Algorithm[D].Chengdu:University of Electronic Science and Technology,2012.

[22]楊忠,黃安民,江澤慧.近紅外光譜結(jié)合回歸分析預(yù)測(cè)法判別木材的生物腐朽[J].林業(yè)科學(xué),2012,58(10):120-124.

YANG Zhong, HUANG An-min,JIANG Ze-hui.The Near Infrared Spectroscopy Combined with Discriminant Regression Analysis to Predict the Biological Decay of Wood[J].Forestry Science,2012,58(10):120-124.

[23]陳慶斌,秦樹(shù)人.灰色預(yù)測(cè)法在機(jī)械測(cè)試中的應(yīng)用[J].中國(guó)測(cè)試技術(shù),2007,33(5):10-13.

CHEN Qing-bin, QIN Shu-ren.Application of Gray Prediction in Mechanical Tests[J].Chinese Test Technology,2007,33(5):10-13.

[24]吉奧克.專(zhuān)家系統(tǒng):原理與編程[M].北京:機(jī)械工業(yè)出版社,2006.

Giauque.Expert System: Principle and Programming[M].Beijing: Mechanical Industry Press,2006.

[25]楊軍,馮振聲,黃考利.裝備智能故障診斷技術(shù)[M].北京:國(guó)防工業(yè)出版社,2004.

YANG Jun, FENG Zhen-sheng, HUANG kao-li.Equipment Intelligent Fault Diagnosis Technology[M].Beijing:National Defense Industry Press, 2004.

[26]QI X.The Establishment of Sorts Performance Prediction Model Based on BP Neural Network and Solution by SPSS[C]∥2nd International Conference on Management Science and Industrial Engineering (MSIE 2013).Atlantis Press,2013.

[27]KAZLAS P T, MONSEN P T, LEBLANC M J. Neural Network-Based Helicopter Gearbox Health Monitoring System[C]∥Neural Networks for Processing [1993]III.Proceedings of the 1993 IEEE-SP Workshop. IEEE,1993:431-440.

[28]BROTHERTON T, JOHNSON T. Anomaly Detection for Advanced Military Aircraft Using Neural networks[C]∥Aerospace Conference, 2001,IEEE Proceedings. IEEE, 2001,6:3113-3123.

[29]崔建國(guó),李明,陳希成,等.基于支持向量機(jī)的飛行器健康診斷方法[J].壓電與聲光,2009,21(2):266-269.

CUI Jian-guo,LI Ming,CHEN Xi-cheng,et al.The Aircraft Health Diagnosis Based on Support Vector Machines[J].Piezoelectric and Sound and Light, 2009,21(2):266-269.

[30]農(nóng)吉夫.主成分分析與支持向量機(jī)相結(jié)合的區(qū)域降水預(yù)測(cè)應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2011,41(22):91-96.

NONG Ji-fu.Principal Component Analysis and Support Vector Machine Combined with the Regional Precipitation Forecasting Applications[J].Mathematics in Practice and Theory,2011,41(22):91-96.

[31]宋曉華,楊尚東,劉達(dá).基于蛙跳算法的改進(jìn)支持向量機(jī)預(yù)測(cè)方法及應(yīng)用[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版,2011,56(9):2737-2740.

SONG Xiao-hua,YANG Shang-dong,LIU Da.Improved Support Vector Machine and Its Application Based on Leapfrog Algorithm[J].Central South University：Natural Science ed,2011,56(9):2737-2740.

[32]徐鳳建,車(chē)建國(guó),許榮.基于知識(shí)推理的雷達(dá)裝備故障預(yù)測(cè)專(zhuān)家系統(tǒng)[J].電子產(chǎn)品可靠性與環(huán)境試驗(yàn),2010,49(5):29-32.

XU Feng-jian, CHE Jian-guo, XU Rong.Radar Equipment Failure Prediction Based Expert System Knowledge Reasoning[J].Electronic Product Reliability and Environmental Testing,2010,49(5):29-32.

[33]易平濤,郭亞軍,李偉偉.基于密度算子的組合預(yù)測(cè)方法[J].預(yù)測(cè),2011,30(4):60-64.

YI Ping-tao,GUO Ya-jun,LI Wei-wei.Combination Forecasting Method Based on the Density Operator[J].Forecast,2011,30(4):60-64.

[34]ROEMER M J,NWADIOGBU E O,BLOOR G.Development of Diagnostic and Prognostic Technologies for Aerospace Health Management Applications[C]∥Aerospace Conference,2001,IEEE Proceedings. IEEE,2001,6:3139-3147.

Prognostic and Health Management in Composite Aircraft Components

ZHU Bing,DONG En-Sheng,SUN Chao,XU Wei

(Aviation University of Air Force,Jilin Changchun 130022 ,China)

Abstract:With high modulus, high temperature resistance, fatigue resistance and other advantages, more advanced composite materials are applied on the modern plane. With the increase of aircraft fleet age, composite component produces crack and internal delamination damage. Missing the presence of an anomaly could potentially be catastrophic with the loss of pilot and aircraft. Prognostic and health management technology can monitor the state of aircraft composite materials in real time to timely detect composite material abnormalities. Then maintenance can be done according to situation to ensure flight safety. Prognostic and health management technology with several kinds of commonly used sensor technologies and health prediction methods is introduced, and their advantages, disadvantages and application conditions are compared, offering a basis for further research in the future.

Key words:composite material;damage;real-time monitoring;maintenance based condition;prognostic and health management technology;sensor

中圖分類(lèi)號(hào)：V25；V271

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1009-086X(2015)-05-0205-08

doi:10.3969/j.issn.1009-086x.2015.05.033

通信地址：130022吉林省長(zhǎng)春市南湖大路2222號(hào)學(xué)員管理總隊(duì)11隊(duì)E-mail：zhubingtqq@163.com

作者簡(jiǎn)介：朱兵(1992-)，男，安徽宿州人。碩士生，研究方向?yàn)楫惓z測(cè)技術(shù)。

*收稿日期：2014-10-20；修回日期：2015-03-18