方志耕，王 歡，董文杰，曹穎賽

(南京航空航天大學經(jīng)濟與管理學院，江蘇 南京 210016)

1 引言

大型民用飛機是一個國家工業(yè)、科技水平綜合實力的集中體現(xiàn)，被譽為“現(xiàn)代工業(yè)之花”和“現(xiàn)代制造業(yè)的一顆明珠”，是典型的大型復(fù)雜產(chǎn)品，其產(chǎn)品結(jié)構(gòu)復(fù)雜、技術(shù)與資金密集、技術(shù)難度大，質(zhì)量和可靠性要求極高，研制周期長，項目的不確定性和風險大。張輝[1]對于我國大型民用飛機的產(chǎn)業(yè)發(fā)展戰(zhàn)略進行了研究并給出了其實施路徑。林忠欽等[2]對大型復(fù)雜產(chǎn)品的數(shù)字化制造方法進行了綜述并給出了其未來發(fā)展方向。劉遠[3]提出了一系列優(yōu)化模型，并將其應(yīng)用至這類復(fù)雜產(chǎn)品的供應(yīng)鏈管理問題中，為大型民用飛機供應(yīng)鏈優(yōu)化管理問題提供了決策支持。李亞平等[4-6]針對這類復(fù)雜產(chǎn)品的質(zhì)量特性表征、質(zhì)量參數(shù)總體框架以及最終參數(shù)選擇等問題進行了研究。

隨著中國大型民用飛機的成功首飛以及相關(guān)試驗研究的逐步展開，飛機的安全性、可靠性以及維修保障性等方面成為航空技術(shù)發(fā)展必須面對的問題。周瑜等[7]運用分段線性模型確定了裝置可靠性改進趨勢，針對裝置現(xiàn)場故障和維修數(shù)據(jù)的小樣本問題，構(gòu)建了裝置現(xiàn)場可靠性和維修性的貝葉斯模型。王燁[8]針對民機研制和使用過程中所采集的可靠性信息特征，深入研究了相關(guān)的可靠性評估理論和技術(shù)并開發(fā)了相應(yīng)的實用化的民機信息數(shù)據(jù)庫和可靠性評估系統(tǒng)。祝碩等[9]研究了部件失效故障導致可靠性變化問題，考察全部由周轉(zhuǎn)件構(gòu)成的系統(tǒng)，通過對各個時刻系統(tǒng)內(nèi)部件的使用時間以及維修次數(shù)分布建立數(shù)學模型。曹穎騫等[10-11]賽針對復(fù)雜系統(tǒng)可靠性退化過程中的系統(tǒng)組成單元影響新問題，提出了一種基于合作博弈Shapley值可靠性退化責任分配模型，解決了系統(tǒng)組成單元的敏感性分析問題，并對于大型民機可靠性分析過程中的多態(tài)性與貧信息等特征，構(gòu)建了一種廣義灰色貝葉斯網(wǎng)絡(luò)模型，為不確定條件下的多態(tài)系統(tǒng)可靠性分析問題提供了完整的解決方案。何正嘉等[12]提出基于歸一化小波信息熵的可靠性評估方法和基于損傷定量識別的可靠性評估方法，實現(xiàn)小樣本條件下設(shè)備運行可靠性評估。曹惠玲等[13]通過對民機故障歷史數(shù)據(jù)的挖掘，提出將可靠性數(shù)據(jù)應(yīng)用于民機故障診斷的計算模型。孫利娜等[14]對目前大型飛機上常用的航空電子交互式以太網(wǎng)進行分析建樹，利用T-S模糊故障樹求解系統(tǒng)在多故障狀態(tài)下的性能可靠性。

然而，上述研究僅聚焦于民機的可靠性研究，缺乏對整機設(shè)備及相應(yīng)子系統(tǒng)的故障診斷研究。研究整機設(shè)備及各個子系統(tǒng)運行狀態(tài)，并對其進行狀態(tài)分析和故障智能診斷，能使航空公司及時有效地掌握飛機的健康狀況，從容不迫地安排維護維修工作，避免耗時長、成本高的維修延誤，有計劃、輕松地解決維修問題，降低其維修和運營成本。目前，應(yīng)用比較廣泛的是美軍于上世紀末在聯(lián)合戰(zhàn)斗機計劃中提出的故障預(yù)測與健康管理系統(tǒng)(Prognostics and Health Management，PHM)[15]。但是PHM的實施是以實際運行狀態(tài)監(jiān)測數(shù)據(jù)為基礎(chǔ)的，即利用先進傳感器(如渦流傳感器、無線微機電系統(tǒng)等)的集成，并借助各種算法(如Gabor變換、離散傅里葉變換等)和智能模型(如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等)，預(yù)測和管理系統(tǒng)的健康狀態(tài)[16-17]，缺乏參考設(shè)備及子系統(tǒng)本身的可靠性信息。因此，本文將針對傳統(tǒng)故障預(yù)測與健康模型對于設(shè)備本身可靠性信息的不足，搭建民用飛機的可靠性基因庫，并在此基礎(chǔ)上進行整機及其各個子系統(tǒng)的故障智能診斷研究。

2 民用飛機可靠性基因庫搭建

2.1 民用飛機組成單元可靠性基因表征度

為在飛機故障演化與傳播過程中，存在著許多相互關(guān)聯(lián)的中間事件和底事件，某些若干事件的集合反映了實體系統(tǒng)中的相對應(yīng)的部件或子系統(tǒng)，建立網(wǎng)絡(luò)事件的集合實體系統(tǒng)歸并模型，可將該網(wǎng)絡(luò)劃分成若干相互關(guān)聯(lián)的子系統(tǒng)或模塊。借用智能體作為計算實體，它能夠駐留在某一環(huán)境下，持續(xù)自主地發(fā)揮作用，具備駐留性、反應(yīng)性、社會性、主動性等特征性質(zhì)，建立該部件或模塊的基因子系統(tǒng)。在網(wǎng)絡(luò)模塊劃分的基礎(chǔ)上，考慮故障發(fā)生可能性的對偶事件即是可靠性的性質(zhì)，運用多智能體技術(shù)，以裝備各模塊或子系統(tǒng)為相對獨立基因單元，主要建立輸入-輸出接口、基因代碼函數(shù)庫、關(guān)系數(shù)據(jù)庫、數(shù)學模型庫、分析方法庫、邏輯關(guān)系庫、顯示圖形庫等基因智能單元模型(如圖1所示)，智能體能夠?qū)崿F(xiàn)自治運行，自主感知裝備的運營狀態(tài)，提高飛機智能生命健康管理系統(tǒng)響應(yīng)速度，以及對反應(yīng)方案進行自主搜索、比較和確定，實現(xiàn)輔助智能決策。

圖1 飛機各模塊或子系統(tǒng)基因智能單元結(jié)構(gòu)示意圖

飛機故障演化與傳播網(wǎng)絡(luò)是一個相互聯(lián)系的有機整體，考慮該技術(shù)的核心問題是，需要建立一種體制，能夠?qū)W(wǎng)絡(luò)中各模塊或子系統(tǒng)基因智能單元進行有效的智能信息溝通與更新、協(xié)同調(diào)度與工作、可視化的信息顯示與結(jié)果匯報?；诖?，依據(jù)該網(wǎng)絡(luò)中各模塊或子系統(tǒng)之間的廣義計算邏輯關(guān)系、裝備物理結(jié)構(gòu)關(guān)系和運行邏輯關(guān)系，構(gòu)建飛機可靠性基因庫智能協(xié)同模型；搭建基于多智能體的飛機故障智能診斷體系框架與協(xié)同工作體制架構(gòu)；運用相關(guān)的數(shù)學、計算機技術(shù)構(gòu)建能夠自主搜尋、比較和確定飛機故障演化與傳播子系統(tǒng)可靠基因函數(shù)的快速運算方案的模型庫系統(tǒng)；建立飛機故障演化與傳播網(wǎng)絡(luò)智能基因庫可視化的信息顯示與結(jié)果匯報系統(tǒng)。

2.2 飛機可靠性基因結(jié)構(gòu)合成、智能演化與管理技術(shù)

考慮在飛機運行及其故障演化與傳播過程中所可能面臨的多源異構(gòu)小子樣的數(shù)據(jù)情形，運用灰色系統(tǒng)理論、模糊數(shù)學等多種先進系統(tǒng)分析和數(shù)學建模工具，借助基因科學和進化論思想，構(gòu)建基于多源異構(gòu)小子樣的飛機可靠性基因庫數(shù)據(jù)遺傳選擇、基因交叉、變異等演化算法模型庫；在飛機可靠性基因庫數(shù)據(jù)分析的基礎(chǔ)上，弄清該基因庫中相關(guān)基因的性質(zhì)，結(jié)合模糊數(shù)學、粗糙集、神經(jīng)網(wǎng)絡(luò)等軟計算方法建立相關(guān)可靠性基因更新與進化的優(yōu)化模型，并進行算法設(shè)計。按照適者生存和優(yōu)勝劣汰的原理，模擬生物進化過程，進行飛機故障演化與傳播過程中可靠性基因庫的遺傳、更新、演化等機制設(shè)計。考慮飛機故障演化與傳播過程中可能面臨的大數(shù)據(jù)環(huán)境，比如，該飛機及其相關(guān)型號全壽命周期所有階段的設(shè)計與使用、故障演化與傳播數(shù)據(jù)、維護與維修等所有數(shù)據(jù)，這些數(shù)據(jù)往往數(shù)量龐大、空缺多、完整性差、單位信息含量低，運用大數(shù)據(jù)分析方法和數(shù)據(jù)挖掘技術(shù)，建立基于大數(shù)據(jù)的聚類、關(guān)聯(lián)和決策等模型，并進行算法設(shè)計，提高不同源數(shù)據(jù)類型的可用性和大數(shù)據(jù)分析的精確性。例如，對由飛機通信尋址和報告系統(tǒng)(ACARS)以及機載飛行數(shù)據(jù)記錄設(shè)備(DFDR/QAR/SAR)等多通道數(shù)據(jù)獲取系統(tǒng)采集的數(shù)據(jù)，擬通過ETL、去重操作算法、聚焦操作算法、近似匹配操作算法、排序方法、剪枝技術(shù)等進行數(shù)據(jù)清理，通過開發(fā)支持飛機可靠性基因庫數(shù)據(jù)的基本操作、查詢優(yōu)化與處理的索引結(jié)構(gòu)實現(xiàn)基因庫大數(shù)據(jù)的存貯與更新。

考慮飛機故障演化與傳播網(wǎng)絡(luò)中，擬根據(jù)其智能可靠性基因單元模塊化表征向量及其相互間的邏輯關(guān)系，構(gòu)建基于變動可靠性數(shù)據(jù)可追溯的樹狀合成運算結(jié)構(gòu)模型；考慮裝備關(guān)鍵零部件或子系統(tǒng)因使用和維護上，其可靠性參數(shù)可能經(jīng)常出現(xiàn)變化，建立變更數(shù)據(jù)捕獲模型，搜索數(shù)據(jù)變動分支與節(jié)點；考慮減少計算工作量、提升效率，隔離可靠性未發(fā)生變化的分支，建立數(shù)據(jù)變更分支定位、定因、定性分析模型，數(shù)據(jù)快速更新模型；在此基礎(chǔ)上，基于可靠度特征函數(shù)合成規(guī)則，建立基于Bayes更新的飛機故障演化與傳播可靠度特征函數(shù)智能修正模型，實現(xiàn)飛機可靠性基因庫參數(shù)變化的快速計算與更新。

3 基于可靠性基因庫的民用飛機故障智能診斷網(wǎng)絡(luò)體系構(gòu)建

3.1 飛機故障演化與傳播FTA-GERT網(wǎng)絡(luò)構(gòu)建

FTA模型作為一種較好定性和定量的故障分析工具，能夠比較方便與準確的表達故障事件間的定性邏輯聯(lián)系，然而對事件(或者子系統(tǒng)、部件、元件等狀態(tài))存在自環(huán)、事件的發(fā)生存在一定的概率分布、事件之間可能存在著反饋環(huán)節(jié)、網(wǎng)絡(luò)中存在著時間或者故障損失的傳遞關(guān)系時，F(xiàn)TA_i (P,L)模型失靈。本部分利用GERT(Graph Evaluation Review Technology)網(wǎng)絡(luò)模型的算法優(yōu)勢，構(gòu)建FTA_i (P,L)與GERT邏輯轉(zhuǎn)換規(guī)則、解析飛機故障演化與傳播機制?？紤]廣義活動網(wǎng)絡(luò)GAN(Generalized Activity Network)具有較豐富的和便于人們直覺思維的邏輯結(jié)點，建立FTA模型中的邏輯與、或、條件門等與GAN網(wǎng)絡(luò)節(jié)點轉(zhuǎn)換邏輯規(guī)則，如圖2所示。在此基礎(chǔ)上，運用GAN網(wǎng)絡(luò)與GERT網(wǎng)絡(luò)轉(zhuǎn)換邏輯規(guī)則，建立飛機故障演化與傳播GERT網(wǎng)絡(luò)模型；考慮維護與維修機制的飛機故障演化與傳播的影響，將該類要素作為其演化與傳播的反饋控制變量，建立基于故障與維修的GERT網(wǎng)絡(luò)模型(如圖3所示)。

圖2 FTA (P,L)與基于多維GERT網(wǎng)絡(luò)轉(zhuǎn)換邏輯節(jié)點設(shè)計示意圖

圖3 飛機故障演化與傳播的多維GERT網(wǎng)絡(luò)模型結(jié)構(gòu)示意圖

3.2 面向全壽命周期的飛機故障遠程診斷模式設(shè)計

ARIMA模運用基于可靠性基因庫的飛機故障智能遠程診斷體系框架，立足于飛機故障演化與傳播全壽命周期，利用各階段與故障演化與傳播有關(guān)的數(shù)據(jù)，集異地分布式專家智慧和分步式智能計算優(yōu)勢，建立基于故障診斷網(wǎng)絡(luò)的數(shù)據(jù)存儲、更新、查詢與調(diào)用模型?；诳煽啃曰驇斓娘w機故障診斷服務(wù)請求、診斷任務(wù)配置、專家智慧集聚、分布式智能計算任務(wù)調(diào)配等模型，基于可靠性基因庫的診斷服務(wù)顯示、研討與匯報等模型；進行飛機故障遠程診斷機制與流程設(shè)計；搭建面向全壽命周期的飛機故障遠程診斷模式。以民用客機為例，建立關(guān)聯(lián)整合單機與機群的故障遠程診斷模式，如圖4所示。

該技術(shù)擬通過關(guān)聯(lián)整合單機與機群的故障遠程診斷網(wǎng)絡(luò)，實現(xiàn)將飛機運行狀態(tài)實時再現(xiàn)在地面虛擬數(shù)字標準機群系統(tǒng)中。地面虛擬數(shù)字標準機群系統(tǒng)是根據(jù)同型號飛機的歷史運行狀態(tài)數(shù)據(jù)、關(guān)鍵零部件和子系統(tǒng)的可靠性信息等可靠性基因庫數(shù)據(jù)合成的統(tǒng)計學意義上的標準機群系統(tǒng)。該標準機群系統(tǒng)能夠在地面以大概率實時再現(xiàn)飛機的各種運行狀態(tài)，當飛機在空中出現(xiàn)故障時，地面虛擬數(shù)字標準機群系統(tǒng)能夠通過輸入飛機的運行狀態(tài)參數(shù)再現(xiàn)飛機的故障狀態(tài)，并進一步診斷出故障源，評價故障的影響程度，預(yù)測故障的發(fā)展趨勢，指導飛機遠程診斷實時跟蹤系統(tǒng)進行空中排故。

圖4 某民機故障遠程診斷框架示意圖

4 案例研究

飛機液壓系統(tǒng)作為飛機上以油液為工作介質(zhì)，靠油壓驅(qū)動執(zhí)行機構(gòu)完成特定操縱動作的整套裝置，主要由主液壓系統(tǒng)和電傳剎車系統(tǒng)構(gòu)成。主液壓系統(tǒng)為起落架操縱部分提供壓力，電傳剎車系統(tǒng)為機輪剎車部分供壓。液壓系統(tǒng)通常需要在極限環(huán)境中運行，如果系統(tǒng)發(fā)生故障，所造成的損失將會極

其巨大。案例通過對主液壓系統(tǒng)故障模式的分析，運用可靠性基因庫并結(jié)合貝葉斯推理得到故障樹底事件的故障率及故障損失。根據(jù)FTA(p,l)-GERT網(wǎng)絡(luò)的轉(zhuǎn)換規(guī)則，設(shè)計主液壓子系統(tǒng)質(zhì)量損失的GERT網(wǎng)絡(luò)圖。運用GERT網(wǎng)絡(luò)運算法則，進行關(guān)鍵質(zhì)量源的識別節(jié)點和靈敏度的分析，為空中故障排除提供支持。

4.1 主液壓系統(tǒng)的FTA

主液壓系統(tǒng)的故障模式分類如表1所示，故障樹如圖5所示。

表1 主液壓子系統(tǒng)故障模式分類

圖5 主液壓子系統(tǒng)故障樹

4.2 FTA(p,l)-GERT轉(zhuǎn)化

地面技術(shù)專家根據(jù)可靠性基因庫的搜尋結(jié)果，結(jié)合貝葉斯推理得到系統(tǒng)(對應(yīng)節(jié)點T)故障情況下所導致的故障損失為L～N(100,25)，則各元器件的故障率及其所產(chǎn)生的故障損失如表2所示。

表2 主液壓子系統(tǒng)各底事件故障率及故障損失

按照復(fù)雜產(chǎn)品質(zhì)量損失傳遞過程的正向演繹方向，從廣義GAN網(wǎng)絡(luò)的起點(活動0)出發(fā)，依次對局部GERT網(wǎng)絡(luò)的關(guān)鍵參數(shù)進行求解，并根據(jù)這些參數(shù)將廣義GAN網(wǎng)絡(luò)轉(zhuǎn)化為GERT網(wǎng)絡(luò)，如圖6所示。

圖6 主液壓子系統(tǒng)質(zhì)量損失GERT網(wǎng)絡(luò)圖

圖中各項活動的內(nèi)容如下：

0-1：主液壓系統(tǒng)開始工作

1-2：虛擬活動，概率為1，質(zhì)量損失為0。表示電動泵組件開始工作。

2-5：電機和液壓泵均處于正常工作狀態(tài)。

2-8：電機和液壓泵至少有一個發(fā)生故障。

5-7：排除所有不可控因素，電動泵組件仍然處于正常工作狀態(tài)。

5-8：由于某些不可控因素，電動泵組件發(fā)生故障。

1-3：虛擬活動，概率為1，質(zhì)量損失為0。表示電動泵控制盒開始工作。

3-9：電動泵控制盒處于正常工作狀態(tài)。

3-10：電動泵控制盒發(fā)生故障。

1-4：虛擬活動，概率為1，質(zhì)量損失為0.表示供油組件開始工作。

4-6：油箱、油濾和氟塑料管均處于正常工作狀態(tài)。

4-12：油箱、油濾和氟塑料管至少有一個發(fā)生故障。

6-11：排除所有不可控因素，供油組件仍然處于正常工作狀態(tài)。

6-12：由于某些不可控因素，供油組件發(fā)生故障。

7-13：虛擬活動，概率為1，質(zhì)量損失為0。將電動泵組件正常工作的信息傳遞到13。

9-13：虛擬活動，概率為1，質(zhì)量損失為0。將電動泵控制盒正常工作的信息傳遞到13。

11-13：虛擬活動，概率為1，質(zhì)量損失為0。將供油組件正常工作的信息傳遞到13。

8-15：虛擬活動，概率為1，質(zhì)量損失為0。將電動泵組件發(fā)生故障的信息傳遞到15。

10-15：虛擬活動，概率為1，質(zhì)量損失為0。將電動泵控制盒發(fā)生故障信息傳遞到15。

12-15：虛擬活動，概率為1，質(zhì)量損失為0。將供油組件發(fā)生故障的信息傳遞到15。

13-14：排除所有不可控因素，主液壓系統(tǒng)處于正常工作狀態(tài)。

13-15：由于某些不可控因素，主液壓系統(tǒng)發(fā)生故障。

4.3 主液壓系統(tǒng)關(guān)鍵質(zhì)量源識別及節(jié)點靈敏度分析

根據(jù)GERT網(wǎng)絡(luò)運算法則，利用復(fù)雜產(chǎn)品FTA(p,l)-GERT質(zhì)量損失網(wǎng)絡(luò)關(guān)鍵質(zhì)量源的識別算法，設(shè)α=0.5,β=0.5，可以得到無人機主液

壓系統(tǒng)的三個源頭活動節(jié)點(2,3,4)的質(zhì)量損失關(guān)鍵度ξi分別如下：

表3 主液壓系統(tǒng)三個源頭活動節(jié)點(2,3,4)的質(zhì)量損失關(guān)鍵度

由表3可知，供油組件部分對主液壓系統(tǒng)的質(zhì)量損失影響最大，最為關(guān)鍵，電動泵組件部分次之，電動泵組件控制盒部分最弱。因此，從源頭上應(yīng)該著重提高主液壓系統(tǒng)供油組件部分的可靠性，控制供油組件部分對系統(tǒng)造成的質(zhì)量損失。此外，對于主液壓系統(tǒng)的電動泵組件部分也應(yīng)該適當進行質(zhì)量管控，相對而言，電動泵組件控制盒部分可以減少相對投入。

根據(jù)GERT網(wǎng)絡(luò)運算法則，利用復(fù)雜產(chǎn)品FTA(p,l)-GERT質(zhì)量損失網(wǎng)絡(luò)節(jié)點靈敏度分析算法，設(shè)α=0.5,β=0.5，可以得到主液壓系統(tǒng)均值的絕對靈敏度和相對靈敏度，標準差的絕對靈敏度和相對靈敏度以及系統(tǒng)綜合的絕對靈敏度和相對靈敏度如下：

表4 各節(jié)點靈敏度

從4可以看出，系統(tǒng)質(zhì)量損失對活動4最敏感，其次是活動2，在主液壓系統(tǒng)的控制分析中，應(yīng)該著重關(guān)注供油組件這一部分，其次是電動泵組件。另外，電動泵控制盒的故障損失對系統(tǒng)不敏感。

綜上所述，無論從關(guān)鍵度的角度，還是從敏感度的角度，供油組件部分對系統(tǒng)質(zhì)量損失尤為重要，電動泵組件部分次之，相對而言，電動泵控制盒的質(zhì)量損失較小。在進行故障排除中，不僅應(yīng)該著重提高供油組件和電動泵組件的可靠性，還應(yīng)該運用合理的故障診斷方法進行故障識別，以及時發(fā)現(xiàn)失效元器件并將其更換，減少故障發(fā)生的損失。

5 結(jié)語

故障診斷是民用飛機運營的重要環(huán)節(jié)，快速準確找到故障發(fā)生的原因并進行排除是民用飛機實現(xiàn)高效運營的重要保障。在進行故障診斷時，除了分析故障數(shù)據(jù)，大型民用飛機自身的物理結(jié)構(gòu)、可靠性框圖以及運行邏輯關(guān)系同樣不容忽視，考慮整機設(shè)備及各個子系統(tǒng)運行狀態(tài)，并對其進行狀態(tài)分析和故障智能診斷可以提高故障診斷的準確性和智能性。因此，本文首先搭建了大型民用飛機全壽命周期可靠性基因庫，提出了民用飛機組成單元可靠性基因表征度，解析了可靠性基因的遺傳、更新、演化等機制；基于此，設(shè)計了大型民用飛機的故障模式相應(yīng)的故障診斷算法，構(gòu)建了整個民用飛機故障智能診斷網(wǎng)絡(luò)框架；最后以飛機液壓系統(tǒng)為例進行了案例研究，驗證了網(wǎng)絡(luò)框架的實用性和有效性。研究通過搭建可靠性基因庫提出了民用飛機故障智能診斷的網(wǎng)絡(luò)框架，是民用飛機故障診斷在理論上的一次新的突破，后續(xù)研究將著重于該網(wǎng)絡(luò)框架的實踐應(yīng)用，不斷完善和細化，提高其可應(yīng)用性。