摘 要：隨著民用航空行業(yè)快速發(fā)展，飛行控制系統(tǒng)的安全性和可靠性變得尤為關(guān)鍵。傳統(tǒng)故障診斷手段依賴人工經(jīng)驗，效率低、精度有限。本研究采用數(shù)字孿生技術(shù)，通過建立精確的虛擬仿真模型實現(xiàn)飛控系統(tǒng)的實時監(jiān)控與故障預(yù)測，顯著提高了故障診斷的效率和準確性。研究驗證了數(shù)字孿生技術(shù)在民航飛控系統(tǒng)中的應(yīng)用效果，確認其能顯著提升維護效率和飛行安全。

關(guān)鍵詞：數(shù)字孿生；民航飛控系統(tǒng)；故障診斷；實時監(jiān)控

中圖分類號：V 249 文獻標(biāo)志碼：A

隨著民用航空業(yè)的飛速發(fā)展，飛行安全和可靠性標(biāo)準愈發(fā)嚴格，亟需提高安全保障水平[1]。飛行控制系統(tǒng)是關(guān)鍵，傳統(tǒng)故障診斷方法效率低，準確性有限。本研究利用數(shù)字孿生技術(shù)為飛行控制系統(tǒng)建立虛擬仿真模型，實現(xiàn)實時監(jiān)測、預(yù)報，提升運行效率、準確性。數(shù)字孿生技術(shù)融合了感知、分析和診斷功能，能夠在不影響安全性的前提下模擬和分析飛控系統(tǒng)，通過分析海量數(shù)據(jù)檢測潛在異常和故障。此研究為提升民航飛控系統(tǒng)的安全性提供了新思路和理論支持。

1 基于數(shù)字孿生的故障診斷方法

1.1 虛擬模型構(gòu)建

1.1.1 飛行控制系統(tǒng)模型化

構(gòu)建飛行控制系統(tǒng)的數(shù)字孿生模型的關(guān)鍵是精確的系統(tǒng)模型化。這要求深入理解飛行器動力學(xué)、控制邏輯及傳感器和執(zhí)行器特性[3]，確保模型能實時反映實際系統(tǒng)行為，用于故障預(yù)測和健康管理。整合這些動力學(xué)參數(shù)、控制邏輯和傳感器/執(zhí)行器特性的詳細模型，得到的數(shù)字孿生模型能夠以高精度實時模擬實際系統(tǒng)運行，顯著提高系統(tǒng)的可靠性和性能，支持航空安全和效率提升。

核心的建模步驟通常包括以下步驟。

動力學(xué)建模：根據(jù)牛頓第二定律及飛行器運動學(xué)原理，建立飛行器的運動方程。例如，一個簡化的線性動力學(xué)系統(tǒng)如公式（1）所示。

m=-Dv+g（x1，x2，...，xn） （1）

式中：m為質(zhì)量；v為速度矢量；D為阻力系數(shù)矩；g函數(shù)封裝了與狀態(tài)變量x1，x2，...，xn相關(guān)的其他力和矩。

控制邏輯建模：設(shè)計控制器邏輯，并將其集成到系統(tǒng)中。這可以通過例如PID控制或更復(fù)雜的自適應(yīng)控制策略實現(xiàn)，如公式（2）所示。

u（t）=Kpe（t）+Ki∫e（t）dt+Kde（t） （2）

式中：u（t）為控制輸入；e（t）為設(shè)定點與測量輸出之間的偏差。

傳感器和執(zhí)行器建模：確保模型包括所有關(guān)鍵傳感器和執(zhí)行器的動態(tài)響應(yīng)特性。這通常涉及傳遞函數(shù)或響應(yīng)曲線的制定，如公式（3）所示。

（3）

式中：G（s）為拉普拉斯域中的系統(tǒng)傳遞函數(shù)；ωn為自然頻率；ζ為阻尼比。

經(jīng)過上述的建模過程，構(gòu)建了一個能夠精確反映真實飛行控制系統(tǒng)性能的數(shù)字化模型。此模型可以被有效地模擬各種不同操作環(huán)境中的系統(tǒng)行為，進而在實際系統(tǒng)出現(xiàn)問題時給出預(yù)警，并為后續(xù)維護決策提供方向。

1.1.2 傳感器與執(zhí)行器模型化

為了實現(xiàn)精確的故障診斷，建立一個針對民航飛行控制系統(tǒng)的“數(shù)字孿生”模型是關(guān)鍵步驟。這涉及對傳感器和執(zhí)行機構(gòu)的細致建模，包括它們的靈敏度、遲滯、非線性特性及故障模式，對準確模擬真實元件的動態(tài)行為至關(guān)重要。通過在數(shù)字孿生模型中精細地再現(xiàn)這些特性，能夠確保模型的響應(yīng)和可靠性與實際元件相符，從而有效地用于系統(tǒng)的實時監(jiān)控、故障預(yù)測和健康管理。這種高精度的模型可以幫助提前發(fā)現(xiàn)潛在的故障，減少維護成本并提高飛行安全性。

傳感器建模通常要涉及對傳感器測量特性的捕獲，這包括其靈敏度、頻率響應(yīng)和噪聲水平。舉例來說，一個標(biāo)準的傳感器模型可能會遵循特定的傳遞函數(shù)模型，如公式（4）所示。

（4）

式中：Gsensot為傳感器的增益；Tsensot為時間常數(shù)；s為復(fù)頻域變量。

這個模型描述了傳感器對輸入信號的穩(wěn)態(tài)和動態(tài)響應(yīng)。

執(zhí)行器的模型化重點在于它對控制指令的反應(yīng)速度，涵蓋了例如力矩產(chǎn)生、移動速率和機械延遲等各種特征。執(zhí)行器的結(jié)構(gòu)模型如公式（5）所示。

（5）

式中：Kactuator為執(zhí)行器增益；ωn為其自然頻率。

此模型有助于評估執(zhí)行器在實際飛行條件下的性能表現(xiàn)。

1.2 實時監(jiān)測與預(yù)測分析

1.2.1 數(shù)據(jù)采集與處理

基于“數(shù)字孿生”理論，對飛控系統(tǒng)的實時監(jiān)控和預(yù)測分析對故障診斷至關(guān)重要，而數(shù)據(jù)的獲取與處理是確保診斷精度和有效性的基礎(chǔ)。飛機通過傳感器收集姿態(tài)、加速度、舵面位置和環(huán)境參數(shù)等信息，需要依賴先進感知技術(shù)和通信網(wǎng)絡(luò)，以確保實時、準確地獲取數(shù)據(jù)，如圖1所示。

持續(xù)收集的數(shù)據(jù)需要進行處理，以支持后續(xù)分析。數(shù)據(jù)處理包括數(shù)據(jù)清洗、同步和融合3個關(guān)鍵環(huán)節(jié)。針對傳統(tǒng)數(shù)據(jù)清洗技術(shù)的不足，介紹了基于小波分析的幾種數(shù)據(jù)處理算法及其優(yōu)缺點，并提出一種利用小波變換進行數(shù)據(jù)清洗的新方法。由于小波分析在時頻局部化方面的優(yōu)越性，它非常適合處理復(fù)雜背景下的目標(biāo)檢測和跟蹤問題。

1.2.2 狀態(tài)評估與預(yù)測

當(dāng)評估飛行控制系統(tǒng)狀態(tài)時，采用定量方法是基本途徑。具體來說，可以通過計算系統(tǒng)的實際輸出與預(yù)定模型預(yù)測之間的偏差來構(gòu)建一個名為e（t）的殘差信號集。這種殘差信號代表了模型預(yù)測誤差，是評估系統(tǒng)健康狀況的關(guān)鍵指標(biāo)。如果殘差信號e（t）超過某個閾值，這通常意味系統(tǒng)可能存在異?；蚬收?。通過實時監(jiān)測這些殘差信號，能夠?qū)ο到y(tǒng)中的微小變化保持敏感，從而在異常發(fā)展的早期階段進行檢測和警報，進一步采取適當(dāng)?shù)脑\斷和維修措施來確保系統(tǒng)的正常運行和飛機的安全飛行。殘差信號如公式（6）所示。

e（t）=yreal（t）-ymodel（t） （6）

式中：yreal（t）為實際系統(tǒng)輸出；ymodel（t）為數(shù)字孿生模型的預(yù)測輸出。

一旦殘差超出了預(yù)定的閾值，便可判定系統(tǒng)可能存在異常。

當(dāng)進行預(yù)測分析時，經(jīng)常會運用時間序列分析和機器學(xué)習(xí)的相關(guān)技術(shù)。自回歸移動平均模型（ARMA）及其相關(guān)版本，例如自回歸積分滑動平均模型（ARIMA），常被采納來預(yù)測系統(tǒng)的將來行動。一個基礎(chǔ)性的ARIMA模型如公式（7）所示。

（1-B）p（1-B）dYt=（1-B）q∈t （7）

式中：Yt為時間序列數(shù)據(jù)；B為后退算子；∈t為白噪聲；p、d、q分別為自回歸、差分、移動平均的階數(shù)。

1.3 故障識別與定位

1.3.1 故障特征提取

在特征抽取階段，使用信號處理方法例如快速傅里葉變換（FFT）[4]對傳感器數(shù)據(jù)進行頻域分析是至關(guān)重要的。FFT技術(shù)將時域信號轉(zhuǎn)換為頻域信號，有效識別系統(tǒng)的基本頻率和諧波，對評估系統(tǒng)健康狀態(tài)至關(guān)重要。它能精確捕捉不同故障模式在特定頻率上的特征響應(yīng)，例如軸承損壞的高頻振動或不平衡的低頻特征，從而實現(xiàn)早期故障檢測和診斷。FFT還能過濾噪聲，準確聚焦真實故障頻率，顯著提升飛行控制系統(tǒng)維護和健康管理的效率和準確性，是故障診斷的關(guān)鍵工具。FFT的數(shù)學(xué)表示式如公式（8）所示。

（8）

式中：F（k）為頻域中的輸出；f（n）為原始信號的時間序列；N為樣本點數(shù)；i為虛數(shù)單位。

時域分析工具，例如統(tǒng)計矩（包括均值、方差等）、峰度、偏度等，也經(jīng)常用于提取故障特征，這些工具能夠量化數(shù)據(jù)的核心趨勢、分散程度和形態(tài)特性。此外，在振動分析過程中，峭度這一指標(biāo)對檢測滾動軸承以及齒輪箱等關(guān)鍵部件的故障表現(xiàn)得尤為出色。峭度系數(shù)（Kurtosis）如公式（9）所示。

（9）

式中：K為峭度系數(shù)；xi為單個樣本點；為樣本均值；σ為標(biāo)準偏差；N為樣本總數(shù)。

1.3.2 故障診斷算法

為確保飛行過程中的安全性，對其進行故障的高效檢測和定位研究。這一方法依托大量的數(shù)字化孿生模型和真實系統(tǒng)數(shù)據(jù)的分析，進而對這些數(shù)據(jù)執(zhí)行高效的故障檢測。

常用的故障診斷算法包括模型基于解析冗余的關(guān)系，例如卡爾曼濾波器（KF）給予系統(tǒng)狀態(tài)估計的最優(yōu)性。擴展卡爾曼濾波器（EKF）用于處理非線性系統(tǒng)，如公式（10）所示。

k|k-1=f（hatxk-1|k-1，uk）

Pk|k-1=FkPk-1|k-1FkT+Qk （10）

式中：hatxk-1|k-1為先驗狀態(tài)估計；f為系統(tǒng)動態(tài)模型；uk為控制輸入；Pk|k-1為誤差協(xié)方差矩陣；Fk為雅可比矩陣；Qk為過程噪聲協(xié)方差。

2 民航飛行控制系統(tǒng)故障診斷應(yīng)用

2.1 應(yīng)用場景分析

以飛機舵面為例，通過建立“數(shù)字孿生”的數(shù)學(xué)模型，在飛行控制系統(tǒng)中，對舵面的異常偏轉(zhuǎn)、液壓系統(tǒng)的泄漏、液壓系統(tǒng)的異常壓力等進行故障診斷。在此基礎(chǔ)上，對上述關(guān)鍵性能參數(shù)進行實時監(jiān)控，保證了飛控系統(tǒng)的正常工作，有效地防止了因系統(tǒng)故障而引起的安全事故。

在航空電子行業(yè)內(nèi)，數(shù)字孿生技術(shù)的應(yīng)用有助于提前識別傳感器出現(xiàn)的問題和處理異常數(shù)據(jù)，這對確保飛行的安全性和提高航班的準期率具有顯著的意義。在這樣的基礎(chǔ)之上，為其實施及時的診斷和維護操作，不僅能縮減施工時間，而且還能有效提升其運行效能。

2.2 系統(tǒng)設(shè)計與實現(xiàn)

這套體系架構(gòu)被細分為數(shù)據(jù)采集層、數(shù)據(jù)處理環(huán)節(jié)、診斷與決策部分及與用戶的互動層面。數(shù)據(jù)通過傳感技術(shù)實時傳輸?shù)较到y(tǒng)，經(jīng)過凈化、融合和初步分析后，為數(shù)字化孿生模式的構(gòu)建和持續(xù)維護提供高品質(zhì)數(shù)據(jù)。整個體系結(jié)構(gòu)也具有模塊化和可擴充性特點，便于未來更新和維護。各模塊相互配合，構(gòu)成了一個完備的故障診斷系統(tǒng)。實時數(shù)據(jù)采集模塊采集各傳感器及飛行控制系統(tǒng)的實時信息，數(shù)據(jù)分析處理模塊對數(shù)據(jù)進行分析、處理，包括數(shù)據(jù)清洗、特征提取等環(huán)節(jié)[2]。在此基礎(chǔ)上，提出了一種基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法，并提出了新的維修策略，為人機互動模組提供了直觀、易用的界面，讓使用者可以很容易地取得系統(tǒng)資訊、故障診斷與維修意見。各模塊的職責(zé)見表1。

通過這些功能模塊的協(xié)同工作，基于數(shù)字孿生的飛行控制系統(tǒng)故障診斷技術(shù)能夠高效、準確地監(jiān)測和管理民航飛行控制系統(tǒng)的健康狀態(tài)，從而提高系統(tǒng)的可靠性和安全性。

3 具體應(yīng)用分析

3.1 動力學(xué)建模應(yīng)用

在民航飛行控制系統(tǒng)的故障診斷中，動力學(xué)模型的構(gòu)建是初步且關(guān)鍵的步驟。該模型基于飛行器的運動方程（公式（1）），有效描述飛行器在多種飛行狀態(tài)下的行為。通過這一模型，可以預(yù)測飛行器的動態(tài)響應(yīng)，并為系統(tǒng)的健康管理提供理論依據(jù)。

3.2 控制邏輯和傳感器/執(zhí)行器模型化

利用控制邏輯建模（公式（2））結(jié)合傳感器和執(zhí)行器的傳遞函數(shù)模型（公式（4）），能夠精確模擬飛行控制系統(tǒng)對各種操縱輸入的響應(yīng)。這種詳細的模擬幫助識別系統(tǒng)中潛在的故障模式，從而采取適時的預(yù)防或修復(fù)措施，確保飛行安全。

3.3 實時監(jiān)測與預(yù)測分析

采用殘差信號計算方法（公式（6）），通過實時比較系統(tǒng)的實際輸出與數(shù)字孿生模型的預(yù)測輸出，有效監(jiān)控飛行控制系統(tǒng)的健康狀況。此外，使用ARIMA模型（公式（7））預(yù)測系統(tǒng)未來行為，有助于故障預(yù)測和預(yù)防工作。

3.4 故障特征提取與診斷算法應(yīng)用

快速傅里葉變換（FFT）分析傳感器數(shù)據(jù)，根據(jù)公式（8）揭示故障頻率特性，是檢測特定故障模式的關(guān)鍵工具。結(jié)合峭度系數(shù)（公式（9））等統(tǒng)計工具，從數(shù)據(jù)中提取關(guān)鍵故障特征，提高診斷的準確性。

數(shù)字孿生技術(shù)顯著提升了飛行控制系統(tǒng)的維護效率和安全性，通過精確模型化和實時監(jiān)控，增強了預(yù)測和診斷潛在故障的能力。該技術(shù)為民航業(yè)提供了強大的技術(shù)支持和安全保障。

3.5 模擬試驗驗證分析

為了進一步驗證基于數(shù)字孿生的飛行控制系統(tǒng)故障診斷技術(shù)的有效性和實用性，本研究設(shè)計了一系列的試驗。這些試驗旨在通過實際數(shù)據(jù)對比傳統(tǒng)故障診斷方法與基于數(shù)字孿生的故障診斷技術(shù)在診斷效率和準確性上的表現(xiàn)。模擬試驗結(jié)果見表2。

試驗選取民航飛機中常見的幾種故障模式，包括傳感器偏移、執(zhí)行器失效等。每種故障模式下，分別使用傳統(tǒng)的故障診斷方法和基于數(shù)字孿生的技術(shù)進行診斷。

數(shù)據(jù)采集：利用安裝在飛機各關(guān)鍵部位的傳感器收集實時數(shù)據(jù)，包括飛行器的姿態(tài)、加速度、舵面位置參數(shù)等。

數(shù)據(jù)處理：采用小波變換進行數(shù)據(jù)清洗，以提高數(shù)據(jù)質(zhì)量。

模型構(gòu)建與監(jiān)測：構(gòu)建動力學(xué)模型和控制邏輯模型，并實時比較系統(tǒng)輸出與模型預(yù)測的差異，生成殘差信號。

故障檢測與定位：應(yīng)用FFT和峭度系數(shù)等工具提取故障特征，并使用EKF進行狀態(tài)估計和故障診斷。

根據(jù)表2結(jié)果，基于數(shù)字孿生的故障診斷方法顯著提升了飛行控制系統(tǒng)的診斷速度和準確率，尤其是針對傳感器偏移和執(zhí)行器失效故障，數(shù)字孿生技術(shù)將傳感器偏移故障的診斷時間從15min降至5min，準確率提升至95%，并將執(zhí)行器失效故障的診斷時間從20min降至7min，準確率提升至93%，這對提高民航飛機的安全性和可靠性具有重要意義。

4 結(jié)語

針對民航飛行安全和可靠性的迫切需求，本研究探索了基于數(shù)字孿生的新型故障診斷技術(shù)。通過建立精確仿真模型，提出了一種能實時監(jiān)測和預(yù)測飛控系統(tǒng)狀態(tài)的方法，提高了故障識別和定位的準確性。研究深入討論了數(shù)字孿生基礎(chǔ)理論，并驗證了其在提升飛機飛控系統(tǒng)故障診斷水平方面的有效性。與傳統(tǒng)方法相比，該技術(shù)減少了對人工經(jīng)驗的依賴，實現(xiàn)了更快速、更精確的故障診斷，為提升我國民用航空飛控系統(tǒng)的安全性和可靠性提供了新途徑。

參考文獻

[1]彭博.基于P3D的飛機自動飛行控制系統(tǒng)的設(shè)計方法與仿真研究[D].德陽：中國民用航空飛行學(xué)院，2023.

[2]李敬兆，張佳文，石晴，等.基于數(shù)字孿生的清掃裝置智能運維系統(tǒng)設(shè)計[J].蘭州工業(yè)學(xué)院學(xué)報，2024，31（1）：12-16.

[3]史巖，齊曉慧.基于故障檢測濾波器法的飛行控制系統(tǒng)故障檢測[J].兵工自動化，2007（1）：5-7.

[4]朱劍月，袁詠祎，陳羽，等.后端設(shè)置擾流板對圓柱流場與氣動噪聲影響[J].機械工程報，2024，60（12）：287-300.