基于可靠性基因库的民用飞机故障智能诊断网络框架设计

方志耕，王 欢，董文杰，曹颖赛

(南京航空航天大学经济与管理学院，江苏 南京 210016)

1 引言

大型民用飞机是一个国家工业、科技水平综合实力的集中体现，被誉为“现代工业之花”和“现代制造业的一颗明珠”，是典型的大型复杂产品，其产品结构复杂、技术与资金密集、技术难度大，质量和可靠性要求极高，研制周期长，项目的不确定性和风险大。张辉[1]对于我国大型民用飞机的产业发展战略进行了研究并给出了其实施路径。林忠钦等[2]对大型复杂产品的数字化制造方法进行了综述并给出了其未来发展方向。刘远[3]提出了一系列优化模型，并将其应用至这类复杂产品的供应链管理问题中，为大型民用飞机供应链优化管理问题提供了决策支持。李亚平等[4-6]针对这类复杂产品的质量特性表征、质量参数总体框架以及最终参数选择等问题进行了研究。

随着中国大型民用飞机的成功首飞以及相关试验研究的逐步展开，飞机的安全性、可靠性以及维修保障性等方面成为航空技术发展必须面对的问题。周瑜等[7]运用分段线性模型确定了装置可靠性改进趋势，针对装置现场故障和维修数据的小样本问题，构建了装置现场可靠性和维修性的贝叶斯模型。王烨[8]针对民机研制和使用过程中所采集的可靠性信息特征，深入研究了相关的可靠性评估理论和技术并开发了相应的实用化的民机信息数据库和可靠性评估系统。祝硕等[9]研究了部件失效故障导致可靠性变化问题，考察全部由周转件构成的系统，通过对各个时刻系统内部件的使用时间以及维修次数分布建立数学模型。曹颖骞等[10-11]赛针对复杂系统可靠性退化过程中的系统组成单元影响新问题，提出了一种基于合作博弈Shapley值可靠性退化责任分配模型，解决了系统组成单元的敏感性分析问题，并对于大型民机可靠性分析过程中的多态性与贫信息等特征，构建了一种广义灰色贝叶斯网络模型，为不确定条件下的多态系统可靠性分析问题提供了完整的解决方案。何正嘉等[12]提出基于归一化小波信息熵的可靠性评估方法和基于损伤定量识别的可靠性评估方法，实现小样本条件下设备运行可靠性评估。曹惠玲等[13]通过对民机故障历史数据的挖掘，提出将可靠性数据应用于民机故障诊断的计算模型。孙利娜等[14]对目前大型飞机上常用的航空电子交互式以太网进行分析建树，利用T-S模糊故障树求解系统在多故障状态下的性能可靠性。

然而，上述研究仅聚焦于民机的可靠性研究，缺乏对整机设备及相应子系统的故障诊断研究。研究整机设备及各个子系统运行状态，并对其进行状态分析和故障智能诊断，能使航空公司及时有效地掌握飞机的健康状况，从容不迫地安排维护维修工作，避免耗时长、成本高的维修延误，有计划、轻松地解决维修问题，降低其维修和运营成本。目前，应用比较广泛的是美军于上世纪末在联合战斗机计划中提出的故障预测与健康管理系统(Prognostics and Health Management，PHM)[15]。但是PHM的实施是以实际运行状态监测数据为基础的，即利用先进传感器(如涡流传感器、无线微机电系统等)的集成，并借助各种算法(如Gabor变换、离散傅里叶变换等)和智能模型(如专家系统、神经网络等)，预测和管理系统的健康状态[16-17]，缺乏参考设备及子系统本身的可靠性信息。因此，本文将针对传统故障预测与健康模型对于设备本身可靠性信息的不足，搭建民用飞机的可靠性基因库，并在此基础上进行整机及其各个子系统的故障智能诊断研究。

2 民用飞机可靠性基因库搭建

2.1 民用飞机组成单元可靠性基因表征度

为在飞机故障演化与传播过程中，存在着许多相互关联的中间事件和底事件，某些若干事件的集合反映了实体系统中的相对应的部件或子系统，建立网络事件的集合实体系统归并模型，可将该网络划分成若干相互关联的子系统或模块。借用智能体作为计算实体，它能够驻留在某一环境下，持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征性质，建立该部件或模块的基因子系统。在网络模块划分的基础上，考虑故障发生可能性的对偶事件即是可靠性的性质，运用多智能体技术，以装备各模块或子系统为相对独立基因单元，主要建立输入-输出接口、基因代码函数库、关系数据库、数学模型库、分析方法库、逻辑关系库、显示图形库等基因智能单元模型(如图1所示)，智能体能够实现自治运行，自主感知装备的运营状态，提高飞机智能生命健康管理系统响应速度，以及对反应方案进行自主搜索、比较和确定，实现辅助智能决策。

图1 飞机各模块或子系统基因智能单元结构示意图

飞机故障演化与传播网络是一个相互联系的有机整体，考虑该技术的核心问题是，需要建立一种体制，能够对网络中各模块或子系统基因智能单元进行有效的智能信息沟通与更新、协同调度与工作、可视化的信息显示与结果汇报。基于此，依据该网络中各模块或子系统之间的广义计算逻辑关系、装备物理结构关系和运行逻辑关系，构建飞机可靠性基因库智能协同模型；搭建基于多智能体的飞机故障智能诊断体系框架与协同工作体制架构；运用相关的数学、计算机技术构建能够自主搜寻、比较和确定飞机故障演化与传播子系统可靠基因函数的快速运算方案的模型库系统；建立飞机故障演化与传播网络智能基因库可视化的信息显示与结果汇报系统。

2.2 飞机可靠性基因结构合成、智能演化与管理技术

考虑在飞机运行及其故障演化与传播过程中所可能面临的多源异构小子样的数据情形，运用灰色系统理论、模糊数学等多种先进系统分析和数学建模工具，借助基因科学和进化论思想，构建基于多源异构小子样的飞机可靠性基因库数据遗传选择、基因交叉、变异等演化算法模型库；在飞机可靠性基因库数据分析的基础上，弄清该基因库中相关基因的性质，结合模糊数学、粗糙集、神经网络等软计算方法建立相关可靠性基因更新与进化的优化模型，并进行算法设计。按照适者生存和优胜劣汰的原理，模拟生物进化过程，进行飞机故障演化与传播过程中可靠性基因库的遗传、更新、演化等机制设计。考虑飞机故障演化与传播过程中可能面临的大数据环境，比如，该飞机及其相关型号全寿命周期所有阶段的设计与使用、故障演化与传播数据、维护与维修等所有数据，这些数据往往数量庞大、空缺多、完整性差、单位信息含量低，运用大数据分析方法和数据挖掘技术，建立基于大数据的聚类、关联和决策等模型，并进行算法设计，提高不同源数据类型的可用性和大数据分析的精确性。例如，对由飞机通信寻址和报告系统(ACARS)以及机载飞行数据记录设备(DFDR/QAR/SAR)等多通道数据获取系统采集的数据，拟通过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、剪枝技术等进行数据清理，通过开发支持飞机可靠性基因库数据的基本操作、查询优化与处理的索引结构实现基因库大数据的存贮与更新。

考虑飞机故障演化与传播网络中，拟根据其智能可靠性基因单元模块化表征向量及其相互间的逻辑关系，构建基于变动可靠性数据可追溯的树状合成运算结构模型；考虑装备关键零部件或子系统因使用和维护上，其可靠性参数可能经常出现变化，建立变更数据捕获模型，搜索数据变动分支与节点；考虑减少计算工作量、提升效率，隔离可靠性未发生变化的分支，建立数据变更分支定位、定因、定性分析模型，数据快速更新模型；在此基础上，基于可靠度特征函数合成规则，建立基于Bayes更新的飞机故障演化与传播可靠度特征函数智能修正模型，实现飞机可靠性基因库参数变化的快速计算与更新。

3 基于可靠性基因库的民用飞机故障智能诊断网络体系构建

3.1 飞机故障演化与传播FTA-GERT网络构建

FTA模型作为一种较好定性和定量的故障分析工具，能够比较方便与准确的表达故障事件间的定性逻辑联系，然而对事件(或者子系统、部件、元件等状态)存在自环、事件的发生存在一定的概率分布、事件之间可能存在着反馈环节、网络中存在着时间或者故障损失的传递关系时，FTA_i (P,L)模型失灵。本部分利用GERT(Graph Evaluation Review Technology)网络模型的算法优势，构建FTA_i (P,L)与GERT逻辑转换规则、解析飞机故障演化与传播机制。考虑广义活动网络GAN(Generalized Activity Network)具有较丰富的和便于人们直觉思维的逻辑结点，建立FTA模型中的逻辑与、或、条件门等与GAN网络节点转换逻辑规则，如图2所示。在此基础上，运用GAN网络与GERT网络转换逻辑规则，建立飞机故障演化与传播GERT网络模型；考虑维护与维修机制的飞机故障演化与传播的影响，将该类要素作为其演化与传播的反馈控制变量，建立基于故障与维修的GERT网络模型(如图3所示)。

图2 FTA (P,L)与基于多维GERT网络转换逻辑节点设计示意图

图3 飞机故障演化与传播的多维GERT网络模型结构示意图

3.2 面向全寿命周期的飞机故障远程诊断模式设计

ARIMA模运用基于可靠性基因库的飞机故障智能远程诊断体系框架，立足于飞机故障演化与传播全寿命周期，利用各阶段与故障演化与传播有关的数据，集异地分布式专家智慧和分步式智能计算优势，建立基于故障诊断网络的数据存储、更新、查询与调用模型。基于可靠性基因库的飞机故障诊断服务请求、诊断任务配置、专家智慧集聚、分布式智能计算任务调配等模型，基于可靠性基因库的诊断服务显示、研讨与汇报等模型；进行飞机故障远程诊断机制与流程设计；搭建面向全寿命周期的飞机故障远程诊断模式。以民用客机为例，建立关联整合单机与机群的故障远程诊断模式，如图4所示。

该技术拟通过关联整合单机与机群的故障远程诊断网络，实现将飞机运行状态实时再现在地面虚拟数字标准机群系统中。地面虚拟数字标准机群系统是根据同型号飞机的历史运行状态数据、关键零部件和子系统的可靠性信息等可靠性基因库数据合成的统计学意义上的标准机群系统。该标准机群系统能够在地面以大概率实时再现飞机的各种运行状态，当飞机在空中出现故障时，地面虚拟数字标准机群系统能够通过输入飞机的运行状态参数再现飞机的故障状态，并进一步诊断出故障源，评价故障的影响程度，预测故障的发展趋势，指导飞机远程诊断实时跟踪系统进行空中排故。

图4 某民机故障远程诊断框架示意图

4 案例研究

飞机液压系统作为飞机上以油液为工作介质，靠油压驱动执行机构完成特定操纵动作的整套装置，主要由主液压系统和电传刹车系统构成。主液压系统为起落架操纵部分提供压力，电传刹车系统为机轮刹车部分供压。液压系统通常需要在极限环境中运行，如果系统发生故障，所造成的损失将会极

其巨大。案例通过对主液压系统故障模式的分析，运用可靠性基因库并结合贝叶斯推理得到故障树底事件的故障率及故障损失。根据FTA(p,l)-GERT网络的转换规则，设计主液压子系统质量损失的GERT网络图。运用GERT网络运算法则，进行关键质量源的识别节点和灵敏度的分析，为空中故障排除提供支持。

4.1 主液压系统的FTA

主液压系统的故障模式分类如表1所示，故障树如图5所示。

表1 主液压子系统故障模式分类

图5 主液压子系统故障树

4.2 FTA(p,l)-GERT转化

地面技术专家根据可靠性基因库的搜寻结果，结合贝叶斯推理得到系统(对应节点T)故障情况下所导致的故障损失为L～N(100,25)，则各元器件的故障率及其所产生的故障损失如表2所示。

表2 主液压子系统各底事件故障率及故障损失

按照复杂产品质量损失传递过程的正向演绎方向，从广义GAN网络的起点(活动0)出发，依次对局部GERT网络的关键参数进行求解，并根据这些参数将广义GAN网络转化为GERT网络，如图6所示。

图6 主液压子系统质量损失GERT网络图

图中各项活动的内容如下：

0-1：主液压系统开始工作

1-2：虚拟活动，概率为1，质量损失为0。表示电动泵组件开始工作。

2-5：电机和液压泵均处于正常工作状态。

2-8：电机和液压泵至少有一个发生故障。

5-7：排除所有不可控因素，电动泵组件仍然处于正常工作状态。

5-8：由于某些不可控因素，电动泵组件发生故障。

1-3：虚拟活动，概率为1，质量损失为0。表示电动泵控制盒开始工作。

3-9：电动泵控制盒处于正常工作状态。

3-10：电动泵控制盒发生故障。

1-4：虚拟活动，概率为1，质量损失为0.表示供油组件开始工作。

4-6：油箱、油滤和氟塑料管均处于正常工作状态。

4-12：油箱、油滤和氟塑料管至少有一个发生故障。

6-11：排除所有不可控因素，供油组件仍然处于正常工作状态。

6-12：由于某些不可控因素，供油组件发生故障。

7-13：虚拟活动，概率为1，质量损失为0。将电动泵组件正常工作的信息传递到13。

9-13：虚拟活动，概率为1，质量损失为0。将电动泵控制盒正常工作的信息传递到13。

11-13：虚拟活动，概率为1，质量损失为0。将供油组件正常工作的信息传递到13。

8-15：虚拟活动，概率为1，质量损失为0。将电动泵组件发生故障的信息传递到15。

10-15：虚拟活动，概率为1，质量损失为0。将电动泵控制盒发生故障信息传递到15。

12-15：虚拟活动，概率为1，质量损失为0。将供油组件发生故障的信息传递到15。

13-14：排除所有不可控因素，主液压系统处于正常工作状态。

13-15：由于某些不可控因素，主液压系统发生故障。

4.3 主液压系统关键质量源识别及节点灵敏度分析

根据GERT网络运算法则，利用复杂产品FTA(p,l)-GERT质量损失网络关键质量源的识别算法，设α=0.5,β=0.5，可以得到无人机主液

压系统的三个源头活动节点(2,3,4)的质量损失关键度ξi分别如下：

表3 主液压系统三个源头活动节点(2,3,4)的质量损失关键度

由表3可知，供油组件部分对主液压系统的质量损失影响最大，最为关键，电动泵组件部分次之，电动泵组件控制盒部分最弱。因此，从源头上应该着重提高主液压系统供油组件部分的可靠性，控制供油组件部分对系统造成的质量损失。此外，对于主液压系统的电动泵组件部分也应该适当进行质量管控，相对而言，电动泵组件控制盒部分可以减少相对投入。

根据GERT网络运算法则，利用复杂产品FTA(p,l)-GERT质量损失网络节点灵敏度分析算法，设α=0.5,β=0.5，可以得到主液压系统均值的绝对灵敏度和相对灵敏度，标准差的绝对灵敏度和相对灵敏度以及系统综合的绝对灵敏度和相对灵敏度如下：

表4 各节点灵敏度

从4可以看出，系统质量损失对活动4最敏感，其次是活动2，在主液压系统的控制分析中，应该着重关注供油组件这一部分，其次是电动泵组件。另外，电动泵控制盒的故障损失对系统不敏感。

综上所述，无论从关键度的角度，还是从敏感度的角度，供油组件部分对系统质量损失尤为重要，电动泵组件部分次之，相对而言，电动泵控制盒的质量损失较小。在进行故障排除中，不仅应该着重提高供油组件和电动泵组件的可靠性，还应该运用合理的故障诊断方法进行故障识别，以及时发现失效元器件并将其更换，减少故障发生的损失。

5 结语

故障诊断是民用飞机运营的重要环节，快速准确找到故障发生的原因并进行排除是民用飞机实现高效运营的重要保障。在进行故障诊断时，除了分析故障数据，大型民用飞机自身的物理结构、可靠性框图以及运行逻辑关系同样不容忽视，考虑整机设备及各个子系统运行状态，并对其进行状态分析和故障智能诊断可以提高故障诊断的准确性和智能性。因此，本文首先搭建了大型民用飞机全寿命周期可靠性基因库，提出了民用飞机组成单元可靠性基因表征度，解析了可靠性基因的遗传、更新、演化等机制；基于此，设计了大型民用飞机的故障模式相应的故障诊断算法，构建了整个民用飞机故障智能诊断网络框架；最后以飞机液压系统为例进行了案例研究，验证了网络框架的实用性和有效性。研究通过搭建可靠性基因库提出了民用飞机故障智能诊断的网络框架，是民用飞机故障诊断在理论上的一次新的突破，后续研究将着重于该网络框架的实践应用，不断完善和细化，提高其可应用性。