大数据分析助力飞机健康管理

□ 赵红华 钱 锋 韩晓冬/文

传统的飞机健康管理系统主要依赖A C MS常态报文、事件报文、驾驶舱效应、警告信息及维护信息作为数据的输入源头，形成对运行飞机的实时状态监控及机队可靠性的基础分析。由于A C MS报文记录的数据量有限、参数缺乏连续性，在故障诊断和预防性维修方面的应用受到制约。

目前国内三大航空公司，机队规模都在600架以上，每天航班量都超过2500班，每个航班的Q A R数据都在80 M以上，平均每天生成超过1 T的Q A R数据。这些海量的实际运行数据为预测性维修和诊断性维修提供了强有力的支撑。

本文介绍了利用大数据分析方法对B 737-800飞机空调系统进行健康监控的建模思路和方法，该方法可扩展到液压系统、起落架收放系统、机组氧气系统、飞控系统和发动机系统等，并建立统一的基于大数据分析的监控平台。

飞机健康管理简介

自上世纪九十年代起，随着计算机技术和通讯网络的兴起，为提高飞机安全运行裕度，减少运行中断，飞机主制造商开始引入飞机状态监控和性能趋势分析的概念和技术。飞机健康监控系统的典型代表是空客AIRMA N（AIRcraft Maintenance Analysis，飞机维修分析）和波音AHM（Airplane Health Management，飞机健康监控）。另外，发动机制造商也开发了适用于发动机的性能监控平台，如G E公司的SAGE系统、R&R公司的COMPASS系统及P&W公司的ECM/EHM系统等。

（一）飞机健康管理系统基本原理

AIRMAN和AHM作为飞机健康监控的工具，目前被全球200多家航空公司使用，监控超过9000架飞机的运行。它通过ACARS报文向地面实时传送飞机系统的工作状态，向地面维修控制中心实时传递飞机的故障和警告信息，并快速链接相关的维护手册和排故程序。

通过机载中央维护计算机(CMC) 或机载网络系统收集飞机实时状态数据( 如ECAM/EICAS 警告、维护级信息、驾驶舱效应故障)，以ACARS 数据传输的方式通过卫星信号发送到地面系统。地面将这些数据进行编译，用户利用MyboeingFleet.com 门户网站（波音飞机）或AIRBUSWORD.COM 门户网站（空客飞机）使用AHM或AIRMAN 工具实时监控正在运行的飞机各主要系统的工作状态。如果发现故障或告警信息，维修控制中心工程师立刻采取措施分析评估故障原因并制定排故方案，在飞机落地前着手进行排故准备，提前安排人员、航材、工装和工卡，从而最大程度地避免或减少航班延误。另外，用户还能够利用AHM 或AIRMAN 系统中庞大的历史数据和可靠性数据对飞机进行预防性维护。飞机远程监控系统的使用帮助航空公司减少航班延误并显著提升排故和维修效率。航空公司用户以WEB方式访问AHM或AIRMAN系统。

（二）国外飞机健康管理系统发展进程

空客作为全球两大民机制造商之一，在飞机健康监控方面积累了广泛的经验，全球80% 运营空客飞机的航空公司都在使用空客开发的AIRMAN 系统作为其飞机健康状态的实时监控系统。

为帮助航空公司提前预测可能出现的故障隐患或系统失效，在问题发生前采取措施，空客联合达美航空公司，利用IBM 在大数据开发领域的先进经验，推出了PRM 系统即“Prognostics & Risk Management”维修预测与风险管理系统。它能够更早的探测系统失效，从而提高飞机的可用率，减少非计划性维修工作。在A330 机队上的运行实践表明通过使用PRM 这种预测性解决方案，可以减少15% 的运行中断。

随着新技术在A380 和A350XWB 上的应用，空客专门开发了AiRTHM (Airbus Real Time Health Monitoring）系统，为A380 和A350 客户提供远程技术支援和运行支持服务。一方面监控飞行准备期间潜在的系统失效及可能导致航前延误的故障，为航空公司提供必要的技术支援避免飞机滑回。另一方面对空中飞行的飞机进行全程追踪，通过汇总来自ACMS 报文、SAR 报告、QAR 报告及Uplinks 数据，进行精准工程分析，为航空公司提供相应的飞机放行和排故建议。

目前，空客正在与航空公司合作，通过获取航空公司的DAR 数据和维修数据来建立预测模型，这是用不同于PRM 和AiRTHM 的方法论建立起来的，是基于数据统计学的方法分析飞机数据，从而找到故障和现象之间的内在联系，进而建立预测模型。将预测模型与航空公司的维修运行系统高度融合，提供取决于工装、人力、航材可用性的决策，在最佳的时间实施维修从而将对飞机运行的影响降至最低。

（三）国内飞机健康管理系统发展进程

国内大多数航空公司目前都是通过采用空客的A I R MA N或波音的A H M远程监控平台，监控自己的机队。同时，利用发动机厂家的E H M系统监控发动机的工作状态、跟踪发动机的性能趋势。

南航是最早开始自己独立开发与空客A I R MA N和波音A H M功能相近的飞机远程健康监控平台的。起步于2000年初期，其核心思想就是将飞机的中央维护系统、飞机状态监控系统、飞机运行控制系统生成的数据通过A C A R S数据链的方式传送到地面，地面主机系统实时将包括飞机的故障信息、发动机状态信息、飞机运行的相关信息进行解码分析，确定故障代码及其关联信息，并实现系统自动报警。机务维修人员根据排故手册及故障历史经验库形成联动，快速确定排故方案。地面主机系统还具有上行触发机制，根据下行数据主动获取飞机实时状态参数，建立与空中机组双向联系并向机组提供技术支持。

东航在2004年与上海交通大学合作，也开发了针对空客机队的具有类似功能的飞机健康远程监控系统。后来由于机队规模的急剧扩充、波音机队的加盟以及后台缺乏对系统的持续维护和改进，东航改变策略，开始采用空客和波音现成的成熟的远程监控系统。近几年随着机队规模越来越大，多系统并行运行带来的工作负荷增大及效率下降，另外，新的机队性问题的快速应对和关键系统及部件失效的提前预测需求是目前厂家远程监控系统无法满足的。基于此，东航在2009年开始自行开发ACMS报文实现A 320机队引气系统的实时远程监控，2015年底又开始将引气系统监控推广到A 330机队，同时扩大到空调系统。自主报文开发监控带来的好处，促使东航在空客机队的氧气系统、液压系统及波音机队空调引气和飞控系统继续前行，逐渐形成了大数据监控平台的雏形。

厦航凭借其机队单一性（B 737机队一通天下）的优势，仿效波音的AHM系统独立开发了类似的远程监控平台，并在利用QAR数据实施机队预测性维修方面先行一步。国航和海航也在利用空客波音远程监控系统的同时，在2010年前后开始自主报文监控的开发，目前也是主要用于引气空调和发动机滑油耗量监控方面。

（四）现有飞机健康管理软件的不足

目前广泛使用的主流健康监控管理平台都是基于ACMS报文作为数据输入源头。我们知道ACMS报文的最大缺陷是数据量小，记录的参数缺乏连续性，很难提前预测系统或部件的失效。更多情况是获取故障发生航段的信息，为飞机落地后的排故做好准备，但飞机的后续运行中断和非计划停场还是不可避免，这是其在预测性维修方面的先天不足。

另外，目前大多数航空公司使用的飞机健康管理平台都是OEM厂家设计开发的，由于这个平台是面向全球用户的，其各系统警告逻辑的设定都是通用的，不具有针对性。对于不同航空公司因其运行环境特殊性、机队机龄长短不同、工程改装差异性所表现出来的机队的性能特性的客户化程度不高。

现有飞机健康管理系统的局限性对机队规模较大的航空公司表现尤为突出，这就迫使这些航空公司着眼于自身机队运行管理的需要，充分利用自己的运行数据，开发更有针对性的飞机健康监控管理平台。

大数据分析应用于飞机性能监控的实现基础

近年来，随着数据通讯网络、云计算和云存储的快速发展，使得利用大量运行数据对飞机进行全面健康监控的可行性不断提高。目前，基于航空大数据的健康监控技术已得到美国、欧洲的主要航空发达国家的工业界和研究机构的认可，并已开始向综合化、标准化和智能化的方向发展。

（一）新技术的应用产生大量实时数据

飞机各系统的高度集成化、模块化、数电化，以及飞机各系统的指令、反馈、监控和指示数据的采集和记录越来越完备，为大数据分析奠定了强有力的数据基础。

以Boeing787为例，它采用了先进的传感技术，具有计算能力，更稳定、智能的通信与控制能力，具备网络连接能力，并且有更加整合的机载设备和软件模块，实时产生大量的飞行数据。比如GEnx发动机，安装了26个传感器，监控300个参数，传输信息量可达15亿组数据。新型客机能够产生和提供大量的数据，通过将传感器、软件和大数据相结合，形成智能健康管理机制，从而能够有效地预告飞机健康状况并智能化维修工作。

（二）空地无线宽带技术使数据传输畅通

目前主流航空器上的ACARS系统通信带宽仅有31.5 kbps，只能发送基于文本的数据，间隔时间长、操作不便，通信效率很低。为满足数据通讯和数据传输的带宽和流量急剧扩容的需要，空地宽带技术应运而生，为用于大数据分析的数据传输和数据实时性铺平道路。

（三）云计算和云存储为数据分析提供实现基础

云计算和云存储的发展，大大提升了数据的处理和存储能力，使得基于大数据分析的数学建模成为可能，并为数据的深度挖掘、清洗、沉淀奠定了数学基础。

数据本身没有价值，只有通过分析，提炼出信息，进而生成知识并进化成智慧，数据才能发挥巨大的作用。国内云计算技术发展较早，也在实际运用中产生了巨大的作用。

（四）ACMS报文开发和WQAR故障诊断项目储备了人才

航空公司基于自身机队工程管理优化和确保运行平稳的需要，在充分利用厂家固化报文的基础上，结合机队实际运行规律和故障特点，从固化报文的基础上延展出客户化的报文开发，用于弥补厂家监控的不足。比如客户化的空调报文、引气报文、发动机滑耗报文和载荷报文等等。

另外，航空公司的技术支援工程师在长期的排故工作中，经常借助于Q A R报告分析故障发生时及故障前后相关系统的参数变化，用于判断故障起因和故障件的影响因素大小。基于飞机发动机故障的Q A R分析，积累了丰富的实践经验，培养了一批数据分析的专业工程师队伍，为从事飞机性能监控平台的开发储备了人才。

基于大数据分析的飞机监控模型研发

深入学习飞机系统的设计原理、工作原理，研究飞机系统的控制、响应、反馈与警告逻辑，掌握跨系统、多系统的交联关系。通过对运行大数据和维修大数据的比对研究，通过识别各类运行数据之间的关联性和因果关系，建立针对具体系统和部件失效的数学模型，并寻找和挖掘系统和部件的性能衰退趋势和规律。在此基础上，通过对海量Q A R数据分析、沉淀与建模，将模型写入客户化A C MS报文，通过远程实时监控飞机各系统工作状态、并结合Q A R数据对飞机各系统工作性能进行趋势分析，创建以预测性维修和诊断性维修为核心的大数据维修模式，使运行飞机及部件获得最大化的利用率、可靠性和安全性。

（一）B737-800飞机空调系统监控模型研发

系统原理分析。通过对B 737-800飞机空调系统工作原理及部件组成的深入研究，确立空调系统中几个关键传感器的位置及功能：

T471/T474：左/右空调PACKTEMPSENSOR——组件温度（进涡轮前）

T 472/T 475： 左 /右 空 调 MIXMAINFOLDSENSOR——混合腔温度（位于混合腔，T 472/T 475位置接近，因此两个传感器的温度值也基本一致）

T 481/T 482：左/右空调 RA0MAIRSENSOR——冲压进气温度（位于压气机出口，次级散热器进口）

通过系统警告逻辑分析，明确导致空调系统故障跳开的几个探测元件及触发门槛值，并进一步确定这些探测元件和我们可采集分析的空调参数的位置关系。

涡轮进口超温电门S 938/S 939探测到210华氏度（99摄氏度）以上的温度；

空调出口超温电门S 934/S 935探测到250华氏度（121摄氏度）以上的温度；

压气机出口超温电门S 2/S 5探测到390华氏度（199摄氏度）。

数据积累、清洗和沉淀。选取一定数量的飞机和一段时间内的航段，用AIRFASE 译码软件进行自动译码，并利用GE 的EMS 大数据平台进行数据筛选。

一为T481/T482 RAM AIR TEMP SENSOR( 冲压空气温度传感器)。

通过数据采集分析处理，可以归纳：T481/T482 的平均温度范围区间主要分布在60 ～ 120 度。

二为T471/T474PACK TEMP SENSOR( 空调组件温度传感器)。

T471/T474 为反映空调散热器性能的重要参数，波音服务信函SL-21-108-A 中已验证，在通常外界温度下，其数值应不超过30 摄氏度，且与外界大气温度有关。

从AIRFASE 的译码数据来分析，从PHASE2 地面滑行到PHASE6 巡航阶段，T471/T474 温度平均值如下，基本温度区间范围为0～20摄氏度之间。综合考虑外界大气温度、引气温度和流量、机组座舱预选温度的影响，地面和空中的温度分布区间有明显差异（见图6～8）。

三为T472/T475 MIX TEMP SENSOR（混合腔温度传感器）。

T 472/T 475感受混合腔内温度，由于左右空调共用一个混合腔，两个传感器的温度基本一致。明显的差异结合其他空调参数的异同，能够更加明确的指向故障件。基于数据的归纳筛选，确定正常工作区间（见图9～10）。

监控模型的确立与调试。经过大量样本筛选分析、实际空调故障情况统计并与监控参数变化比对，不断修订监控模型的报警逻辑，基本确定三个空调参数的报警门槛值和超限持续时间： T 471/T 474、T 481/T 482、T 472/T 475，以及T 471与T 474之间温差值和差值超限时间。

基于以上关键参数的门槛值，编写事件报文，包含飞机基本参数信息，与空调系统相关联的其他系统参数信息，如引气系统的状态信息、飞行阶段、外界大气温度等。将监控级别高的事件报文通过ACARS 发送，用于性能趋势跟踪的事件报文通过WQAR 发送后经Airfase 软件进行自动解析，预测性能走势。

应用效果。监控模型基本实现了以下功能：一为预测空调散热器性能下降；二为探测流量控制活门非指令关闭；三为预测ACM失效。

B-1961飞机11月16日执行MU 2602航班触发报警，左侧PACK温度T471超过33度，而且与右侧PACK温度差值较大，且报警连续多个航班触发，17日排故时检查发现ACM的风扇叶片断裂，更换ACM后空调工作正常，后续监控正常。图11为B-1961换下的ACM照片：有一风扇叶片断裂并缺失，从损坏情况可以分析为ACM偏轴后导致叶片与机匣边缘接触，最终导致叶片打坏机匣，ACM卡阻。

总结。B 737机队空调系统远程监控工作仍处于发展期，需要大量运行数据的支持以及相关系统工作原理的深入剖析，通过基于飞机大数据的研发，建立基于大数据的飞机发动机预测性维修平台，对机队环控系统安全高效运行提供了强有力的技术支撑。

飞机健康管理中大数据分析技术展望

未来民用飞机维修大数据技术不仅是利用飞机航段数据、飞机故障及维修数据，还将结合系统测试数据及OEM/VENDOR设计参数，融合智能感知技术、物联网技术、通信技术、智能解译等新技术，监控飞机全航段各系统的工作状态和性能趋势，评估预测飞机关键系统和部件的健康状态，并结合航空公司实际运营情况做出合理的维修决策，保障飞机运行安全，提高飞机利用率，降低飞机维修成本，提高飞机运营和服务水平，为企业带来良好的社会效益与经济效益。其未来发展前景主要体系在：优化维修方案、优化维修资源，为实现预测性维修与诊断性维修奠定坚实的数据基础。

大数据和云技术的进一步发展，将是和人工智能结合。智能识别产品在提高缺陷辨识精度和检修效率具有明显的优势。通过将检修经验数据化，建立飞机损耗逻辑化的智能学习系统和飞机损耗推断规则数据库，人工智能系统可以极大降低检测行为对人的经验的依赖性，同时也可大幅度提高检修效率、降低人力成本。（其他作者：陈亮、刘云、卓海波）