数据驱动的飞行器智能故障诊断系统研究

李 智,姜 悦,蔡斐华,褚厚斌,张丽晔

(1.北京东方仿真软件技术有限公司，北京 100029; 2.中国运载火箭技术研究院，北京 100076)

0 引言

近年来，数据挖掘技术迅猛发展，能够借助算法从大量数据中快速获取隐藏信息，在金融、医疗、零售、制造等行业都得到了广泛应用。在飞行器地面试验阶段，测控通信速率最大包络数据可达到100 Mbps，一次总检查所获得的原始数据可达数十GB，按照解析后数据量增至50倍的数据容量统计，每次总检查数据达到上千GB，在综合试验、匹配试验、热平衡、热真空、总装测试过程中累计需要经历上百次总检查，产生的总数据量级为上百TB；在飞行器在轨运行阶段，测控通信速率最大包络数据可达到2 Mbps，每天传输24 h，每天产生总数据量约为1.15 TB。按照飞行器试验周期一年(按照365天)计算，产生的总数据为420 TB。可以看出，地面试验和在轨试验产生的总数据已经达到PB级。由于测试数据信息量大、参数数量多、种类杂，依靠人工进行数据判读及复查，不仅工作量大、效率低，而且容易造成人为判读遗漏和偏差。利用数据挖掘技术能够从大量无序数据中自动抽取其隐藏特征及关联关系，及时发现飞行器故障征兆并采取有效措施，从而避免重大故障发生。

目前，国外航空航天领域已经率先开展数据挖掘技术在故障预测与诊断方面的研究，并取得了一定的成果。如美国空军研究实验室开发的EHM样机系统、CFM公司的CASSIOPEE、英国航空公司的ARIADNE等，它们将数据挖掘技术与故障诊断技术相融合，建立发动机维修决策支持专家系统。……