视情维修技术及其在飞机维修中的应用

摘 要 本文描述了视情维修技术的基本思想及其相关的各项关键技术，对视情维修关键技术需求与目前该领域最新技术发展水平进行了对比分析，总结了制约视情维修技术在飞机维修中全面应用的环节，介绍了视情维修相关的预测与健康管理系统在飞机维修中的应用实例。

关键词 视情维修；关键技术；预测与健康管理

中图分类号：V267 文献标识码：A 文章编号：1671-7597（2014）07-0134-02

到目前为止，飞机维修的发展大致经历了事后维修和定期维修两个阶段。视情维修作为一种前瞻性的维修技术也在飞机的维修中进行初步的尝试性应用。

事后维修的维修时间不固定，只有当故障出现时，再针对具体故障进行维修。事后维修的优点很明显，可以减少一些不必要的维修费用，但缺点同样明显，当一个部件出现故障时，它可能损坏其他部件，甚至危及人身安全。

定期维修是一种主动性的维修方式。定期维修会在预定的时间内执行，即使故障尚未发生，仍需要开展维修活动。定期维修方式降低了事故发生的概率，这是定期维修的优点。但由于定期维修的不可变通性，定期维修也同样的存在着明显的缺点：一是定期维修往往会造成过度维修，增加因人为因素而产生的维修差错的概率，对飞机安全造成威胁；二是定期维修费用较高，提高了飞机的使用成本。

视情维修是一种预测性的维修方式，根据相同但前状态预测系统状态的劣化发展趋势来安排维修活动。视情维修使系统仅仅在需要的时候才进行维修工作，因此可以减少维修费用、把灾难性故障的风险降到最小，使系统发挥最大效能，并减少库存。

1 视情维修中的时间模型

视情维修中的时间模型是按照系统故障发生和发展的时间延续性特点，将故障的发生和发展按照时序划分故障形成阶段和故障发展阶段，从“故障开始点”到“系统、部件或子部件故障”再到“灾难性故障”。

在“故障开始点”以前的阶段，系统处于正常工作状态；从“故障开始点”至“系统、部件或子部件故障点”之间的时间段为故障形成阶段，在该阶段的最初出现了早期的故障征候；如果继续使用，可能会造成部件或与该部件相关的系统故障；“系统、部件或子部件故障点”至灾难性故障发生之前的时间段为故障发展阶段，在该阶段如果不对故障系统采取适用的处置措施而继续使用，会进一步造成管理系统的损害直至整个系统的崩溃。

2 视情维修关键技术

视情维修的过程主要经历四个阶段：状态监测、故障诊断、故障预测及健康评估与决策生成，这四个阶段的实施也是视情维修的关键技术所在。

2.1 状态监测技术

状态监测是指利用有效的方式对与系统工作状态密切相关的各种参数实施采集和监控。通过状态监测手段，可以实时的收集系统运行状态的现场数据和详细信息，通过与系统的各项额定指标进行比较，从而对各部件工作状态发展趋势做出判断，为视情维修模型提供科学依据。

状态监测的方法按照采用的手段不同分成为：振动监测法、噪声监测法、温度监测法、压力监测法、油液分析监测法、声发射监测法等。

状态检测技术涉及了诸多学科和技术领域。先进适用的传感器技术、信号采集技术和信号处理技术是状态监测技术的

关键。

2.2 故障诊断技术

故障诊断是在既定的工作条件下，通过有效的方法对反映系统状态的特征信号和运行过程的历史信息对比，识别出系统的健康状态，并根据系统故障与故障征兆之间的因果关系实现故障隔离、故障定位的全过程。

故障诊断按测试位置可分为机内测试和外部诊断。机内测试技术可直接实时对航空电子设备进行测试，使设备具备自测试能力，但是同时存在诊断能力差、虚警率高的问题。外部诊断比机内测试的诊断能力和稳定性更高，但是不能用于实时测试和诊断。故障诊断按诊断方法可分为基于模型、基于信号和基于知识的方法。

目前，故障诊断技术的研究主要集中在故障机理与诊断理论的研究，故障信息的提取与分析方法研究以及诊断仪器和与专用智能诊断系统的研究，并朝着诊断对象与诊断技术多元化、诊断系统分布式和网络化方向快速发展。

2.3 故障预测技术

故障预测技术是以当前装备的使用状态为起点，结合已知预测对象的结构特性、参数、环境条件及历史数据，对装备未来的故障进行预测、分析和判断，确定故障性质、类别、程度、原因及部位，指出故障发展趋势及后果，以便消除故障。故障预测一般经历以下几个过程：确定预测需求、确定故障类型、分析支撑数据和选择预测方法。

故障预测按时间长短可分为短期故障预测和长期故障预测。不同的预测方法对短期和长期的故障预测效果是不同的。因此在实施故障预测时首先应确定预测需求。

不同的故障预测系统可能适合不同的故障类型，因此需要对设备的故障类型进行确定。设备的故障从故障发生的时间历程可分为两类：突发性故障和渐进性故障。

设备的故障预测是以数据状态为起点，并结合已知预测对象的结构特性、参数、环境条件和历史数据，这些数据统称为故障预测的支撑数据。不同的故障预测方法需要不同的数据作支撑，在此阶段分析支撑数据的类型和程度，是为选择预测方法提供基础。

针对不同的对象和数据特点，用于故障预测的方法通常是不同的。目前可用于故障预测的方法包括基于保险和预警装置的故障预测方法、基于模型的故障预测方法、基于规则的专家系统预测方法、基于神经网络的预测方法、多传感器信息融合的故障预测方法等。

2.4 健康评估与决策生成

健康状态评估是根据测量数据和历史数据进行综合分析，利用各种综合评判方法对设备的健康状态进行评估。为得到健康状态的有效评估结构，需要根据多个因素对设备各个状态做出综合评价。目前监控状态评估的方法较多，较常用的有：模型法、层次分析法、模糊评判法、人工神经网络法、贝叶斯网络法等5种评估方法。

决策生成是基于视情维修的维修建议和决策，是系统自身健康状态评估结果后的顶级输出，决策生成直接关系到维修活动的性价比。基于当前的系统状态给出合适的维修时间、维修人员、维修方法等维修计划，是决策生成的主要价值体现。决策生成的技术方法主要包括：基于模型的方法、基于数据的方法、基于时间序列的方法、基于经验的方法、数据融合法等。

3 视情维修在飞机维修中的应用

由于技术发展的限制，目前视情维修技术还无法全面应用机维修。为了提高飞机设备的可靠性，降低维护保障费用，美国军方提出了“预测与健康管理”（PHM）的概念。

PHM实际上是视情维修的一个环节，对飞机系统应用PHM技术，并结合一系列适用的维修保障措施即可实现飞机的视情维修。

3.1 PHM在军机上的应用

PHM技术最先应用于直升机，并在实际应用中演变成为使用和状态管理系统（HUMS）。先后开发和应用HUMS系统的直升机型号有： Chinook CH-47、CH-35E、SH-60B、UH-60A、HH-60L、AH-1Z、S-92等。具美国《今日防务》统计，应用HUMS系统后，美国陆军直升机任务完备率提高了10%。

PHM技术在固定翼飞机上的应用也相当广泛，如阵风战斗机、B-2轰炸机、“全球鹰”无人机、“大力神”运输机等。美国的第四代战斗机F-35是PHM技术应用较为全面和典型的机型。通过PHM技术的应用，F-35战斗机的维护人员需求降低了20%～40%，机动后期规模降低了50%。F-35战斗机中的PHM技术是美国国防部倡导的基于视情维修技术的一个具体体现，代表了美国视情维修技术目前发展的最高水平。

3.2 PHM在民机上的应用

PHM技术在民用飞机上的应用与其在军用飞机上的应用相比较为保守，目前具有部分PHM功能的“飞机状态管理系统”（AHM）已在波音公司和空客公司生产的部分B777、B747、A320、A330、A340飞机上得到了大量的应用。

美国航空无线电通信公司与NASA合作研制的与PHM类似的“飞机状态分析与管理系统”（ACAMS）在B757飞机上成功的进行了飞行试验演示。

4 结论

在飞机系统越来越复杂，使用和保障费用几乎与研制费用持平并还在持续增加的背景下，具有减少维修费用、提高安全性水平、减少备件库存等显著优点的视情维修技术已成为飞机维修保障技术发展的必然趋势。视情维修的技术理论发展到目前已比较完善，但由于故障发展模型建模技术和信息采集技术发展的限制，目前视情维修技术在飞机维修中的应用尚处于探索和初级阶段，还未能实现完全的应用。

参考文献

[1]任占勇.航空电子产品预测与健康管理技术[M].国防工业出版社，2013.

[2]徐亨成，等.航空维修人因失误分析及控制[J].航空维修与工程，2005（3）.

[3]均勇，李金瑞，孙颖.航空维修差错的研究[J].飞机设计，2006（1）.

[4]李郑琦，等.飞机视情维修策略及模型研究[J].航空科学技术，2011（3）.

[5]陆伟，等.设备预测维修管理模型及其关键技术研究[J].装备制造技术，2008（12）.