内容简介
《基于系统原理的飞机系统测试诊断与预测技术》对飞机系统故障传播机理、故障测试诊断、故障诊断排故、故障状态识别与预测开展深入研究。基于飞机系统原理分析,结合功能结构树、多信号流模型理论、Petri网、粒子群优化算法、遗传模糊神经网络等理论方法,全面深入地研究了基于系统原理与功能结构树的飞机系统故障传播关系、基于系统原理与多信号流的飞机系统测试性分析、基于系统原理和多信号流的飞机系统测试诊断、基于故障传播机理和Petri网的飞机系统故障诊断、基于系统原理和TFM三维信息流的飞机系统诊断排故、基于测试诊断模型的飞机系统故障状态识别和故障预测,提出了相应的模型理论、改进算法和优化策略,并通过实例分别验证了理论方法的可行性。
目录
目录
前言
第1章 绪论 1
1.1 概述 1
1.2 测试性设计分析技术研究现状 2
1.2.1 测试性建模方法研究现状 6
1.2.2 测试策略优化方法研究现状 8
1.3 故障诊断技术研究现状 9
1.3.1 故障诊断方法研究现状 9
1.3.2 诊断策略研究现状 12
1.3.3 飞机系统故障诊断研究现状 13
1.4 测试诊断图论模型理论方法研究现状 16
1.4.1 多信号流图模型研究现状 17
1.4.2 Petri网模型理论方法研究现状 18
1.5 故障预测技术研究现状 20
1.6 维修排故技术研究现状 22
第2章 基于系统原理与功能结构树的飞机系统故障传播关系分析 25
2.1 基于系统原理的故障传播关系分析思路 25
2.2 基于FFA的飞机系统功能结构层次分析 27
2.3 基于功能结构层次的飞机系统故障模式与传播关系分析 27
2.3.1 故障特征信息分析 27
2.3.2 故障模式及传播影响分析 28
2.3.3 基于功能结构树的故障传播知识表示 30
2.4 实例 31
2.4.1 气源系统功能结构层次分析 31
2.4.2 气源系统功能结构树 32
第3章 基于系统原理与多信号流的飞机系统测试性分析 34
3.1 基于系统原理与多信号流的飞机系统测试性建模技术 34
3.1.1 多信号流模型基本理论 34
3.1.2 SDG图模型方法 39
3.1.3 多信号流图建模步骤 39
3.1.4 实例 40
3.2 基于相关性矩阵的飞机系统测试性分析 55
3.2.1 扩展D矩阵 55
3.2.2 测试性分析的内容与算法 56
3.2.3 实例 60
3.3 基于DPSO-AO*算法的飞机系统测试策略优化设计 62
3.3.1 测试策略优化问题的数学描述 63
3.3.2 AO*算法与测试序列优化问题的结合 64
3.3.3 离散粒子群优化算法 67
3.3.4 基于DPSO-AO*算法的测试策略优化步骤 68
3.3.5 实例 71
第4章 基于系统原理和多信号流的飞机系统测试诊断 75
4.1 基于系统原理与多信号流的测试诊断建模 75
4.1.1 基于系统原理与多信号流的测试诊断建模思想 75
4.1.2 基于系统原理和多信号流的测试诊断骨架建模 77
4.1.3 基于 FMEA 的故障和测试信息建模 79
4.2 测试诊断模型的测试性分析和评估 81
4.2.1 故障-测试相关性矩阵 81
4.2.2 测试性指标 82
4.3 基于AO*算法的诊断策略优化生成 83
4.3.1 诊断策略的基本理论 83
4.3.2 诊断策略优化生成的AO*搜索算法步骤 85
4.3.3 气源系统诊断策略优化 89
4.4 飞机系统基于多值测试的诊断策略优化 90
4.4.1 飞机系统的故障诊断问题 90
4.4.2 多值测试诊断策略的构成要素 91
4.4.3 诊断策略优化目标 91
4.4.4 基于测试诊断模型的多值测试相关性矩阵 92
4.5 基于rollout和信息熵的多值测试诊断策略构建 92
4.5.1 多值测试诊断策略的构建流程 92
4.5.2 基于rollout和信息熵的多值测试诊断策略 94
4.6 实例 97
4.6.1 发动机引气系统测试诊断模型建立 97
4.6.2 发动机引气系统测试策略优化 100
第5章 基于故障传播机理和Petri网的飞机系统故障诊断技术 103
5.1 故障诊断Petri网模型 103
5.1.1Petri网模型理论基础 103
5.1.2 扩展染色模糊故障Petri网(CFFPN)模型 107
5.1.3 CFFPN模型建模方法 109
5.2 基于CFFPN模型的故障诊断推理 111
5.2.1 基于CFFPN模型的正向推理算法 112
5.2.2 基于CFFPN模型的逆向推理算法 114
5.3 故障诊断过程CFFPN模型参数优化 115
5.3.1 CFFPN模型模糊推理函数建立 115
5.3.2 基于BP误差算法的CFFPN模型参数优化 116
5.4 实例 119
5.4.1 某型飞机气源系统CFFPN模型建立 119
5.4.2 确定初始值 123
5.4.3 APU引气系统正向推理 123
5.4.4 APU引气系统逆向推理 125
5.4.5 参数优化和性能评估 127
第6章 基于系统原理和TFM三维信息流的飞机系统诊断排故技术 130
6.1 TFM三维信息流建模 130
6.1.1 TFM三维信息流建模思路 130
6.1.2 TFM三维信息流模型定义 131
6.1.3 TFM框架建模 131
6.1.4 基于多信号流图方法的测试-故障信息关联 136
6.1.5 基于贝叶斯网络的故障-维修信息映射 137
6.2 基于本体与蚁群的维修排故信息集成 144
6.2.1 基于本体与蚁群的维修排故信息集成思路 144
6.2.2 维修排故信息初始本体建模 146
6.2.3 基于蚁群信息素的本体合成优化 150
6.2.4 实例 153
6.3 基于TFM三维信息流模型的诊断排故算法 155
6.3.1 基于优化信息熵的故障诊断算法 155
6.3.2 基于模糊遗传神经网络与语义关联搜索的排故信息推送算法 159
6.3.3 语义关联搜索算法 159
6.3.4 排故信息推送的实现流程 160
第7章 基于测试诊断模型的飞机系统故障状态识别和故障预测 161
7.1 故障特征提取方法 161
7.2 基于HSMM的故障状态识别和故障预测 162
7.2.1 隐马尔可夫模型和隐半马尔可夫模型的原理 162
7.2.2 HSMM的基本算法 164
7.2.3 基于HSMM的故障状态识别过程 167
7.2.4 基于HSMM的故障预测过程 168
7.3 基于改进粒子群的HSMM模型训练方法 169
7.3.1 粒子群优化 169
7.3.2 改进的粒子群算法 170
7.3.3 基于改进粒子群的HSMM模型训练算法 171
7.4 基于遗传模糊神经网络的动态预测算法 171
7.4.1 遗传算法 171
7.4.2 模糊神经网络 172
7.4.3 基于模糊神经网络与遗传算法的动态预测算法 174
7.5 实例 175
7.5.1 故障状态识别 175
7.5.2 故障预测 177
参考文献 179
试读
第1章 绪论
1.1 概述
伴随着航空技术的迅猛发展,如今全球的民航业正处于快速增长上升的时期。航班安全是全球民航业共同的追求目标,是民航业发展的立足之本,它不仅会影响到民航业的形象及经济利益,更重要的是它关乎乘客和机组人员的生命和财产安全。影响航班安全和按时起降的诸多因素包括天气、飞机系统故障、飞行员的素质、空管能力以及机场设施等,在这些因素当中,飞机系统故障因为相对频发且造成的危害较大,是其中的主要因素之一。随着现代化机械设备的复杂化和智能化的程度越来越高,设备的功能不断增加,单一因素对整个设备系统的影响也越来越大。复杂系统内一个小小的故障,也可能会产生类似多米诺骨牌的效应,*终导致整个系统失效,带来巨大的经济损失,甚至威胁人身安全。如美国的哥伦比亚号航天飞机,正是由于燃料箱外的一个碎块脱落,飞机直接爆炸解体,造成机上7名宇航员不幸罹难的严重后果。2015年2月4日上午,中国台湾某航空公司的客机两个发动机同时故障熄火,导致飞机坠河,造成43人遇难和15人受伤。诸如此类的安全事件告诫我们,确保飞机系统的安全性和可靠性至关重要。民用飞机(简称民机)是由许多复杂系统构成的,飞机的正常运行需要各个系统之间相互配合完成,一旦出现系统故障,往往不是单一的原因,排查出故障源并解决故障需要各个专业的机务人员协同完成,需花费大量的人力、物力。
对于航空公司而言,在保障飞机安全运行的条件下尽可能降低运营成本,提高经济效益是其追求的目标,因此降低高额的诊断和维修成本是提高飞机经济性的重要途径之一[1,2]。相关资料显示[2],航空公司的飞机使用维护成本一般占公司飞机总运营成本的18%左右,平均每年花费31亿美元用于飞机维修。对于民机这一大型复杂电子系统,想要进一步降低维护成本就必须具备快速准确地定位故障源的能力,减少不必要的测试诊断步骤,从而达到及时制定维修决策,增加机队运行时间的目标。为了掌握系统的状况,检测和诊断故障成为一项非常关键的工作。经过近几十年来相关领域的研究,故障诊断技术不断得到丰富和发展,根据系统内的故障状态,可采用不同的策略检测和隔离故障源,为维修提供准确的依据。在系统的设计阶段进行测试性设计,添加传感器和测试有利于系统故障诊断能力的提高,增加故障覆盖率,在此基础上通过优化故障诊断策略可以减少不必要的测试步骤以降低故障诊断成本。20世纪90年代以来,人们从综合诊断的角度对测试性设计进行重新审视,逐渐认识到测试性实质上是系统设计的一个有机组成部分。而系统测试性分析与评估技术正是衡量系统或设备故障诊断的难易程度、可靠性和可维修性等性能的一项重要标准。它强调系统的测试是系统设计开发过程的一个重要约束,要求在设计早期把测试性设计到系统和设备中并评价其程度。然而,在实际应用中惯用的各诊断要素都是针对不同的装备和测试*立地进行处理,很少从系统的角度进行考虑,由此导致了测试装备数量和种类的增加,而且影响了装备全寿命周期内的维护质量和有效性[3]。飞机系统的测试性下降,使飞机诊断和维修的难度大大提升,已经成为影响飞机系统全寿命周期费用的重要因素之一。
飞机系统由液压系统、飞行操纵系统、座舱环境控制系统、防冰防雨系统、气源系统等众多子系统组成,自身零部件数目较多,功能复杂,也带来一系列较复杂故障,其故障具有复杂性、动态性、不确定性等特点,故障诊断与隔离难度较大。随着新技术、新设备的诞生和应用,引起飞机故障的原因不断增加,需要监测的影响飞机运行安全的参数也越来越多[1]。民机系统属于复杂系统,其故障同样具有层次性、传播性、相关性以及不确定性等特点[3],故障检测与隔离难度较大,传统的故障诊断方法难以满足复杂系统的诊断需求。故障预测是从故障诊断发展而来的更高级的维修保障方式,目前已经成为飞机诊断体系的主要发展方向。如果在整个寿命周期内多加考虑故障预测,能够提前知道系统的故障发生原因,一定程度上可以加快故障诊断效率,达到节约时间和人力成本的效果,并起到辅助航线维修的作用。资料显示,飞机的使用维护成本一直比较昂贵,其中一个主要原因为飞机在设计时缺乏故障预测[4]。通过对飞机系统进行故障预测,可以在故障发生前准确地对部件进行事先维修,从而提高飞机系统的安全性、完好性和任务的成功性,降低飞机的维修与保障费用。
我国的测试性技术研究起步较晚,新机型、新设备的研发应用要求飞机系统拥有较高的故障诊断能力,研究测试诊断技术能大大提高飞机系统的可靠性。在上述背景下,本书从系统原理出发进行故障传播机理研究,给出了一套基于系统原理的测试与诊断预测技术,实现对飞机系统的故障测试、诊断与预测。
1.2 测试性设计分析技术研究现状
测试性起源于航空电子领域,20世纪70年代,伴随着电子技术的飞速发展,集成电路的复杂程度和规模不断扩大,给芯片设计、生产和使用的质量带来相当大的压力,测试成本呈指数膨胀,因此,业界开始投入巨大的人力物力研究电路的测试性设计技术。1975年,Liour等在《设备自动测试性设计》中*次提出了“测试性”这一概念。测试性(testability,也可译为可测性),就是产品(系统、子系统、设备或组件)能及时准确地确定其状态(可工作、不可工作、性能下降),隔离其内部故障的一种设计特性[5]。1976年,美国的机内测试(Built-in-Test,BIT)设计指南和“模块化自动测试设备计划”等都涉及了关于测试性的研究。此后,随着半导体集成电路和数字技术的迅速发展,测试性设计成为改进电子设备维修性的重要内容,测试性也被广泛运用于诊断电路设计及研究等各个领域。在20世纪70~80年代,美国陆续发布了一系列关于测试性的研究报告,如《先进航空电子故障隔离系统》(Advanced Avionics Fault Isolation System)、《标准的BIT电路研究》(A Study of a Standard BIT Circuit)、《BIT设计指南》(A Design Guide for Built-in-Test)和《测试性手册》(Testability Manual)等。为了让测试性在军用装备中得到良好的运用,美国还颁布了一系列关于测试性的军用标准,如《机载故障诊断子系统的分析和综合》(MIL-STD-1591)、《测试设备设计准则》(MIC-STD-415D)、《测量、测试和诊断术语》(MIL-STD-1309)和《电子系统和设备的测试性大纲》(MIL-STD-2084)等。1978年,美国国防部颁发了《设备或系统的BIT、外部测试故障隔离和测试性特性要求的验证及评价》(MIC-STD-471),明确了测试性验证和评价的程序及方法。1985年,美国国防部颁发了《电子系统和设备的测试性大纲》(MIL-STD-2165),标志着测试性成为与可靠性、维修性并列的一门*立学科。1993年,美国国防部颁布了《系统和设备的可测试性大纲》(MIL-STD-2165A),明确了测试性在武器装备设计中的重要意义[6]。国内关于测试性的研究起步相对较晚,但近年来的发展速度较快。20世纪80年代,测试性设计与分析开始在国内引起重视。90年代初,我国发布了航空标准《电子系统和设备的可测试性大纲》(HB6437—1990),之后又于1995年发布了《装备测试性大纲》(GJB2547—1995),根据《装备测试性大纲》(GJB2547—1995)的定义[7],测试性是指产品能及时准确地确定其状态(可工作、不可工作或性能下降),并对其内部故障进行有效隔离的设计特性。在20世纪90年代后期,我国对所有武器装备,尤其是军用飞机机载电子设备都提出了测试性要求。
而电子技术的发展一方面使装备的性能出现了质的飞跃,另一方面也带来了严重的维护保障问题。美国海军调查显示,在减少武器装备使用及维修费用的众多方案中,改善可测试性是根本和关键。相关资料显示,对F/A-18、F-14、A-6E和S-3A四种海军主要飞机的200余项关键部件测试性所做出的技术改进,将使它们的使用和维修费用减少30%,而在飞机研制初期就充分开展可测试性设计,则可降低飞机全寿命周期费用的10%~20%[6]。这些因素促使美军方很早就开始下定决心对测试性设计技术进行系统的研究。随着这一领域研究的不断深入以及许多新技术新方法的应用,测试性技术经历了由外部测试到嵌入式机内测试(BIT),由综合诊断到预测与健康管理(prognostics and health management,PHM)的发展过程。
外部测试[5]通常是借助自动测试设备(automatic test equipment,ATE)或自动测试系统(automatic test system,ATS)完成,ATE是用于自动完成对被测单元(unit-under test,UUT)故障诊断[8]、功能参数分析及性能下降评价的测试设备。ATE与UUT是分离的,主要用于中继级和基地级维修。外部测试技术的发展过程如表1.1所示。
表1.1 外部测试技术的发展过程
机内测试(BIT)[5]指系统内部提供的检测和隔离故障的自动测试能力。根据规模大小,可将BIT进一步分为机内测试设备(build-in test equipment,BITE)和机内测试系统(built-in test system,BITS)。BITE指完成机内测试功能的可识别的硬件或软件。BITS由多个BITE组成,一般多采用分布集中式的中央测试系统形式。机内测试技术的发展过程如表1.2所示。
表1.2机内测试技术的发展过程
在民用航空领域,机内测试技术得到了广泛应用,对保障飞机安全性和可靠性起到了重要作用。20世纪90年代初期到21世纪初期,民机上的中央测试系统在成员系统BIT、中央维护功能的基础上,综合了状态检测功能。例如,新型双发宽体客机B777的机载维修系统(onboard maintenance system,OMS)如图1.1所示,它由各机载系统的BITE、中央维修计算机(central maintenance computer,CMC)、维修存取终端(maintenance access terminal,MAT)及几个其他接口系统和设备组成。各个机载系统外场可更换单元(line replaceable unit,LRU)的BITE只检测LRU级故障,不检测系统级故障,各BITE将检索得到的信息分别发送给发动机指示和机组警告系统(engine indicating and crew alerting system,EICAS)和CMC,EICAS产生异常告警信息,CMC产生维修信息。飞机状态监控系统作为OMS的一部分,负责收集、处理、输出非电子系统的数据。
图1.1 B777机载维修系统
(OMD:操作和维护文档,operations and maintenance documentation;ACMS:飞机状态监控系统,aircraft condition monitoring system)
现有的民用客机虽然已经具备较为完备的机载维修系统,但各个成员系统LRU的BITE只局限于检测LRU级别的故障,不检测系统级故障,仅改善局第1章绪论部的ATE或BIT的诊断能力不可能从根本上提高民机整体的可诊断性[9]。因此,有必要从系统的角度将测试性设计、分析、评估等新概念和新方法引入,借鉴到新型民机系统的设计、制造、运营、维修等关键环节中。
1.2.1 测试性建模方法研究现状
目前用于测试性设计(design for testability,DFT)的方法主要有两类:其一是基于经验的工程权值法,代表性的方法是《装备测试性大纲》(GJB2547—1995)提出的加权平均法[5],另一类就是基于模型的方法。经过多年的发展,目前测试性设计方法普遍采用基于模型的测试性设计,一个良好的测试性模型对于测试性设计有着至关重要的作用。基