大数据挖掘分析在航空发动机状态监控与故障诊断中的应用

《大数据挖掘分析在航空发动机状态监控与故障诊断中的应用》由会员分享，可在线阅读，更多相关《大数据挖掘分析在航空发动机状态监控与故障诊断中的应用（8页珍藏版）》请在装配图网上搜索。

1、大数据挖掘分析在航空发动机状态监控与故障诊断中的应用旷典;付尧明;房丽瑶【摘 要】受到发动机数据收集的限制,发动机状态监控和故障诊断结果较为模糊.随 着科学技术的不断改进,发动机维修数据、使用数据和其它相关数据积累得越来越 多,为进一步提高发动机监控水平和诊断精度,在发动机状态监控和故障诊断中应用 大数据方法提供了可能.由初始数据库、运行数据库、维修数据库和其他相关数据 库组成发动机大数据,在分析了多元多维度大数据来源的基础上,建立了大数据模型 的构架,提出了发动机大数据关联规则挖掘方法、状态量关联度分析和加权分析,对 未来的应用给予展望.期刊名称】西安航空技术高等专科学校学报年(卷),期】2

2、017(035)005【总页数】5页(P42-46)关键词】 航空发动机;大数据挖掘分析;状态监控;故障诊断 【作 者】 旷典;付尧明;房丽瑶【作者单位】 中国民航飞行学院航空工程学院,四川广汉 618307;中国民航飞行学 院航空工程学院,四川广汉 618307;中国民航飞行学院航空工程学院,四川广汉618307正文语种】 中 文中图分类】 TP311.13;V263.6航空发动机状态监控与故障诊断，是指通过适当方式监控发动机各工作状态的相关 参数，根据现有数据对发动机的工作状态进行有效的判断，完成已发生故障的诊断 及未发生故障的预测，并提出维修技术建议1。状态监控与故障诊断技术可对发 动机

3、进行健康评估、寿命追踪、维修决策、航材储备等管理工作，以及对发动机及 部件故障进行检测、隔离、诊断和预测等工作，提高了飞行的安全性和维修保障的 经济性。目前，航空发动机的状态监控与故障诊断的数据来源主要是发动机传感器测量参数 传感器测量参数具有参数类型少、样本量小、数据单一的特点。在针对测量参数的 分析处理上，如神经网络2评估方法、信息融合技术专家诊断方法3、网络化 Internet 远程监控方法4、智能技术方法5等都较为明显的出现故障诊断准确率 低、定位精度差、预判结果模糊等问题。随着科学技术的不断改进，发动机可测量 的数据和新类型数据越来越多，发动机数据已初具大数据的模型，进一步增大了发

4、动机诊断与预测的难度。基于数据的状态监控与诊断方法是对数据进行特性提取， 从而构建数学模型，实现故障检测和诊断预测的目的。因此，提高数据的选择精度 和宽度将使发动机的诊断精度得到提高，而选择科学的方法将进一步提高其精度。 目前，国内外对大数据技术越来越重视，电力行业运用大数据挖掘技术在性能评估 和异常检测方面取得了很好的效果6 , GE公司通过predix大数据平台已在发动 机监测工作方面取得优异成绩7，大数据方法在发动机状态监控与故障诊断领域 的运用已成为必然趋势。大数据挖掘技术增大了各状态参数的可用容量，将模式识 别和数理统计相结合，并进行深度分析，重点是对各潜在影响因素之间的关联度进 行

5、深度挖掘分析。本文提出构建发动机大数据源，在分析多元多维度大数据来源的 基础上，建立大数据模型的构架，提出了大数据挖掘方法，以期将新的方法和算法 引入到发动机监控与故障诊断方法中。航空发动机状态监控与故障诊断需要对测量参数进行选择和采集，参数的来源主要 是通过传感器进行收集。发动机的直接测量参数包括风扇振动值、油门杆角度、气 路热力参数（如发动机各主要截面压力P、温度T、流量W,高低压转速n1、n2, 推力值F等）、燃油流量FF、燃油消耗率sfc、滑油值N、可调静子叶片VSV和可 调引气活门VBV角度等信息。涉及其它信息，如飞机测量参数包括马赫数、飞行 高度、真空速、大气总温总压或发动机进口总

6、温总压等。发动机可用参数类别较少， 数据较单一，虽然随着航班量的增加会提高相关参数的数据量，但数据限制会降低 发动机状态监控与故障诊断的精准度，很难作出适当决策。如高压压气机、高压涡 轮两者效率下降故障都会引起低压转子转速差M1、高压转子转速差M2、排气 温度差AEGT、燃油流量差AFF的改变，只对这四个参数进行分析就无法达到精 确诊断和故障隔离。为使诊断准确，考虑引入高压压气机和高压涡轮相关联的其他 数据，如使用设计制造数据确定使用特性、使用历史排故数据确定是否存在故障或 拆装人为因素，使用运行环境参数确定是否存在影响因素（大气PM2.5值会对涡轮 导向器气膜冷却有影响），使用孔探数据监控叶

7、片有无损伤，使用材料特性数据确 定金属工作极限，使用相关部件数据确定是否有影响等对压气机和涡轮故障诊断更 精确，应用适当算法处理数据将使诊断效率更高。发动机数据的融合务必使诊断精 度提高，而发动机数据既独立多样，又相互关联，该数据的发展趋势符合大数据容 量大、处理速度快、类型多样化、价值大的特征8。发动机状态监控与故障诊断技术可对发动机设计、制造、使用、维护、报废等全寿 命过程的所有数据进行收集和分析，多元多维度数据构成发动机数据库的大数据来 源，包括：（1）发动机初始数据库。发动机初始数据库主要是发动机设计与制造阶段的数据， 包括发动机构型、适航等各类清单和维修手册。涉及到发动机出厂信息、运

8、行参数、 使用信息、维修保障信息以及与使用、维修保障过程相关的政策、法规、标准的信 息总和。发动机设计公式、资料、文件、规章制度、理论、代码等也都可作为初始 数据库的一部分。(2) 发动机运行数据库。发动机运行数据库由发动机运行环境、时限和自身状态信 息构成。运行环境包括选择航班航线、飞行时间、天气状况等。发动机自身状态涉 及地面启动、起飞、巡航及近各阶段收集数据。采集参数主要包括飞机速度、高度 位置、转子速度、排气温度、气路及油液压力和温度、发动机振动值等。(3) 发动机维修数据库。航空发动机的维修包括航线使用维护、车间修理以及涉及 相关维护的设备、航材和维修、管理人员等数据。航线使用维护数

9、据通常是指涉及 发动机的原始报文、修理报告、飞行员或机组成员在事件发生时的观察报告、由厂 家提供的相关技术支持、孔探和瓷堵等检查数据、航线和定检排故数据、发动机拆 换和水洗记录、各项工作工卡签署、有关发动机适航指令、特情维护等。车间修理 数据通常是指发动机事后修理构型清单、服务通告SB、适航指令AD、车间排故 数据、零部件制造人批准书 PMA 的相关记录数据、各项修理及进程数据记录、维 修大纲、维修成本、排故方案等。维修设备数据主要包括厂房设施、普通工具、专 用工具、特殊设备等。维修人力资源数据主要包括维修人员的学历、维修经历、个 人技能、培养方案、工作时间、工作内容等。航材数据主要包括航材使

10、用、周转件 库存、报废件记录、消耗件记录、返修件修理状态水平、可用件状态等。(4) 其它相关数据库。相关数据库是与发动机有关却还未发现的相关联数据。如不 同地区的PM2.5值会对发动机气路产生不同影响。又如发动机尾气数据能在一定 程度上反映发动机燃烧室的燃烧情况。“大数据技术”是指从海量数据中快速提取到有价值信息的技术。大数据处理包括 数据采集、数据处理与集成、数据挖掘分析、数据解释和用户呈现等流程8。对 发动机状态监控与故障诊断进行大数据技术的应用，则需重点关注数据的收集处理 和挖掘分析。发动机大数据结构复杂、数据多样，对收集、存储和处理的要求高， Hadoop的分布式文件系统HDFS可以有

11、效的完成工作9。数据的挖掘过程则需 运用分布式并行化技术，Hadoop的Map Re duce平台可有效完成映射、归约、 分类等功能，能对分析系统的期望特征进行表征10。大数据的关键是集合所有的参数，把样本作为整体，将所有参数都作为状态量，而 数据的组成也并非有效并行。通过Map Re duce平台可对发动机全部新数据进行 转化，成为可识别的状态参数。将状态参数应用于发动机状态监控与故障诊断中， 利用大数据科学算法进行深度挖掘，便可构建出发动机正常、故障、缺陷和失效等 状态的关系图，并对故障进行判别和预测。如图1所示是发动机状态监控与故障 诊断大数据处理系统框图，与传统的方法相比，大数据深度挖

12、掘方法需更大的数据 量和更好的科学算法，能对发动机的预测和状态识别更加准确和可靠。发动机状态监控与故障诊断大数据挖掘技术的思路是对发动机全状态量数据进行关 联性深度挖掘，分别得到发动机正常运行模式所对应的参数指标和发动机故障缺陷 时所对应的参数，将得到的数据进行比较，可得出发动机各测量参数相对应的发动 机健康状况并作出预测判断。其中大数据挖掘分析方法的重点是各发动机全参数的 关联规则、发动机状态量相应关联度及其加权11。设I二i1,i2,.,im为所有项目的集合，D为事务数据库。X、Y是I的子集，即XcI, Yc I且XAY=0,逻辑蕴含式X-Y就是关联规则。关联规则最重要的指标是支持 度 s

13、up port(X-Y)二P(XUY)和置信度 confidence(X-Y)二P(X|Y)。要使关联规则 有意义，需确定支持度和置信度的最小量阈值12。发动机全参数关联规则挖掘系统框图如图2所示。发动机维修大数据库则可看作 项目数据库I。XI、X2、Y1、Y2则分别为发动机初始数据库、发动机运行数据库、 发动机维修数据库、其它相关数据库。其中，关联1-6则为XI、X2、Y1、Y2相 互之间的支持度和置信度，空白部分为未发现部分数据库。在对发动机某种故障进 行诊断或监控时需确立故障事务数据库D，通过关联规则对XI、X2、Y1、Y2子 数据库全参数进行关联性挖掘分析，在给定两个最小阈值量的情况下

14、，可确定异常 模式所对应的所有参数，包括不同模式下多参数的组合、各参数的提取和合并、参 数权重的细分等结果。前面提到，目前发动机状态监控和故障诊断主要数据来源是发动机测量参数和飞机 测量参数，数据较为单一。较少的状态量信息对发动机的健康状况很难反映完全， 相关性较小。对航空发动机而言，输入量与输出量可看成一个强非线性的方程组， 而发动机大数据概念是将所有的数据看作是全状态量，无输入输出的区别，重点关 注发动机各状态参数的关联度。发动机状态关联度分析是对发动机多元多维度状态量进行关联性分析。通常，协方 差矩阵可表征状态量之间的“状态关联度”。设发动机状态监控和故障诊断对信息量的反馈要求较大，而“

15、状态变动关联度”则恰 好满足条件。它能反映发动机的运行状况，可对发动机的调控方式进行评估。因此 令xO二x01,x02,.,x0j为发动机正常工作状态的向量,Axi=xi-x0为发动机各工作 状态改变异常量，则发动机状态量加权反应了其重要程度，对构建决策模型影响较大，选择合适的权重 系数和必要的模型修正能提高发动机的故障预测能力和诊断精度。权重参数的设定 原则如下：依照维修大纲、风险管理办法、特情维护等对发动机各部件进行重要度分析，并按 照重大故障发生率/维修记录统计等情况，对发动机各状态量的重要度进行加权。根据发动机故障排故时间统计、人力资源安排、航班延误率数据等，考虑发动机故 障对公司正常

16、运营的影响和严重后果，对发动机及部件故障进行严重度加权。根据 已有监控数据和实时监控数据，判断监测方式监测状态量获取程度的准确性和有效 性，对监测方式设定成熟度权重系数。依据维修/运行历史数据和实时数据，对发动机的工作状态进行长期的实时监测和 分析管理，通过数学算法和数据挖掘等方式，不断修正权重系数，可高效利用状态 参数并进行发动机健康状态的评估。随着航空业的高速发展，发动机的数据越来越海量化。发动机状态监控与故障诊断 要跟随大数据化发展，关键之处在于有更好的大数据挖掘算法，如基于粒度计算的 关联挖掘算法13和基于云计算平台的并行关联规律挖掘算法14。美国通用电气公司已经开发了 predix数

17、据平台，负责接收大约35000台发动机的 关键飞行数据包，而相关CFM56数据包飞行参数从280个增至480个，数据采 集容量宽度增大。predix根据收集的大数据进行分析并将通知记录单(CNR)反馈 给客户。该系统预测异常事件的精准率达到 86%7。在我国，国航、南航、东航等大型航空公司目前都有自主或与IT企业合作开发的数据管理分析系统。涉及的方向包括旅客服务、空中管制、飞行状态等各个方面 15-16。大数据的发展积极推动着整个航空业的发展。目前，在国内的航空发动机维修市场和研发领域中，大数据挖掘分析技术在发动机 状态监控与故障诊断的具体运用都较少，但随着与发动机相关的各项数据的跨越式 增长

18、，大数据方法的精准化评估也会越来越多的在发动机状态监控与故障诊断领域 得到应用。本文指出传统状态监控与故障诊断数据量单一的局限性，提出构建航空发动机全参 数大数据库，建立大数据挖掘模型，在发动机状态监控与故障诊断领域引入大数据 挖掘分析方法，并深入分析发动机大数据之间的相互关系。对大数据技术在发动机 状态监控与故障诊断领域进行了展望。大数据关联分析应结合具体数据进行关联和 加权，而在发动机状态监控与故障诊断方面的具体应用则有待进一步的研究。【相关文献】1范作民孙春林白杰航空发动机故障诊断导论M.北京:科学出版社,2004:1-20.2赵军，侯宽新,赖安卿基于径向基神经网络的航空发动机气路故障诊

19、断J.计算机测量与控 制,2016,24(7):76-81.3 王志鹏基于信息融合技术的故障诊断方法的研究及应用D.大连:大连理工大学,2001.4 张天宏民航发动机远程故障诊断技术研究D南京:南京航空航天大学,2001.5 郝英基于智能技术的民航发动机故障诊断和寿命预测研究D南京:南京航空航天大学,2006.6 严英杰，盛戈皞，王辉，等基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法J.中 国电机工程学报,2016,36(2):435-445.7 BRODERICK S.GE力推以结果为导向的大数据分析J.航空维修与工程,2016:74-75.8 刘智慧，张泉灵大数据技术研究综述J

20、.浙江大学学报(工学版),2014,48 (6):957-972.9 DAS T K,KUMAR P M. BIG Data Analytics:A Framework for Unstructured Data AnalysisJ.International Journal of Engineering and Technology.International Journal of Engineering & Technology,2013,5(1).10 王秀磊，刘鹏大数据关键技术J.中兴通讯技术,2013,19(4):17-21.11 宫宇,吕金壮大数据挖掘分析在电力设备状态评估中的应用

21、J.南方电网技术,2014,8(6):74-77.12 元昌安数据挖掘原理与SPSS Clementine应用宝典M.北京:电子工业出版社,2009.13 苗苗苗数据挖掘中海量数据处理算法的研究与实现D西安:西安建筑科技大学,2012.14 陈勇一种基于云计算的大数据关联规律挖掘分析方法J.无线电工程,2017,47(3):8-11.15 CHEN S,HUANG Y,HUANG W.Big Data Analytics on Aviation Social Media The Case of China Southern Airlines on Sina WeiboC.IEEE Second International Conference on Big Data Computing Service & Applications,2016:152-155.16 王立鑫航空企业基于大数据技术进行数据分析的研究C 中国航空学会探索创新交流一一第 六届中国航空学会青年科技论坛,沈阳，2014:914-917.