預(yù)測與健康管理技術(shù)在飛行器飛控系統(tǒng)中的應(yīng)用研究

馬波 劉慧宇 陳銀超 謝磊 楊朝旭

摘 要：預(yù)測與健康管理（PHM）技術(shù)在飛行器中的應(yīng)用對于提高飛行器可靠性、保障飛行安全、降低維修保障費(fèi)用都具有重要意義。本文開展了飛控系統(tǒng)區(qū)域級PHM系統(tǒng)的研究工作，并給出了飛行器平臺級PHM系統(tǒng)的整體結(jié)構(gòu);然后對PHM系統(tǒng)中的故障診斷和剩余壽命預(yù)測技術(shù)進(jìn)行了介紹。最后，以飛控系統(tǒng)中的關(guān)鍵部件副翼作動(dòng)器為例，建立了成員級PHM系統(tǒng)，概述了系統(tǒng)故障診斷方法和剩余壽命預(yù)測方法。經(jīng)過副翼作動(dòng)器運(yùn)行數(shù)據(jù)和壽命數(shù)據(jù)的驗(yàn)證，表明這兩種方法都具有很好的效果。

關(guān)鍵詞：PHM系統(tǒng);飛控系統(tǒng);副翼作動(dòng)器;故障診斷;預(yù)測

中圖分類號：TJ765

文獻(xiàn)標(biāo)識碼：A

文章編號：1673-5048（2020）06-0091-06

0 引? 言

隨著我國航空工業(yè)的迅速發(fā)展，飛行器的功能、結(jié)構(gòu)日趨復(fù)雜。人們對于飛行器的可靠性、飛行安全性和維修保障等問題給予越來越高的關(guān)注。飛行器安全關(guān)鍵系統(tǒng)是指不正確的功能或失效會(huì)導(dǎo)致災(zāi)難性后果的系統(tǒng)，如飛控系統(tǒng)、發(fā)動(dòng)機(jī)系統(tǒng)和剎車系統(tǒng)等[1]。

飛行器安全關(guān)鍵系統(tǒng)如果在飛行過程中發(fā)生故障，為了將故障影響降到最低，需要對其開展實(shí)時(shí)的狀態(tài)監(jiān)測和故障診斷，以便及時(shí)完成故障確認(rèn)和隔離。駕駛員可以根據(jù)故障結(jié)果報(bào)告對機(jī)載系統(tǒng)進(jìn)行重構(gòu)和任務(wù)降級，從而有效防止故障蔓延，確保飛行安全[2]。

故障預(yù)測與健康管理（prognostics and health management，PHM）技術(shù)是一種提高裝備可靠性、安全性、維修性和經(jīng)濟(jì)可承受性的關(guān)鍵技術(shù)。PHM技術(shù)具有狀態(tài)監(jiān)測、故障診斷、壽命預(yù)測和健康管理等功能，實(shí)現(xiàn)了由傳統(tǒng)的定期維修和預(yù)防性維修向基于狀態(tài)的維修的轉(zhuǎn)變。在飛行器關(guān)鍵系統(tǒng)中使用PHM技術(shù)，對于提高飛行安全性和降低維修保障費(fèi)用具有十分重要的意義。

1 PHM技術(shù)簡介

PHM技術(shù)，是指首先在設(shè)備關(guān)鍵部位上安裝先進(jìn)的傳感器，以獲取與設(shè)備狀態(tài)信息有關(guān)的大量原始數(shù)據(jù)，然后對原始數(shù)據(jù)進(jìn)行去噪、特征提取等預(yù)處理，去除干擾影響，凸顯故障特征，進(jìn)一步利用各種算法和智能模型實(shí)現(xiàn)設(shè)備的故障診斷隔離和剩余壽命預(yù)測，最后對設(shè)備健康狀態(tài)進(jìn)行科學(xué)評估，并結(jié)合維修資源情況制定合理的維修方案[3]。

PHM技術(shù)可以實(shí)現(xiàn)對設(shè)備的狀態(tài)監(jiān)測、故障診斷隔離、剩余壽命預(yù)測、健康狀態(tài)評估和維修策略制定等功能，對設(shè)備的可靠性、安全性、維修性和經(jīng)濟(jì)可承受性都有顯著的提高。飛行器在飛行過程中所處的環(huán)境是惡劣

且多變的，通過PHM技術(shù)實(shí)現(xiàn)對飛行器各類運(yùn)行參數(shù)和各部件運(yùn)行狀況的實(shí)時(shí)監(jiān)控，可以采取積極主動(dòng)的措施

來應(yīng)對突發(fā)情況，保證飛行任務(wù)的完成。綜合的飛行器PHM系統(tǒng)可逐層分為飛行器平臺級、區(qū)域級和成員級三個(gè)層級。通過成員級的故障診斷隔離，可以在故障發(fā)展為區(qū)域級、災(zāi)難性故障之前提前預(yù)警，方便駕駛?cè)藛T主動(dòng)采取應(yīng)對措施或進(jìn)行任務(wù)降級，保障飛行安全。結(jié)合故障診斷信息和剩余使用壽命等預(yù)測信息，可以對飛行器的健康狀態(tài)進(jìn)行科學(xué)評估，實(shí)現(xiàn)視情維修。這極大地避免了傳統(tǒng)的定期維修方式帶來的潛在風(fēng)險(xiǎn)（維修間隔內(nèi)出現(xiàn)故障）或額外維修（維修時(shí)無故障），提高了維修保障效率，降低了維修保障費(fèi)用[4]。

PHM技術(shù)在飛行器領(lǐng)域的應(yīng)用始于20世紀(jì)50年代時(shí)英美等西方國家對航空飛行器故障診斷技術(shù)的研究;從最開始的機(jī)內(nèi)自檢測（build in test，BIT）技術(shù)，逐漸發(fā)展為飛行器綜合健康管理（integrated vehicle health ma-nagement，IVHM）技術(shù)。如今，IVHM技術(shù)在不同類別的飛行器中都得到了應(yīng)用，如民用飛機(jī)的機(jī)載維護(hù)系統(tǒng)、戰(zhàn)斗機(jī)的健康管理系統(tǒng)和直升機(jī)的健康與使用監(jiān)測系統(tǒng)[5]。隨著飛行器的進(jìn)一步發(fā)展，飛行器對可靠性和維護(hù)性的要求也逐漸增強(qiáng)，PHM技術(shù)將得到更為廣泛和深入的應(yīng)用。

2 飛控系統(tǒng)的PHM系統(tǒng)設(shè)計(jì)

2.1 PHM系統(tǒng)構(gòu)架

飛控系統(tǒng)是飛行器的安全關(guān)鍵系統(tǒng)，根據(jù)視情維修開放式體系結(jié)構(gòu)建立飛控區(qū)域級PHM系統(tǒng)。飛控區(qū)域級PHM系統(tǒng)由7個(gè)不同層次的功能模塊構(gòu)成[6]：

① 數(shù)據(jù)獲取層：收集各傳感器采集到的監(jiān)測數(shù)據(jù)和飛控系統(tǒng)的各種測量數(shù)據(jù)，將數(shù)據(jù)經(jīng)過解析、篩選、對齊等操作后傳輸?shù)綌?shù)據(jù)處理層。

② 數(shù)據(jù)處理層：對接收到的數(shù)據(jù)進(jìn)行去噪、融合、故障特征提取等預(yù)處理，去除干擾影響，凸顯故障特征。

③ 狀態(tài)監(jiān)測層：對可以表征飛行器運(yùn)行狀態(tài)的關(guān)鍵參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測，通過與故障閾值比較獲得相應(yīng)的狀態(tài)指示結(jié)果，并提供告警信息。

④ 診斷預(yù)測層：融合各傳感器采集的數(shù)據(jù)，完成故障定位與隔離，并獲得剩余使用壽命信息。

⑤ 健康評估層：結(jié)合操作狀態(tài)、負(fù)荷和歷史故障信息，綜合狀態(tài)監(jiān)測層和診斷預(yù)測層的結(jié)果，評估系統(tǒng)整體健康狀態(tài)，并預(yù)測健康狀態(tài)未來發(fā)展趨勢。

⑥ 決策支持層：根據(jù)健康評估和預(yù)測的結(jié)果，適當(dāng)調(diào)整飛行計(jì)劃以完成目標(biāo)任務(wù)或提前結(jié)合維修資源制定維修策略。

⑦ 顯示層：人機(jī)交互界面接收數(shù)據(jù)，對實(shí)時(shí)監(jiān)測、診斷、預(yù)測、評估的結(jié)果進(jìn)行顯示，方便操作人員及時(shí)獲取運(yùn)行狀態(tài)信息。

飛行器的PHM系統(tǒng)，邏輯上采用分層智能推理結(jié)構(gòu)，分為飛行器平臺級、區(qū)域級、成員級三個(gè)層級[7]，如圖1所示。飛控系統(tǒng)由眾多部件組成，針對其中的關(guān)鍵部件如加速度計(jì)組件、副翼、垂尾等建立成員級PHM系統(tǒng)，可以獲取關(guān)鍵部件的實(shí)時(shí)運(yùn)行狀況和故障信息，并直接提交給飛控區(qū)域級PHM系統(tǒng)。飛控區(qū)域級PHM系統(tǒng)對收集到的各成員級PHM信息進(jìn)行區(qū)域級故障模式及傳播影響分析、典型系統(tǒng)性能退化趨勢分析、PHM信息融合及健康評估研究，最終得到飛控區(qū)域級PHM分析結(jié)果，并傳送給更高層級的飛行器平臺級PHM系統(tǒng)。飛行器平臺級PHM系統(tǒng)接收各區(qū)域級PHM系統(tǒng)的信息，并通過智能信息融合和綜合推理最終得到飛行器整體PHM分析結(jié)果。

2.2 PHM系統(tǒng)關(guān)鍵技術(shù)

2.2.1 故障診斷技術(shù)

飛控系統(tǒng)的各主要部件是飛控指令的最終實(shí)施部件，對飛控系統(tǒng)的正常運(yùn)行起到非常關(guān)鍵的作用，因此對其進(jìn)行故障診斷是十分必要的。目前，針對飛行器部件的故障診斷方法可大致分為三類：基于知識的、基于模型的和基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法[8-11]。

基于知識的故障診斷方法引入了待診斷部件的許多知識和故障信息，通過知識和經(jīng)驗(yàn)判斷部件是否故障及故障模式。常用的基于知識的故障診斷方法有：基于模糊推理的方法和基于知識庫的方法?；谀：评淼墓收显\斷方法是根據(jù)模糊集合征兆空間與故障狀態(tài)空間的某種映射關(guān)系，通過征兆來判斷故障。它利用模糊邏輯的概念闡述設(shè)備故障現(xiàn)象與故障產(chǎn)生原因之間的模糊關(guān)系，并利用模糊集合論中的元素隸屬度和模糊關(guān)系方程，解決故障診斷問題?；谥R庫的故障診斷方法的基本原理為：知識庫管理診斷對象的知識，將其提取到故障規(guī)則集，當(dāng)實(shí)際信息與故障規(guī)則的某部分相匹配時(shí)，則可對應(yīng)到相應(yīng)故障。此類方法的難點(diǎn)在于如何獲取對象部件的故障知識。而且隨著故障知識的累積，要不斷對診斷方法進(jìn)行更新以提高診斷正確率。

基于模型的故障診斷方法的核心思想是構(gòu)建一個(gè)模型來估計(jì)待診斷部件的正常輸出值，用部件的真實(shí)輸出值和估計(jì)輸出值進(jìn)行比較形成殘差。當(dāng)部件正常工作時(shí)，殘差理論上為零;而當(dāng)部件發(fā)生故障時(shí)，殘差非零。最后從殘差信號中提取故障特征并通過相應(yīng)的故障診斷算法實(shí)現(xiàn)故障診斷。常用的模型通常有兩種：數(shù)學(xué)模型和觀測器。數(shù)學(xué)模型是基于部件的控制方程建立的能完整描述部件控制回路的精確模型。觀測器則是對作動(dòng)器輸入輸出間非線性關(guān)系的一種擬合，常用的觀測器有卡爾曼濾波器、神經(jīng)網(wǎng)絡(luò)等。這類方法基于對象部件的工作特性，診斷邏輯清晰，有利于及時(shí)、準(zhǔn)確地實(shí)現(xiàn)故障診斷。其局限性在于診斷結(jié)果很大程度上依賴于建立的模型，在實(shí)際應(yīng)用中建模誤差、不確定性擾動(dòng)等因素都會(huì)對診斷結(jié)果產(chǎn)生影響。對于模型很難建立的復(fù)雜對象，此類方法難以得到應(yīng)用。

基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法直接依賴于對象部件的監(jiān)測數(shù)據(jù)進(jìn)行故障診斷。它首先采用數(shù)據(jù)處理方法對數(shù)據(jù)進(jìn)行故障特征提取，然后運(yùn)用不同的分類方法如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等對故障數(shù)據(jù)進(jìn)行分類，以達(dá)到故障診斷的目的。為了實(shí)現(xiàn)較好的故障診斷結(jié)果，需要對監(jiān)測數(shù)據(jù)進(jìn)行恰當(dāng)?shù)奶幚恚瑢Ψ诸惼鬟M(jìn)行良好的訓(xùn)練。此類方法不需要對象部件的先驗(yàn)知識，監(jiān)測數(shù)據(jù)可通過傳感器方便獲取，適用于大部分對象部件。隨著人工智能技術(shù)的快速發(fā)展，此類方法得到了廣泛的應(yīng)用，各類神經(jīng)網(wǎng)絡(luò)如Elman神經(jīng)網(wǎng)絡(luò)[12]、概率神經(jīng)網(wǎng)絡(luò)[13]、自組織映射神經(jīng)網(wǎng)絡(luò)[14]等都被應(yīng)用到了故障診斷中。

2.2.2 剩余壽命預(yù)測技術(shù)

剩余壽命（remaining useful life，RUL）預(yù)測技術(shù)作為PHM核心技術(shù)之一，能夠?yàn)橄到y(tǒng)自主健康管理與維護(hù)、自主式保障等提供評估系統(tǒng)狀態(tài)的決策信息，具有重要的實(shí)際應(yīng)用價(jià)值。RUL預(yù)測方法可分為三類：基于物理模型、基于知識和基于數(shù)據(jù)驅(qū)動(dòng)的RUL預(yù)測方法[15-17]。

基于物理模型的RUL預(yù)測方法通過建立系統(tǒng)工作機(jī)理模型，并結(jié)合系統(tǒng)的在線監(jiān)測數(shù)據(jù)，實(shí)現(xiàn)對象系統(tǒng)的RUL預(yù)測。這一類方法主要用于物理模型容易描述的對象系統(tǒng)，代表性應(yīng)用為機(jī)械部件，如通過構(gòu)建裂紋擴(kuò)展物理模型實(shí)現(xiàn)機(jī)械部件的RUL預(yù)測?；谖锢砟Ｐ偷腞UL預(yù)測方法的主要優(yōu)點(diǎn)在于它與系統(tǒng)機(jī)理密切相關(guān)，能夠深入分析系統(tǒng)本質(zhì)特性;并通過結(jié)合系統(tǒng)的實(shí)時(shí)監(jiān)測狀態(tài)信息，易獲得較精確的RUL預(yù)測結(jié)果。但是隨著系統(tǒng)和設(shè)備的日益復(fù)雜，系統(tǒng)各功能部件之間存在大量的耦合關(guān)系，通常無法或者難以獲得系統(tǒng)的物理解析模型，導(dǎo)致基于物理模型的RUL預(yù)測方法難以得到廣泛應(yīng)用。

基于知識的RUL預(yù)測方法利用已知的先驗(yàn)知識建立知識庫，根據(jù)知識庫模型實(shí)現(xiàn)對象系統(tǒng)的RUL預(yù)測，典型方法包括專家系統(tǒng)和模糊邏輯。該類方法的局限性在于知識庫的豐富程度直接決定了RUL的預(yù)測精度。而在實(shí)際應(yīng)用中，系統(tǒng)知識往往難以獲取，并且將已獲取的系統(tǒng)知識轉(zhuǎn)化為符合系統(tǒng)運(yùn)行的特定規(guī)則也比較困難，因此，基于知識的RUL預(yù)測方法不能廣泛應(yīng)用。

基于數(shù)據(jù)驅(qū)動(dòng)的RUL預(yù)測方法從監(jiān)測數(shù)據(jù)中獲取與系統(tǒng)屬性相關(guān)的特征參數(shù)，并將這些特征參數(shù)與對象系統(tǒng)退化行為相關(guān)聯(lián)，借助智能算法和模型進(jìn)行檢測、分析和預(yù)測，獲得對象系統(tǒng)的RUL預(yù)測結(jié)果。這類方法主要優(yōu)點(diǎn)在于：不需要系統(tǒng)物理模型參數(shù)作為輸入數(shù)據(jù)，為難以構(gòu)建物理模型的系統(tǒng)RUL預(yù)測提供了解決辦法;具有較好的方法基礎(chǔ)支撐，統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)方法為監(jiān)測數(shù)據(jù)挖掘提供了多種方法;實(shí)施過程相對簡單，只需處理含有系統(tǒng)退化的相關(guān)數(shù)據(jù)，適用于在線應(yīng)用。隨著傳感器技術(shù)、網(wǎng)絡(luò)技術(shù)、大容量存儲技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，可用系統(tǒng)監(jiān)測數(shù)據(jù)類型日益豐富，支撐的數(shù)據(jù)建模分析方法也日益完備，這些因素都為數(shù)據(jù)驅(qū)動(dòng)方法的進(jìn)一步發(fā)展和完善提供了條件。

3 飛控系統(tǒng)典型部件的PHM應(yīng)用

在組成飛控系統(tǒng)的眾多部件中，副翼作動(dòng)器是飛控指令的重要執(zhí)行部件，一旦發(fā)生故障將會(huì)對飛行安全產(chǎn)生嚴(yán)重威脅，且副翼作動(dòng)器的故障率在飛控系統(tǒng)中相對較高，因此對其進(jìn)行狀態(tài)監(jiān)控和故障診斷對于保障飛行安全具有十分重要的意義。傳統(tǒng)的副翼作動(dòng)器故障診斷主要依靠機(jī)內(nèi)測試來完成，此類檢測的虛警率較高，且故障難以復(fù)現(xiàn)，給維修工作帶來了一定的困難。為保障飛行安全、降低虛警率和減少維護(hù)成本，需要采用更為先進(jìn)的PHM技術(shù)。通過PHM技術(shù)進(jìn)一步對副翼作動(dòng)器的RUL進(jìn)行預(yù)測，能更為主動(dòng)地掌握作動(dòng)器的當(dāng)前和未來的健康狀態(tài)，提前合理安排維修計(jì)劃[18]。對副翼作動(dòng)器建立成員級的PHM子系統(tǒng)，其核心內(nèi)容為故障診斷和壽命預(yù)測。

3.1 故障診斷

副翼作動(dòng)器的故障模式眾多，不可能對所有故障模式都進(jìn)行診斷分析，需要對那些故障發(fā)生概率高或故障嚴(yán)酷度高的故障模式開展診斷研究。因此，在對作動(dòng)器開展故障模式影響及危害性分析調(diào)研的基礎(chǔ)上，梳理出7種需要診斷的關(guān)鍵故障模式，如表1所示。

Zhang Shaojie，Li Zhengqiang，Hai Xiaohang，et al. Safety Critical Systems Design for Civil Aircrafts by Model Based Systems Engineering[J]. Scientia Sinica Technologica，2018，48（3）：299-311. （in Chinese）

[2] 王少萍. 大型飛機(jī)機(jī)載系統(tǒng)預(yù)測與健康管理關(guān)鍵技術(shù)[J]. 航空學(xué)報(bào)，2014，35（6）：1459-1472.

Wang Shaoping. Prognostics and Health Management Key Techno-logy of Aircraft Airborne System[J]. Acta Aeronautica et Astronautica Sinica，2014，35（6）：1459-1472. （in Chinese）

[3] 年夫順. 關(guān)于故障預(yù)測與健康管理技術(shù)的幾點(diǎn)認(rèn)識[J]. 儀器儀表學(xué)報(bào)，2018，39（8）：1-14.

Nian Fushun. Viewpoints about the Prognostics and Health Management[J]. Chinese Journal of Scientific Instrument，2018，39（8）：1-14. （in Chinese）

[4] 吳明輝，許愛強(qiáng)，戴豪民. PHM技術(shù)在綜合航空電子系統(tǒng)中的應(yīng)用[J]. 兵工自動(dòng)化，2013，32（4）：72-77.

Wu Minghui，Xu Aiqiang，Dai Haomin. Application of PHM Technic in Integrated Avionics Electronic System[J]. Ordnance Industry Automation，2013，32（4）：72-77. （in Chinese）

[5] 李興旺，汪慧云，沈勇，等. 飛機(jī)綜合健康管理系統(tǒng)的應(yīng)用與發(fā)展[J]. 計(jì)算機(jī)測量與控制，2015，23（4）：1069-1072.

Li Xingwang，Wang Huiyun，Shen Yong，et al. Application and Development of Integrated Vehicle Health Management System in Aviation Field[J]. Computer Measurement & Control，2015，23（4）：1069-1072. （in Chinese）

[6] 羅榮蒸，孫波，張雷，等. 航天器預(yù)測與健康管理技術(shù)研究[J]. 航天器工程，2013，22（4）：95-102.

Luo Rongzheng，Sun Bo，Zhang Lei，et al. Analysis of PHM Technology for Spacecraft[J]. Spacecraft Engineering，2013，22（4）：95-102. （in Chinese）

[7] 上海航空測控技術(shù)研究所. 航空故障診斷與健康管理技術(shù)[M]. 北京：航空工業(yè)出版社，2013：38-43.

Shanghai Aero Measurement & Control Technology Research Institute. Aviation Fault Diagnosis and Health Management Technology[M]. Beijing：Aviation Industry Press，2013：38-43. （in Chinese）

[8] Bobrinskoy A，Cazaurang F，Gatti M，et al. Model-Based Fault Diagnosis of a Flight-Critical Actuator[C]∥ Recent Advances in Aero-space Actuation Systems and Components Conference，2014：84-89.

[9] 胡良謀，曹克強(qiáng)，徐浩軍，等. 支持向量機(jī)故障診斷及控制技術(shù)[M]. 北京：國防工業(yè)出版社，2011：4-13.

Hu Liangmou，Cao Keqiang，Xu Haojun，et al. Support Vector Machine Fault Diagnosis and Control Technology[M]. Beijing：National Defense Industry Press，2011：4-13. （in Chinese）

[10] Liu H M，Li D，Lu C，et al. Fault Diagnosis for a Hydraulic Servo System Using Wavelet Packet and Neural Network[C]∥ World Congress on Intelligent Control and Automation，2016：1981-1965.

[11] 陳皓. 基于RBF神經(jīng)網(wǎng)絡(luò)的副翼促動(dòng)器故障檢測方法[J]. 控制工程，2018，25（12）：2245-2250.

Chen Hao. The Research of Fault Detecting Method for Aileron Actuator Using RBF Neural Network[J]. Control Engineering ofChina，2018，25（12）：2245-2250. （in Chinese）

[12] Liu H M，Wang S P，Ouyang P C. Fault Diagnosis Based on Improved Elman Neural Network for a Hydraulic Servo System[C]∥IEEE Conference on Robotics，Automation and Mechatronics，2016：1-6.

[13] Liu H M，Jing J Y，Ma J. Fault Diagnosis of Electromechanical Actuator Based on VMD Multifractal Detrended Fluctuation Analysis and PNN[J]. Complexity，2018（2）：1-11.

[14] Lu C，Yuan H，Ma J. Fault Detection，Diagnosis，and Perfor-mance Assessment Scheme for Multiple Redundancy Aileron Actuator[J]. Mechanical Systems and Signal Processing，2018，113：199-221.

[15] Hu Y W，Liu S J，Lu H T，et al. Remaining Useful Life Model and Assessment of Mechanical Products：A Brief Review and a Note on the State Space Model Method[J]. Chinese Journal of Mechanical Engineering，2019，32（1）：1-20.

[16] 裴洪，胡昌華，司小勝，等. 基于機(jī)器學(xué)習(xí)的設(shè)備剩余壽命預(yù)測方法綜述[J]. 機(jī)械工程學(xué)報(bào)，2019，55（8）：1-13.

Pei Hong，Hu Changhua，Si Xiaosheng，et al. Review of Machine Learning Based Remaining Useful Life Prediction Methods for Equipment[J]. Journal of Mechanical Engineering，2019，55（8）：1-13. （in Chinese）

[17] 李超. 基于監(jiān)測數(shù)據(jù)的機(jī)械設(shè)備剩余壽命預(yù)測研究[D]. 大連：大連理工大學(xué)，2014.

Li Chao. Research on Remaining Useful Life Prediction of Mechanical Equipment Based on Monitoring Data[D]. Dalian：Dalian University of Technology，2014. （in Chinese）

[18] 于勁松，劉浩，張平，等. 航空機(jī)電作動(dòng)器健康管理驗(yàn)證系統(tǒng)研究[J]. 計(jì)算機(jī)測量與控制，2014，22（6）：1835-1838.

Yu Jinsong，Liu Hao，Zhang Ping，et al. Study on Validation System of Prognostic and Health Management System for Aviation Electromechanical Actuator[J]. Computer Measurement & Control，2014，22（6）：1835-1838. （in Chinese）

[19] Liu L S，Wang S J，Liu D T，et al. Entropy-Based Sensor Selection for Condition Monitoring and Prognostics of Aircraft Engine[J]. Microelectronics Reliability，2015，50（9）：2092-2096.

Research on Application of Prognostics and Health Management

Technology in Aircraft Flight Control System

Ma Bo1，2，Liu Huiyu3*，Chen Yinchao2，Xie Lei 2，Yang Chaoxu2

（1. Aviation Key Laboratory of Science and Technology on Fighter Integrated Simulation，Chengdu 610065，China;

2. Chengdu Aircraft Design & Research Institute，AVIC，Chengdu 610065，China;

3. School of Aeronautics and Astronautics，Sichuan University，Chengdu 610065，China）

Abstract：The application of prognostics and health management （PHM） technology in aircraft is of great significanceto improve reliability，ensure flight safety，and reduce maintenance costs.

Firstly，research onthe regional PHM system of flight control system is carried outand the overall structure of the aircraft PHM system is given. Then，the fault diagnosis technology and remaining useful life prediction technology in the PHM system are introduced. Finally，a member-level PHM subsystem is established for the aileron actuator，which is a key component of the flight control system，and the core contents of the PHM subsystem，includingthe fault diagnosis method and the remaining useful life prediction method，are summarized. Through the verification of aileron actuator operating data and life data，the results show that both methods have good results.

Key words：PHM system;flight control system;aileron actuator;fault diagnosis;prediction

收稿日期：2020-05-20

基金項(xiàng)目：國防基礎(chǔ)科研項(xiàng)目（JCKY2016205A004）

作者簡介：馬波（1985-），男，重慶人，高級工程師，研究方向是飛行器管理與控制技術(shù)研究。

通訊作者：劉慧宇（1995-），女，湖南邵陽人，研究方向是裝備狀態(tài)監(jiān)測與故障診斷。E-mail：lhyyoga@163.com