基于神經(jīng)網(wǎng)絡(luò)的波音737NG 飛機(jī)引氣系統(tǒng)故障預(yù)測

■ 余何星 周廣琪 王文博/廈門航空有限公司

0 引言

波音737NG 飛機(jī)引氣系統(tǒng)為防冰、空調(diào)和增壓等多個系統(tǒng)提供氣源，其重要程度不言而喻。該系統(tǒng)由于大部分部件都位于發(fā)動機(jī)上，長期處于高溫、高壓、高振動的惡劣工況，故障率相對較高。一旦出現(xiàn)系統(tǒng)失效，放行條件也比較苛刻。系統(tǒng)故障的診斷和預(yù)測可以為運行提供決策，降低停場維護(hù)時間，提高故障處理效率。近年來，深度學(xué)習(xí)發(fā)展迅速，已經(jīng)在故障診斷和預(yù)測上得到了不少應(yīng)用[1-3]。深度神經(jīng)網(wǎng)絡(luò)通過多層感知器對目標(biāo)特征參數(shù)的高層次抽象，實現(xiàn)了較為準(zhǔn)確的目標(biāo)特征識別，為故障診斷和預(yù)測提供了新思路。李瑞瑩等[4]使用反向傳播（BP）神經(jīng)網(wǎng)絡(luò)對某航空公司故障率進(jìn)行預(yù)測。元尼東珠等[5]使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對發(fā)動機(jī)各氣路參數(shù)進(jìn)行分析，預(yù)測發(fā)動機(jī)剩余壽命。本文旨在對飛機(jī)QAR 數(shù)據(jù)進(jìn)行梳理，使用深度神經(jīng)網(wǎng)絡(luò)分析和建模，監(jiān)控引氣系統(tǒng)的健康狀況，預(yù)測故障程度和部件，及時對系統(tǒng)進(jìn)行維護(hù)，更換性能衰退的部件，降低航班運行壓力。

1 引氣系統(tǒng)工作原理

波音737NG 飛機(jī)引氣系統(tǒng)由發(fā)動機(jī)的5 級引氣和9 級（高級）引氣組成，根據(jù)發(fā)動機(jī)的工況自動切換供氣源。9 級引氣經(jīng)過高級調(diào)節(jié)器（HSR）和高級活門（HSV），調(diào)節(jié)輸出壓力到達(dá)級間總管，5 級引氣通過5 級單向活門直接到達(dá)級間總管，級間總管出口有壓力調(diào)節(jié)器（BAR）和壓力調(diào)節(jié)與關(guān)斷活門（PRSOV）對輸出壓力進(jìn)行調(diào)節(jié)，在出現(xiàn)故障時可及時關(guān)斷引氣。由于引氣溫度很高，直接使用易損傷下游系統(tǒng)，因此還有一套冷卻系統(tǒng)，通過預(yù)冷器控制活門（PCV）引入風(fēng)扇氣路中的冷空氣對引氣進(jìn)行充分冷卻，經(jīng)過冷卻后的引氣再送往下游系統(tǒng)。

系統(tǒng)分別通過390℉傳感器、450℉感溫器和490℉過熱電門對各個部件進(jìn)行調(diào)節(jié)和關(guān)斷，避免引氣出現(xiàn)超溫或超壓情況。當(dāng)引氣溫度達(dá)到450℉時，壓力調(diào)節(jié)與關(guān)斷活門（PRSOV）將主動關(guān)小，避免溫度持續(xù)上升，此時引氣壓力會下降；當(dāng)溫度達(dá)到490℉時，壓力調(diào)節(jié)與關(guān)斷活門（PRSOV）將直接關(guān)斷，稱為“引氣跳開”（Bleed Trip Off）。

由此可見，引氣系統(tǒng)最重要的功能就是為下游系統(tǒng)提供合適溫度和壓力的氣源。因此，引氣系統(tǒng)的故障最主要影響的就是輸出引氣的壓力和/或溫度。

2 引氣系統(tǒng)特征參數(shù)

首先，對飛機(jī)QAR 參數(shù)進(jìn)行梳理，將可能影響引氣壓力和溫度的基本參數(shù)梳理出來，包括大氣環(huán)境狀態(tài)、發(fā)動機(jī)工況、各防冰系統(tǒng)狀態(tài)、空調(diào)組件工作狀態(tài)等。通過波音[6]提供的計算公式，使用高度、馬赫數(shù)、N1 轉(zhuǎn)速、N2 轉(zhuǎn)速和大氣靜溫參數(shù)，可以估算出飛行全程，發(fā)動機(jī)引氣系統(tǒng)每一秒所處的狀態(tài)：是處于9 級調(diào)壓區(qū)間、5 級調(diào)壓區(qū)間，還是處于二者的切換過程（非調(diào)壓區(qū)），下文簡稱9 級工況、5 級工況和非調(diào)壓工況。

其次，隨著部件的惡化，引氣系統(tǒng)的溫度和壓力也將隨之變化。在9 級或5 級調(diào)壓工況下，引氣的壓力和溫度是有標(biāo)準(zhǔn)的，不在標(biāo)準(zhǔn)區(qū)間的值即為異常點。本文選擇分別對引氣的壓力和溫度參數(shù)進(jìn)行切片，統(tǒng)計這些異常點在不同溫度和壓力區(qū)間段出現(xiàn)的頻次，組成一個溫度/壓力頻次表。其中，9 級工況統(tǒng)計低壓出現(xiàn)頻次，形成一維表格。5 級工況統(tǒng)計低壓未超溫和超溫低壓出現(xiàn)頻次，形成二維表格。以某架737NG飛機(jī)某次引氣超溫低壓故障為例，橫軸為引氣壓力（向右壓力依次降低），縱軸為引氣溫度（向下溫度依次增高），提取飛機(jī)發(fā)生故障及故障前幾周共9 趟航班的溫度/壓力頻次表，如圖1 所示，繪制成九宮格熱力圖（顏色越深表示頻次越高）。從中可以清晰看出，隨著時間的推移，引氣超溫頻次向著溫度越來越高、壓力越來越低的方向發(fā)展。同樣，未超溫低壓故障在頻次表內(nèi)也有特殊的表現(xiàn)形式?？梢?，經(jīng)過抽象提取的溫度/壓力頻次表能夠表征飛機(jī)引氣系統(tǒng)的狀態(tài)。

圖1 某架飛機(jī)引氣系統(tǒng)發(fā)生超溫低壓故障的演變

據(jù)此選擇數(shù)架發(fā)生過不同類型引氣系統(tǒng)故障的737NG 飛機(jī)，對其引氣系統(tǒng)故障前一個月和故障排除后一周的QAR 數(shù)據(jù)進(jìn)行梳理，提取特征值建立溫度/壓力頻次表，根據(jù)故障源和故障程度打上故障標(biāo)簽。這些特征參數(shù)可以作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入?yún)?shù)，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

3 神經(jīng)網(wǎng)絡(luò)模型的建立

根據(jù)前述引氣模型的抽象，本文對每一個飛行航段提取了81 個特征參數(shù)（主要由不同引氣壓力和溫度區(qū)間的頻次組成），用于表征引氣系統(tǒng)的健康狀況和可能的故障情況。已知故障源的飛機(jī)QAR 數(shù)據(jù)按規(guī)則提取特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，故障標(biāo)簽作為輸出訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。輸入層為81個神經(jīng)元，隱藏層使用兩層全連接，分別包含256個和512 個神經(jīng)元，激活函數(shù)為relu，優(yōu)化器為Adam，輸出層使用softmax分類輸出結(jié)果。由于不同類型的故障經(jīng)過神經(jīng)網(wǎng)絡(luò)識別出的特征信息是不一樣的，因此分別訓(xùn)練了多個子神經(jīng)網(wǎng)絡(luò)，用于識別不同模塊的故障，分別是預(yù)冷器模塊故障（PCV/T390）、高級模塊故障（HSR/HSV）、壓力調(diào)節(jié)模塊故障（BAR/PRSOV）和保護(hù)模塊故障（T450）。感溫器T450 常見的故障現(xiàn)象與高級模塊和預(yù)冷器模塊的故障現(xiàn)象有相似成分，因此，從PCV/T390 線路和HSR/HSV 線路中抽取提取到的特征信息，經(jīng)過連接后作為T450 神經(jīng)網(wǎng)絡(luò)的輸入，再次經(jīng)過兩層全連接層進(jìn)行分析。這樣，就可以讓神經(jīng)網(wǎng)絡(luò)的“注意力”集中在這些表現(xiàn)形式的參數(shù)上，進(jìn)行再次高階抽象，以提高訓(xùn)練速度和結(jié)果的可信度。最后，輸入?yún)?shù)經(jīng)過每個子神經(jīng)網(wǎng)絡(luò)分析后，將所有結(jié)果匯總，再輸出模型的最終結(jié)果。故障預(yù)測系統(tǒng)模型簡圖如圖2 所示。

圖2 故障預(yù)測系統(tǒng)模型簡圖

4 結(jié)果驗證

選取737NG 機(jī)隊已確認(rèn)故障源的8 架飛機(jī)和2 架無故障飛機(jī)前一個月的QAR 數(shù)據(jù)，組成測試驗證數(shù)據(jù)。使用建立好的引氣故障預(yù)測模型進(jìn)行計算，絕大部分飛機(jī)在故障發(fā)生前幾天甚至幾周系統(tǒng)就能識別出輕度至中度級別的故障，在故障發(fā)生前幾個航段可識別出中度至重度級別的故障，并給出可能的故障源（見表1），與實際排故結(jié)果基本一致。對于無故障一側(cè)的發(fā)動機(jī)，本模型都能判斷其處于良好狀態(tài)，無故障或輕微故障。其中，飛機(jī)1 的故障未識別出來，研究該飛機(jī)的QAR 數(shù)據(jù)發(fā)現(xiàn)其為突發(fā)故障，前序航班引氣系統(tǒng)參數(shù)完全正常，因此未能提前識別出故障。從速度上來看，使用常規(guī)配置個人電腦作為計算環(huán)境，系統(tǒng)計算單一航段的運算速度可以控制在1s 左右，具有生產(chǎn)應(yīng)用價值。實測結(jié)果說明本模型能夠很好地實現(xiàn)對737NG 引氣系統(tǒng)性能惡化的故障預(yù)測。

表1 預(yù)測模型測試結(jié)果

5 結(jié)語

本文旨在探索神經(jīng)網(wǎng)絡(luò)在飛機(jī)某些故障識別和預(yù)測上的應(yīng)用。實踐證明，在對系統(tǒng)理論和故障深入分析的基礎(chǔ)上，深度神經(jīng)網(wǎng)絡(luò)可以代替人工對海量飛機(jī)數(shù)據(jù)進(jìn)行快速篩選和計算，及時發(fā)現(xiàn)故障趨勢，為預(yù)防性維修提供數(shù)據(jù)支持，具有廣闊的應(yīng)用前景。