基于知識(shí)圖譜的航空發(fā)動(dòng)機(jī)PHM 仿真驗(yàn)證平臺(tái)設(shè)計(jì)

范滿意，羅 凱，馬英杰，韓崇鵬

（1.中國航空發(fā)動(dòng)機(jī)研究院 基礎(chǔ)與應(yīng)用研究中心，北京 101304；2.北京航天測(cè)控技術(shù)有限公司，北京 100041；3.北京市高速交通工具智能診斷與健康管理重點(diǎn)實(shí)驗(yàn)室，北京 100041；4.中國航發(fā)沈陽發(fā)動(dòng)機(jī)研究所，沈陽 110015）

0 引言

PHM 技術(shù)的持續(xù)推廣、應(yīng)用，提升了裝備保障能力及水平，包括大數(shù)據(jù)、機(jī)器學(xué)習(xí)、數(shù)字孿生等多項(xiàng)智能化技術(shù)，已成功應(yīng)用至PHM 地面系統(tǒng)，有效地提升了裝備海量測(cè)試數(shù)據(jù)分析處理效率及智能化水平［1-4］。以航空發(fā)動(dòng)機(jī)領(lǐng)域?yàn)槔?，美國GE、羅羅等公司已經(jīng)在其軍民用發(fā)動(dòng)機(jī)型號(hào)產(chǎn)品中建立了智能化故障預(yù)測(cè)與健康管理系統(tǒng)［5-6］，幫助其售后服務(wù)及維修保障人員識(shí)別潛在故障，有效地提高了產(chǎn)品維護(hù)效率，減少了停機(jī)時(shí)間和成本，并確保了航空安全。另外，借助PHM 技術(shù)應(yīng)用，還提供一系列定制化服務(wù)，以滿足客戶的特定需求，例如定制化的健康管理方案和遠(yuǎn)程技術(shù)服務(wù)支持等。目前，PHM 系統(tǒng)已經(jīng)配套至航空、航天、車船、大型設(shè)施等多領(lǐng)域復(fù)雜裝備的運(yùn)維保障體系中，有效地提升了裝備安全性、經(jīng)濟(jì)性，但也暴露出了一些問題，包括故障診斷預(yù)測(cè)精度不足、系統(tǒng)業(yè)務(wù)及功能不完善等。經(jīng)事后分析得出，PHM 技術(shù)缺乏有效驗(yàn)證能力和工具是其中主要原因之一［7-8］。隨著我國新型航空發(fā)動(dòng)機(jī)的集成度、復(fù)雜度及智能化程度急劇增加，使其對(duì)PHM 系統(tǒng)成熟度要求更高，對(duì)高效、智能的PHM 技術(shù)驗(yàn)證需求尤為迫切。同時(shí)，考慮到新型產(chǎn)品配套時(shí)間短，故障數(shù)據(jù)積累少，可驗(yàn)證的故障不足，發(fā)動(dòng)機(jī)PHM 驗(yàn)證需要借助仿真等手段，以補(bǔ)充驗(yàn)證數(shù)據(jù)。

目前，國外典型PHM 開發(fā)驗(yàn)證工具有VSE、Sure-Sense等產(chǎn)品［9］，提供了包括PHM 工程搭建、數(shù)據(jù)融合、診斷預(yù)測(cè)推理、系統(tǒng)狀態(tài)評(píng)估等功能，有效地支撐了包括美國空軍F-16、F／A-22飛機(jī)渦輪發(fā)動(dòng)機(jī)監(jiān)控、診斷、預(yù)測(cè)等PHM 驗(yàn)證，縮短了發(fā)動(dòng)機(jī)產(chǎn)品研發(fā)周期并消除通常由錯(cuò)誤數(shù)據(jù)引起的昂貴調(diào)查。除PHM 驗(yàn)證功能外，國外PHM開發(fā)驗(yàn)證工具產(chǎn)品核心優(yōu)勢(shì)在于PHM 知識(shí)模型庫，其通過體系化的知識(shí)組織管理，有效地支撐復(fù)雜裝備PHM 多業(yè)務(wù)、多過程驗(yàn)證。近年隨著技術(shù)發(fā)展，知識(shí)圖譜已經(jīng)成為信息領(lǐng)域智能化知識(shí)管理技術(shù)手段。知識(shí)圖譜應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化等技術(shù)，可有效實(shí)現(xiàn)復(fù)雜知識(shí)內(nèi)容的語義搜索、智能問答、內(nèi)容推薦和輔助決策，已廣泛應(yīng)用至醫(yī)學(xué)、教育、電力、航天等多領(lǐng)域［10-11］。

在PHM 開發(fā)驗(yàn)證技術(shù)需求分析基礎(chǔ)上，針對(duì)新型航空發(fā)動(dòng)機(jī)PHM 驗(yàn)證實(shí)際需求，包括基于大數(shù)據(jù)挖掘、深度機(jī)器學(xué)習(xí)診斷預(yù)測(cè)驗(yàn)證等［12］，提出了一種基于知識(shí)圖譜的PHM 仿真驗(yàn)證方法，研制了一套智能化發(fā)動(dòng)機(jī)健康管理系統(tǒng)驗(yàn)證平臺(tái)。該平臺(tái)在利用大數(shù)據(jù)、深度機(jī)器學(xué)習(xí)、知識(shí)圖譜等技術(shù)基礎(chǔ)上，提供發(fā)動(dòng)機(jī)PHM 算法建模、知識(shí)開發(fā)、仿真驗(yàn)證及原理樣機(jī)驗(yàn)證等功能，可滿足發(fā)動(dòng)機(jī)基于海量數(shù)據(jù)處理、多元異構(gòu)關(guān)聯(lián)分析、智能導(dǎo)向型推理的診斷預(yù)測(cè)驗(yàn)證等需求。

1 基于知識(shí)圖譜的PHM 仿真驗(yàn)證平臺(tái)設(shè)計(jì)需求分析

與傳統(tǒng)PHM 單機(jī)軟件相比，基于分布式云服務(wù)的PHM 仿真驗(yàn)證平臺(tái)具有以下優(yōu)勢(shì)：1）借助Hadoop、SpringCloud、Docker容器技術(shù)搭建驗(yàn)證平臺(tái)架構(gòu)，可有效滿足發(fā)動(dòng)機(jī)PHM 驗(yàn)證所需處理的海量驗(yàn)證數(shù)據(jù)處理需求，提高仿真計(jì)算、診斷推理等驗(yàn)證效率；2）可有效為知識(shí)圖譜、深度機(jī)器學(xué)習(xí)等智能化新技術(shù)在PHM 驗(yàn)證提供支撐；3）將PHM 驗(yàn)證服務(wù)化，可有效驗(yàn)證多發(fā)動(dòng)機(jī)、多業(yè)務(wù)并行PHM 能力，真實(shí)復(fù)現(xiàn)現(xiàn)場(chǎng)PHM 系統(tǒng)環(huán)境。其中：

1）大數(shù)據(jù)驗(yàn)證服務(wù)，采用HDFS分布式文件系統(tǒng)存儲(chǔ)源碼二進(jìn)制文件、視頻、音頻、圖像等較大的數(shù)據(jù)文件，可充分發(fā)揮HDFS對(duì)于大文件存儲(chǔ)的優(yōu)勢(shì)，進(jìn)而提高發(fā)動(dòng)機(jī)飛參運(yùn)行記錄等多源海量驗(yàn)證數(shù)據(jù)處理效率。針對(duì)QAR、ECU、CEDU 等歷史飛行記錄，按照故障代碼、發(fā)生時(shí)間等，實(shí)現(xiàn)故障記錄驗(yàn)證數(shù)據(jù)海量高效查詢，并快速完成誤碼剔除、濾波平滑等預(yù)處理。

2）智能計(jì)算驗(yàn)證服務(wù)，通過集成知識(shí)圖譜技術(shù)框架，實(shí)現(xiàn)發(fā)動(dòng)機(jī)故障機(jī)理、故障特征、故障數(shù)據(jù)、診斷預(yù)測(cè)模型等結(jié)構(gòu)化知識(shí)和故障預(yù)案、故障案例、手冊(cè)文件等非結(jié)構(gòu)化知識(shí)組織管理。同時(shí)，利用深度機(jī)器學(xué)習(xí)引擎，利用規(guī)則推理、回歸聚類等方法，可進(jìn)一步實(shí)現(xiàn)PHM 知識(shí)挖掘、診斷預(yù)測(cè)驗(yàn)證模型學(xué)習(xí)訓(xùn)練等功能驗(yàn)證。

3）分布式驗(yàn)證服務(wù)，依據(jù)OSA-CBM＋架構(gòu)［13］，提供分布式健康管理原理樣機(jī)并行驗(yàn)證服務(wù)，面向多發(fā)動(dòng)機(jī)型號(hào)、機(jī)載／地面PHM、診斷預(yù)測(cè)等多環(huán)境、多業(yè)務(wù)驗(yàn)證需求，提供數(shù)據(jù)采集、狀態(tài)監(jiān)視、故障診斷、壽命預(yù)測(cè)等驗(yàn)證功能，從而實(shí)現(xiàn)與實(shí)際機(jī)隊(duì)發(fā)動(dòng)機(jī)PHM 保障條件相一致的集成驗(yàn)證。

2 PHM 仿真驗(yàn)證平臺(tái)設(shè)計(jì)

2.1 總體架構(gòu)設(shè)計(jì)

采用私有云服務(wù)搭建B／S平臺(tái)架構(gòu)，提供發(fā)動(dòng)機(jī)試驗(yàn)數(shù)據(jù)、飛參數(shù)據(jù)以及維修信息等驗(yàn)證數(shù)據(jù)采集服務(wù)，經(jīng)數(shù)據(jù)進(jìn)行清洗、集成、融合存儲(chǔ)到數(shù)據(jù)庫。業(yè)務(wù)層，通過調(diào)用建模開發(fā)、推理引擎、業(yè)務(wù)服務(wù)等，實(shí)現(xiàn)發(fā)動(dòng)機(jī)PHM 驗(yàn)證建模、仿真驗(yàn)證、原理驗(yàn)證等應(yīng)用?？傮w架構(gòu)如圖1所示。

圖1 基于知識(shí)圖譜的PHM 仿真驗(yàn)證平臺(tái)設(shè)計(jì)總體設(shè)計(jì)

1）環(huán)境層：包括PHM 系統(tǒng)運(yùn)行所需的必要通信網(wǎng)絡(luò)、信息服務(wù)、系統(tǒng)安全產(chǎn)品等基礎(chǔ)設(shè)施和操作系統(tǒng)、數(shù)據(jù)庫系統(tǒng)、文字處理工具等系統(tǒng)環(huán)境；

2）數(shù)據(jù)層：主要為發(fā)動(dòng)機(jī)PHM 驗(yàn)證數(shù)據(jù)對(duì)象，包括設(shè)計(jì)數(shù)據(jù)、試驗(yàn)數(shù)據(jù)、仿真數(shù)據(jù)、航空數(shù)據(jù)、飛機(jī)維護(hù)管理系統(tǒng)數(shù)據(jù)［14］、維修數(shù)據(jù)、診斷預(yù)測(cè)算法等；

3）支撐層：包括用于仿真驗(yàn)證平臺(tái)所需的基礎(chǔ)數(shù)據(jù)服務(wù)，包括數(shù)據(jù)庫服務(wù)、文件服務(wù)、報(bào)表服務(wù)、資源服務(wù)、可視化組件、權(quán)限控制等基礎(chǔ)服務(wù)組件；

4）業(yè)務(wù)層：包括診斷預(yù)測(cè)算法模型等驗(yàn)證對(duì)象開發(fā)集成工具、診斷預(yù)測(cè)業(yè)務(wù)應(yīng)用的故障樹遍歷、規(guī)則推理、案例檢索、知識(shí)圖譜融合推理等業(yè)務(wù)服務(wù)；

5）應(yīng)用層：包括仿真驗(yàn)證、功能原理驗(yàn)證、外場(chǎng)保障功能驗(yàn)證、現(xiàn)場(chǎng)維修保障功能驗(yàn)證以及驗(yàn)證過程可視化交互等應(yīng)用軟件及工具。

2.2 平臺(tái)工作流

平臺(tái)工作流程主要包括 “驗(yàn)證開發(fā)”、“驗(yàn)證數(shù)據(jù)接入”、“驗(yàn)證計(jì)算評(píng)估”等典型過程，平臺(tái)工作流程如圖2所示。

圖2 基于知識(shí)圖譜的PHM 仿真驗(yàn)證平臺(tái)工作流程圖

1）驗(yàn)證開發(fā)：包括發(fā)動(dòng)機(jī)PHM 工程模型建模、診斷預(yù)測(cè)算法開發(fā)建模、專家知識(shí)開發(fā)；

2）驗(yàn)證數(shù)據(jù)接入：包括發(fā)動(dòng)機(jī)一體化半實(shí)物仿真試驗(yàn)設(shè)備數(shù)據(jù)、機(jī)載健康管理系統(tǒng)離線數(shù)據(jù)、飛機(jī)QAR 航后數(shù)據(jù)等實(shí)時(shí)數(shù)據(jù)接入和離線數(shù)據(jù)接入；

3）驗(yàn)證控制：包括開發(fā)PHM 驗(yàn)證用例、創(chuàng)建PHM 驗(yàn)證試驗(yàn)、啟動(dòng)控制PHM 驗(yàn)證以及PHM 驗(yàn)證算法模型加載推理計(jì)算；

4）驗(yàn)證監(jiān)視：包括PHM 驗(yàn)證場(chǎng)景交互、PHM 驗(yàn)證過程數(shù)據(jù)監(jiān)視、報(bào)警故障診斷監(jiān)視、故障預(yù)測(cè)與壽命預(yù)測(cè)監(jiān)視；

5）驗(yàn)證評(píng)價(jià)：包括內(nèi)場(chǎng)試驗(yàn)PHM功能原理驗(yàn)證、外場(chǎng)運(yùn)維保障PHM 功能原理驗(yàn)證、故障診斷與預(yù)測(cè)算法準(zhǔn)確率、精度驗(yàn)證。

2.3 平臺(tái)功能設(shè)計(jì)

2.3.1 驗(yàn)證數(shù)據(jù)服務(wù)

針對(duì)發(fā)動(dòng)機(jī)海量PHM 驗(yàn)證數(shù)據(jù)特征：一是數(shù)據(jù)來源具有多源性；二是數(shù)據(jù)種類和形態(tài)具有復(fù)雜性，即異構(gòu)性；三是數(shù)據(jù)具有時(shí)空性，采用Hadoop、Spark、Storm 等主流大數(shù)據(jù)組件，實(shí)現(xiàn)多型號(hào)、多編號(hào)發(fā)動(dòng)機(jī)驗(yàn)證數(shù)據(jù)統(tǒng)一采集、處理，包括數(shù)據(jù)貫標(biāo)、數(shù)據(jù)清洗、數(shù)據(jù)特征提取和數(shù)據(jù)存儲(chǔ)管理等。在此基礎(chǔ)上，建立數(shù)據(jù)貫標(biāo)的統(tǒng)一接口，以提高驗(yàn)證數(shù)據(jù)的匯聚使用能力和新源數(shù)據(jù)的快速集成能力。驗(yàn)證數(shù)據(jù)服務(wù)數(shù)據(jù)流如圖3所示。

圖3 驗(yàn)證數(shù)據(jù)服務(wù)數(shù)據(jù)流

針對(duì)多源數(shù)據(jù)不同類型、特點(diǎn)、應(yīng)用方式，包括數(shù)據(jù)格式、是否頻繁查詢、實(shí)時(shí)性要求等，平臺(tái)采用與之相適應(yīng)的多種數(shù)據(jù)庫進(jìn)行分布式存儲(chǔ)，以滿足實(shí)時(shí)、離線等驗(yàn)證對(duì)數(shù)據(jù)查詢、管理需求。多源驗(yàn)證數(shù)據(jù)存儲(chǔ)服務(wù)如圖4所示。

圖4 多源驗(yàn)證數(shù)據(jù)存儲(chǔ)服務(wù)

1）時(shí)序數(shù)據(jù)庫服務(wù)：采用IoTDB等時(shí)序數(shù)據(jù)庫，利用其流式數(shù)據(jù)高效處理能力，可以實(shí)時(shí)處理傳感器數(shù)據(jù)流，支持復(fù)雜的數(shù)據(jù)分析和挖掘操作；

2）離線海量數(shù)據(jù)服務(wù)：采用Hbase分布式列式存儲(chǔ)系統(tǒng)，利用其分布式擴(kuò)展及高效查詢能力，可以實(shí)現(xiàn)多型號(hào)海量歷史驗(yàn)證數(shù)據(jù)查詢；

3）非結(jié)構(gòu)化數(shù)據(jù)服務(wù)，采用HDFS分布式文件系統(tǒng)，為發(fā)動(dòng)機(jī)QAR、故障記錄等離線文件提供海量存儲(chǔ)服務(wù)，借助其大規(guī)模數(shù)據(jù)集服務(wù)能力，可有效實(shí)現(xiàn)多型號(hào)文件管理及高效服務(wù)。

2.3.2 建模開發(fā)服務(wù)模塊設(shè)計(jì)

針對(duì)發(fā)動(dòng)機(jī)仿真驗(yàn)證需求，軟件提供建模開發(fā)服務(wù)模塊，由基礎(chǔ)算法庫、專用模型庫、專家知識(shí)開發(fā)等功能模塊。

1）在線開發(fā)：本模塊提供算法模型在線開發(fā)、與離線導(dǎo)入功能。其中：在線開發(fā)支持基于多語言腳本、源代碼在線開發(fā)，用戶可在線開發(fā)PHM 診斷預(yù)測(cè)模型和仿真驗(yàn)證模型。軟件提供基于發(fā)動(dòng)機(jī)系統(tǒng)、分系統(tǒng)、設(shè)備結(jié)構(gòu)的圖形化開發(fā)功能和節(jié)點(diǎn)配置功能。用戶可開發(fā)用于PHM 驗(yàn)證的發(fā)動(dòng)機(jī)仿真模型或壓氣機(jī)等仿真模型。同時(shí)，軟件提供模型訓(xùn)練、循環(huán)迭代計(jì)算（包括訓(xùn)練誤差損失等）等完成模型在線訓(xùn)練，訓(xùn)練后模型保存至平臺(tái)，供調(diào)用使用仿真調(diào)用?？紤]到發(fā)動(dòng)機(jī)診斷預(yù)測(cè)算法復(fù)雜度及參與在線開發(fā)人員技術(shù)掌握情況，在線開發(fā)功能在設(shè)計(jì)中采用了輕量級(jí)的開源代碼編輯器VSCode工具，利用其提供的豐富功能和插件，如代碼補(bǔ)全、調(diào)試、版本控制和代碼片段等，以有效提升算法開發(fā)效率及開發(fā)語言擴(kuò)展性。目前，在線開發(fā)工具已經(jīng)實(shí)現(xiàn)了C＋＋、Python、Matlab三種語言開發(fā)支持。未來隨著軟件升級(jí)，可進(jìn)一步支持包括Java、GO、Modelica等多計(jì)算、仿真語言。

2）算法模型庫：面向發(fā)動(dòng)機(jī)健康管理，提供溫度、電壓、電流等信號(hào)檢測(cè)診斷模型以及壓氣機(jī)、燃燒室、高壓渦輪、低壓渦輪等油路、氣路、控制、振動(dòng)等典型分系統(tǒng)診斷預(yù)測(cè)模型管理功能，用于PHM 診斷預(yù)測(cè)驗(yàn)證。同樣，用戶可利用在線開發(fā)的診斷預(yù)測(cè)算法，在驗(yàn)證平臺(tái)內(nèi)完成診斷預(yù)測(cè)模型圖形化開發(fā)及訓(xùn)練、發(fā)布（如圖5所示）。并利用平臺(tái)提供測(cè)試接口，輸出測(cè)試結(jié)果，用于診斷預(yù)測(cè)模型確認(rèn)。

圖5 發(fā)動(dòng)機(jī)診斷預(yù)測(cè)圖形化建模

2.3.3 知識(shí)圖譜模塊設(shè)計(jì)

知識(shí)圖譜構(gòu)建模塊主要分為專家知識(shí)開發(fā)、數(shù)據(jù)挖掘、知識(shí)圖譜構(gòu)建、知識(shí)綜合查詢等功能。本模塊在發(fā)動(dòng)機(jī)專家知識(shí)數(shù)據(jù)庫模塊提供的Spark數(shù)據(jù)挖掘分析、Graph圖計(jì)算［15-16］基礎(chǔ)上，提供發(fā)動(dòng)機(jī)數(shù)據(jù)挖掘分析等功能，并加載顯示發(fā)動(dòng)機(jī)數(shù)據(jù)挖掘分析結(jié)果、關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)圖等。對(duì)于無法滿足的數(shù)據(jù)挖掘分析，按數(shù)據(jù)需求進(jìn)行數(shù)據(jù)挖掘算法定制。知識(shí)圖譜模塊功能包括：實(shí)體抽取模塊，用于從發(fā)動(dòng)機(jī)設(shè)計(jì)文件、故障案例等文本中自動(dòng)提取數(shù)據(jù)實(shí)體，并標(biāo)注信息類型和屬性信息；關(guān)系抽取模塊：用于從文本中自動(dòng)提取發(fā)動(dòng)機(jī)驗(yàn)證信息關(guān)系，包括故障模式關(guān)聯(lián)的故障特征、診斷算法、預(yù)測(cè)算法等；知識(shí)表示模塊，用于將發(fā)動(dòng)機(jī)PHM 待驗(yàn)證信息、關(guān)系和屬性等信息轉(zhuǎn)換為計(jì)算機(jī)可讀的形式；知識(shí)存儲(chǔ)模塊，用于存儲(chǔ)整個(gè)知識(shí)圖譜，并提供高效的查詢和更新接口，本項(xiàng)目采用圖形理論的開源No-SQL數(shù)據(jù)庫；知識(shí)推理模塊，用于從發(fā)動(dòng)機(jī)PHM 知識(shí)圖譜中推導(dǎo)出新的知識(shí)，包括故障間傳遞影響等；知識(shí)查詢與應(yīng)用模塊，用于根據(jù)用戶的查詢需求，從知識(shí)圖譜中檢索相關(guān)PHM 驗(yàn)證知識(shí)，并將其應(yīng)用于PHM 診斷、預(yù)測(cè)及決策支持等。主要功能應(yīng)用包括：

1）專家知識(shí)開發(fā)：面向發(fā)動(dòng)機(jī)診斷、預(yù)測(cè)、輔助決策等應(yīng)用，提供定量、定性專家知識(shí)集成功能：（1）采用規(guī)則推理方法，實(shí)現(xiàn)基于測(cè)試數(shù)據(jù)、工作狀態(tài)、控制指令、飛行事件的推理知識(shí)集成功能。以發(fā)動(dòng)機(jī)故障代碼、診斷結(jié)果等為索引，提供異常故障發(fā)生所處工況事件、正常操作流程、可能故障原因、處置流程等排故預(yù)案知識(shí)開發(fā)功能；（2）采用非結(jié)構(gòu)化數(shù)據(jù)提取方法，提供基于歷史故障記錄、維修記錄的故障案例信息抽取集成功能，完成診斷維修知識(shí)分級(jí)、診斷維修知識(shí)基本信息、故障征兆以及維修步驟、維修結(jié)果等知識(shí)提取與集成。

2）知識(shí)提取挖掘：針對(duì)發(fā)動(dòng)機(jī)設(shè)計(jì)數(shù)據(jù)、測(cè)試數(shù)據(jù)、維修數(shù)據(jù)等多源的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化文件，采用最大匹配法、最優(yōu)匹配法等，完成無關(guān)信息剔除和有關(guān)信息分詞提取；提供特征值提取功能，利用詞頻、逆向文件頻率等方法，進(jìn)一步對(duì)預(yù)處理后的發(fā)動(dòng)機(jī)診斷知識(shí)進(jìn)行特征提取，降低知識(shí)挖掘所需文本向量維度；提供診斷知識(shí)挖掘功能，提供文本集轉(zhuǎn)化功能，將文本轉(zhuǎn)化為文本矩陣輸入至K 近鄰、貝葉斯模型、決策樹等模型，輸出文本集分類，完成診斷知識(shí)挖掘，知識(shí)提取挖掘流程如圖6所示。

圖6 發(fā)動(dòng)機(jī)專家知識(shí)采集與提取

3）知識(shí)圖譜構(gòu)建：依據(jù)知識(shí)圖譜技術(shù)架構(gòu)，發(fā)動(dòng)機(jī)故障專家知識(shí)圖譜的構(gòu)建總體流程分為知識(shí)融合、增量迭代2個(gè)流程，如圖7所示。其中：知識(shí)融合階段僅僅是從不同類型的知識(shí)源抽取構(gòu)建知識(shí)圖譜所需的實(shí)體、屬性和關(guān)系，形成了一個(gè)個(gè)孤立的抽取圖譜。為了形成一個(gè)完整的知識(shí)圖譜，需要將這些抽取結(jié)果集成到知識(shí)圖譜中，以進(jìn)行知識(shí)融合；最后將圖譜存儲(chǔ)在數(shù)據(jù)庫中才能提高圖譜的適應(yīng)效率，不同于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫和分布式數(shù)據(jù)庫，知識(shí)圖譜需要存儲(chǔ)在專用的圖數(shù)據(jù)庫中，可采用Neo4j等數(shù)據(jù)庫實(shí)現(xiàn)圖譜的存儲(chǔ)。

圖7 發(fā)動(dòng)機(jī)PHM 知識(shí)圖譜構(gòu)建流程

2.3.4 仿真驗(yàn)證評(píng)價(jià)模塊設(shè)計(jì)

仿真驗(yàn)證評(píng)價(jià)模塊包括用例管理、驗(yàn)證控制、故障注入、驗(yàn)證分析、結(jié)果顯示等功能，如圖8所示。其中：用例管理模塊，采用用例驅(qū)動(dòng)方式，提供驗(yàn)證用例的開發(fā)、配置、管理功能，支持驗(yàn)證過程所需數(shù)據(jù)管理和驗(yàn)證模型管理功能；驗(yàn)證控制模塊，提供仿真驗(yàn)證試驗(yàn)用例的開始、停止控制功能，并利用發(fā)動(dòng)機(jī)仿真驗(yàn)證設(shè)備接口［17］等，實(shí)時(shí)采集仿真驗(yàn)證數(shù)據(jù)；故障注入模塊，采用指令方式＋參數(shù)注入方式，驅(qū)動(dòng)驗(yàn)證設(shè)備對(duì)具體工況、故障模式進(jìn)行仿真或驅(qū)動(dòng)歷史數(shù)據(jù)庫進(jìn)行對(duì)應(yīng)故障數(shù)據(jù)回放，覆蓋發(fā)動(dòng)機(jī)氣路、油路、滑油、控制等以及發(fā)動(dòng)機(jī)全系統(tǒng)故障模擬；驗(yàn)證分析模塊，在驗(yàn)證過程中，提供驗(yàn)證算法接口調(diào)用功能，利用驗(yàn)證得到的仿真數(shù)據(jù)加載調(diào)用健康管理算法模型，輸出驗(yàn)證診斷預(yù)測(cè)結(jié)果等；結(jié)果顯示模塊，采用文本記錄、曲線等方式，顯示驗(yàn)證試驗(yàn)進(jìn)程信息，并根據(jù)用戶所開展的驗(yàn)證試驗(yàn)進(jìn)程，滾動(dòng)顯示試驗(yàn)過程信息及故障診斷等結(jié)果生成信息。

圖8 發(fā)動(dòng)機(jī)仿真驗(yàn)證模塊工作原理

2.3.5 健康管理原理樣機(jī)模塊設(shè)計(jì)

健康管理原理樣機(jī)模塊包括PHM 建模與配置、狀態(tài)監(jiān)測(cè)與故障診斷、趨勢(shì)預(yù)測(cè)與維修決策。

1）PHM 建模與配置：采用圖形化、向?qū)椒绞剑峁┌l(fā)動(dòng)機(jī)PHM 建模功能，實(shí)現(xiàn)發(fā)動(dòng)機(jī)結(jié)構(gòu)、參數(shù)、故障模式、PHM 驗(yàn)證任務(wù)模型等基礎(chǔ)設(shè)計(jì)信息配置管理；采集配置模塊，提供總線幀格式協(xié)議配置、通信協(xié)議配置等功能，利用通用數(shù)據(jù)采集與數(shù)據(jù)接收服務(wù)，實(shí)現(xiàn)發(fā)動(dòng)機(jī)數(shù)據(jù)接收、解析、存儲(chǔ)。

2）狀態(tài)監(jiān)測(cè)與故障診斷：提供履歷信息、健康信息、健康數(shù)據(jù)狀態(tài)監(jiān)視功能，支持機(jī)隊(duì)、單機(jī)、分系統(tǒng)等多級(jí)對(duì)象狀態(tài)監(jiān)視；異常檢測(cè)模塊，提供異常數(shù)據(jù)判讀、異常趨勢(shì)檢測(cè)功能，支持發(fā)動(dòng)機(jī)測(cè)試、試驗(yàn)、飛行過程異常狀態(tài)檢測(cè)、異常趨勢(shì)檢測(cè)，并輸出檢測(cè)報(bào)警信息。故障診斷模塊，提供基于故障樹、信號(hào)特征提取、數(shù)學(xué)物理模型等融合故障診斷，利用實(shí)時(shí)測(cè)試數(shù)據(jù)、歷史飛參數(shù)據(jù)等，實(shí)現(xiàn)故障報(bào)警、故障部位顯示、故障影響分析等；

3）趨勢(shì)預(yù)測(cè)與維修決策：加載數(shù)學(xué)物理模型，利用當(dāng)前數(shù)據(jù)和歷史數(shù)據(jù)對(duì)產(chǎn)品特征參數(shù)隨時(shí)間和環(huán)境的變化趨勢(shì)進(jìn)行分析，提供產(chǎn)品性能、振動(dòng)、滑油等特征參數(shù)的趨勢(shì)分析，性能衰減、專題趨勢(shì)預(yù)測(cè)功能；維修決策模塊，提供故障影響分析、維修排故預(yù)案、歷史故障案例、知識(shí)圖譜等綜合知識(shí)推送服務(wù)，支持維修電子手冊(cè)等資源鏈接，輔助排故、維修參考，包括健康報(bào)告生成、維修知識(shí)檢索等。

3 平臺(tái)實(shí)現(xiàn)技術(shù)研究

基于知識(shí)圖譜的航空發(fā)動(dòng)機(jī)PHM 仿真驗(yàn)證平臺(tái)所需支撐技術(shù)包括：數(shù)據(jù)挖掘與特征提取、專家知識(shí)自主獲取以及基于知識(shí)圖譜的融合驗(yàn)證3部分。

3.1 結(jié)構(gòu)化特征提取

通過開展發(fā)動(dòng)機(jī)數(shù)據(jù)挖掘與信息提取技術(shù)，為構(gòu)建發(fā)動(dòng)機(jī)PHM 知識(shí)圖譜提供定量知識(shí)構(gòu)建支持，包括：數(shù)據(jù)傳輸、測(cè)量參數(shù)預(yù)處理、故障特征提取與表征、特征相關(guān)性分析以及特征增強(qiáng)五部分，主要技術(shù)流程如圖9所示。

圖9 發(fā)動(dòng)機(jī)數(shù)據(jù)挖掘與特征提取流程

1）數(shù)據(jù)傳輸：利用批次發(fā)動(dòng)機(jī)試車數(shù)據(jù)（或飛參數(shù)據(jù)），通過篩選測(cè)量參數(shù)，從而完成氣路數(shù)據(jù)、振動(dòng)數(shù)據(jù)、孔探數(shù)據(jù)或滑油數(shù)據(jù)的篩選，從而可以保證所得數(shù)據(jù)能夠直接進(jìn)行后續(xù)處理。

2）數(shù)據(jù)挖掘：采用元數(shù)據(jù)方法，開展面向發(fā)動(dòng)機(jī)設(shè)計(jì)要求、設(shè)計(jì)方案、設(shè)計(jì)圖紙、加工要求、裝配數(shù)據(jù)、試驗(yàn)數(shù)據(jù)、運(yùn)行數(shù)據(jù)、維護(hù)檢修等關(guān)聯(lián)分析，建立全壽命周期數(shù)據(jù)的映射關(guān)系模型。

3）故障特征提取與表征：面向發(fā)動(dòng)機(jī)氣路、滑油等數(shù)據(jù)，采用氣動(dòng)熱力模型、圖像處理方法、主成分分析方法等［18］，完成典型部件故障、氣路數(shù)據(jù)、滑油光譜等故障特征提取。

4）特征相關(guān)性分析：利用K-means 的聚類算法、Pearson系數(shù)等方法，完成故障、特征數(shù)據(jù)相關(guān)性計(jì)算，輸出相關(guān)性矩陣，以分析、優(yōu)化多故障特征及特征敏感度，為多特征知識(shí)融合提供輸入。

5）故障特征增強(qiáng)：提供基于Vague集特征參數(shù)的相似度量和排序功能［19］，以實(shí)現(xiàn)基于參數(shù)特征統(tǒng)計(jì)的發(fā)動(dòng)機(jī)知識(shí)表征。同時(shí)，采用遷移學(xué)習(xí)技術(shù)，將發(fā)動(dòng)機(jī)故障模式模型化，實(shí)現(xiàn)基于強(qiáng)化學(xué)習(xí)生成故障特征庫的增廣策略，為發(fā)動(dòng)機(jī)仿真驗(yàn)證提供評(píng)估、評(píng)價(jià)依據(jù)。

3.2 非結(jié)構(gòu)化專家知識(shí)提取

針對(duì)非結(jié)構(gòu)化知識(shí)，如發(fā)動(dòng)機(jī)故障診斷孔探圖像、歷史故障案例等圖片和文本數(shù)據(jù)等，采用圖像和語義識(shí)別方法，提取非結(jié)構(gòu)知識(shí)中的關(guān)鍵特征，并可轉(zhuǎn)化為粗糙集理論可以處理的數(shù)據(jù)集形式，構(gòu)建圖像和語義識(shí)別算法庫。在此基礎(chǔ)上，利用粗糙集預(yù)處理方法等，完成樣本決策表訓(xùn)練、連續(xù)數(shù)據(jù)離散化和以及訓(xùn)練樣本屬性約簡。最后，利用反向傳播神經(jīng)網(wǎng)絡(luò)（BP）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）、深度神經(jīng)網(wǎng)絡(luò)（DNN）算法模型，完成專家知識(shí)自主獲取與提取。多源異構(gòu)數(shù)據(jù)挖掘技術(shù)流程如圖10所示。

圖10 多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)挖掘流程

3.3 基于知識(shí)圖譜的融合驗(yàn)證

采用智能導(dǎo)向型推理方法實(shí)現(xiàn)基于知識(shí)圖譜的融合驗(yàn)證，通過構(gòu)建多層級(jí)決策融合的導(dǎo)向型推理模型，如圖11所示，完成知識(shí)圖譜的知識(shí)組織、表示、融合。利用智能導(dǎo)向型驗(yàn)證推理模型，可有效融合故障知識(shí)、故障特征、診斷預(yù)測(cè)模型、維修專家知識(shí)等內(nèi)容。在此基礎(chǔ)上，借助業(yè)務(wù)流程引擎、規(guī)則推理與模型計(jì)算引擎等，驅(qū)動(dòng)發(fā)動(dòng)機(jī)PHM 驗(yàn)證，實(shí)現(xiàn)基于機(jī)理模型的診斷預(yù)測(cè)、基于故障特征的診斷預(yù)測(cè)以及基于故障案例的診斷融合推理驗(yàn)證等。

圖11 智能導(dǎo)向型PHM 驗(yàn)證模型

4 仿真驗(yàn)證實(shí)例

采用基于知識(shí)圖譜的航空發(fā)動(dòng)機(jī)PHM 仿真驗(yàn)證平臺(tái)完成PHM 建模、仿真建模、診斷預(yù)測(cè)建模、知識(shí)圖譜構(gòu)建、PHM 仿真驗(yàn)證、PHM 功能原理樣機(jī)驗(yàn)證。航空發(fā)動(dòng)機(jī)PHM 工程一體化平臺(tái)驗(yàn)證，一方面解決傳統(tǒng)單點(diǎn)驗(yàn)證不成體系的問題；同時(shí)解決了新型發(fā)動(dòng)機(jī)故障樣本少、氣路、滑油、振動(dòng)等系統(tǒng)級(jí)故障診斷預(yù)測(cè)精度評(píng)價(jià)缺乏數(shù)據(jù)支撐等問題。

4.1 PHM 建模

利用PHM 驗(yàn)證平臺(tái)提供的PHM 工程模型，完成發(fā)動(dòng)機(jī)PHM 建模。以某型發(fā)動(dòng)機(jī)為驗(yàn)證對(duì)象，通過導(dǎo)入發(fā)動(dòng)設(shè)計(jì)信息、測(cè)試性模型等，在解析測(cè)試性模型中FST 信息（Fault-Signal-Test）信息［20］基礎(chǔ)上，完成裝備構(gòu)型、測(cè)點(diǎn)、故障模式導(dǎo)入，并根據(jù)機(jī)載／地面PHM 業(yè)務(wù)需求，創(chuàng)建發(fā)動(dòng)機(jī)PHM 驗(yàn)證任務(wù)。

4.2 仿真建模

利用PHM 驗(yàn)證平臺(tái)提供的在線開發(fā)功能，完成發(fā)動(dòng)機(jī)仿真驗(yàn)證模型開發(fā)。利用發(fā)動(dòng)機(jī)工作原理構(gòu)建發(fā)動(dòng)機(jī)仿真模型，利用平臺(tái)提供的算法模型接口，實(shí)現(xiàn)發(fā)動(dòng)機(jī)仿真輸入、輸出接口，并發(fā)布至仿真驗(yàn)證模型庫，如圖12所示。

圖12 發(fā)動(dòng)機(jī)仿真驗(yàn)證建模

4.3 診斷預(yù)測(cè)建模

利用PHM 驗(yàn)證平臺(tái)提供的算法模型庫，采用圖形化建模方式，調(diào)用數(shù)據(jù)驅(qū)動(dòng)、特征提取、故障診斷、故障預(yù)測(cè)等算法，構(gòu)建發(fā)動(dòng)機(jī)及關(guān)鍵分系統(tǒng)、部件故障診斷預(yù)測(cè)模型，并配置至發(fā)動(dòng)機(jī)PHM 模型中，如圖13所示。診斷預(yù)測(cè)建模支持開放式的服務(wù)調(diào)用功能，可向符合平臺(tái)標(biāo)準(zhǔn)接口的算法模型提供集成與接口自動(dòng)讀取功能。用戶即可調(diào)用在線開發(fā)、圖形化建模的診斷預(yù)測(cè)算法，也可讀取外部診斷預(yù)測(cè)服務(wù)接口，輕松調(diào)用各類PHM 算法模型。

圖13 發(fā)動(dòng)機(jī)PHM 算法驗(yàn)證配置

4.4 知識(shí)譜圖構(gòu)建

利用PHM 驗(yàn)證平臺(tái)提供的專家知識(shí)管理功能，包括故障特征、故障案例、故障預(yù)案、知識(shí)圖譜可視化等工具，實(shí)現(xiàn)發(fā)動(dòng)機(jī)PHM 知識(shí)圖譜結(jié)構(gòu)。平臺(tái)底層通過加載數(shù)據(jù)挖掘、故障增強(qiáng)等方法，完成知識(shí)提取與圖譜構(gòu)建，如圖14所示。

圖14 發(fā)動(dòng)機(jī)知識(shí)圖譜構(gòu)建

4.5 仿真驗(yàn)證評(píng)估

利用PHM 驗(yàn)證平臺(tái)提供的仿真驗(yàn)證功能，創(chuàng)建發(fā)動(dòng)機(jī)仿真驗(yàn)證任務(wù)、驗(yàn)證試驗(yàn)，并通過驅(qū)動(dòng)發(fā)動(dòng)機(jī)仿真驗(yàn)證模型及診斷預(yù)測(cè)模型，完成發(fā)動(dòng)機(jī)故障診斷、故障預(yù)測(cè)等仿真驗(yàn)證，如圖15所示。

圖15 發(fā)動(dòng)機(jī)仿真驗(yàn)證

4.6 原理樣機(jī)驗(yàn)證

利用PHM 驗(yàn)證平臺(tái)提供的原理樣機(jī)功能，通過加載歷史QAR 飛參數(shù)據(jù)等，調(diào)用已完成仿真驗(yàn)證的PHM 模型、診斷預(yù)測(cè)算法模型、專家知識(shí)等，完成發(fā)動(dòng)機(jī)故障診斷、故障預(yù)測(cè)、輔助決策等功能驗(yàn)證，如圖16所示。

圖16 發(fā)動(dòng)機(jī)PHM 功能原理驗(yàn)證

目前，利用本文提出PHM 仿真驗(yàn)證方法及PHM 仿真驗(yàn)證平臺(tái)，已經(jīng)完成了3型航空發(fā)動(dòng)機(jī)PHM 工程驗(yàn)證，包括氣路、振動(dòng)、滑油等20多種典型故障模式、30余個(gè)診斷預(yù)測(cè)模型、100余條排故決策知識(shí)等，與發(fā)動(dòng)機(jī)臺(tái)架試驗(yàn)、航后QAR 數(shù)據(jù)驗(yàn)證配合，有效地支撐了航空發(fā)動(dòng)機(jī)PHM系統(tǒng)研制。

5 結(jié)束語

本文提出了一種基于知識(shí)圖譜的仿真模型驗(yàn)證設(shè)計(jì)方法，通過完成發(fā)動(dòng)機(jī)故障知識(shí)圖譜數(shù)據(jù)架構(gòu)設(shè)計(jì)，實(shí)現(xiàn)了發(fā)動(dòng)機(jī)試驗(yàn)數(shù)據(jù)、飛參數(shù)據(jù)等多源驗(yàn)證數(shù)據(jù)接入、診斷預(yù)測(cè)驗(yàn)證算法模型集成、排故維修驗(yàn)證知識(shí)集成，為發(fā)動(dòng)機(jī)PHM 系統(tǒng)研制提供技術(shù)與功能驗(yàn)證手段，并有望推廣至多型號(hào)航空發(fā)動(dòng)機(jī)的PHM 系統(tǒng)設(shè)計(jì)、研發(fā)過程，以加速發(fā)動(dòng)機(jī)PHM 系統(tǒng)研制與配套。