江坤

摘  要：航空发动机是飞机的心脏，为了使飞机具有非常高的安全性和可靠度，国内外研究机构研发了航空发动机智能监控和健康管理系统。文章通过通读大量国内外文献，在此基础上总结了国内外航空发动机智能监控及健康管理研究现状和应用，为我国航空发动机的检修维护、故障诊断、可靠性评估提供了一定的参考意义，同时也为新时代我国航空发动机的研发和制造提供了重要理论依据和工程应用价值。

关键词：航空发动机;智能监控;健康管理

中图分类号：V243          文献标志码：A         文章编号：2095-2945（2020）31-0179-03

Abstract： Aircraft engine is the heart of aircraft. In order to make aircraft have very high safety and reliability， research institutions at home and abroad have developed intelligent monitoring and health management system for aircraft engine. Through reading a large number of domestic and foreign papers， this paper summarizes the aircraft engine research status and application of intelligent monitoring and health management， thus having a certain reference significance for China's aviation engine overhaul and maintenance， fault diagnosis， reliability evaluation， as well as an important theoretical basis and engineering application value for China's aviation engine research and development and manufacture in the new era.

Keywords： aircraft engine; intelligent monitoring; health management

安全是民航業永恒的主题，安全是民航业的生命线，飞机在设计和使用时都必须满足适航的规章与标准，尤其是对于安全运行非常重要的部件航空发动机，航空发动机是飞机飞行动力的来源，同时也是飞机最重要的核心组成部分，航空发动机性能的好坏直接关系到飞机的飞行性能以及飞机、机组和旅客的人身安全，所以必须使其具有非常高的可靠性[1-3]。

有研究表明：航空发动机的可靠性不仅是保证飞机适航性的要求;也是保证飞行安全的要求;高的可靠性可以减少飞机的维护成本，提高了发动机的经济性;更重要的是为航空发动机的创新设计和研发提供参考。航空发动机是飞机的心脏，一直是航空器维护的重中之重，保证了发动机的高效工作就保证了飞机的安全性与适航性[4]，而航空发动机的性能健康和故障诊断显得尤为重要，一直以来也是工业界和学术界研究的重点方向，更是航空维修界科学研究和技术开发的热点。因此航空发动机智能监控及健康管理的发展和应用受到国内外学者和企业的广泛关注。

众所周知，随着中国经济的迅猛腾飞，国内各航空公司引进飞机数量不断增加，飞机维护费用占航空公司总成本的比例非常大，与此同时发动机的维护和维修占据着飞机维护费用支出最大的一部分，为了大大的减少发动机运行和维护成本，有效避免重大事故的发生，随着大数据、计算机、云计算技术的飞速发展，航空发动机维修思想已经发生了巨大的变化，过去采用的预防为主，传统定期维修方式不但工作效率非常低，耗费航空公司巨大的人力和物力，同时费用很高;而现在则是以可靠性为中心，航空发动机的维修方式也发生了相应的变化，由过去简单的定期维护到现在的实时状态监控，视实际情况维修，也可以通过这种监控管理方式能及时纠正和保护航空发动机本体的正常运行，为航空发动机的维修提供有力决策支持依据，因此航空发动机的智能监控和健康管理的概念应运而生。

在上个世纪80年代，美国率先提出了发动机健康管理EHM（Engine Health management）的概念[5-6]，很多科学研究单位和商业公司对此都有非常广泛的关注，例如以视情维修思想为指导的美国SMI公司，为了更好地协助用户制定维修计划，降低生产成本，开发了一款专门的对航空发动机状态监控软件，该款软件结合数据挖掘、人工智能的相关方法，对所要监控的对象建立了数学模型;20世纪90年代，美国空军研究实验室为了更好的对发动机维修进行决策，首次将神经网络运用于发动机的气路诊断，开发了具有实时诊断功能的EHM样机;美国国防部、能源部为了降低发动机的寿命周期费用，改善发动机使用的经济性，提出了飞机健康管理计划和航空安全计划。

国内很多高校也在这方面做出了非常有意义的工作，如李帅[7]结合国内外城市轨道交通车站设备监控与管理技术的最新发展，以分布式监控为基础，智能现代化设备维护技术为支撑，并结合神经网络专家系统等先进技术，设计并实现了一个关于轨道交通车站设备的分布式监控与监控维护系统仿真实验平台，在轨道交通监控系统中实现了数据的实时、可靠、安全传输，开发的智能监控设备和健康维护管理系统对运行设备的健康状态进行实时的跟踪监测，为设备的检修维护提供了强有力的依据。

陈必东[8]为了提高微型涡轮发动机MTE台架试车系统效能，提出了一种MTE远程台架试车系统架构，设计并实现基于BCM/S架构、访问方式灵活多样的分布式远程实验系统，开发了实现远程实时监控、远程数据回放、远程虚拟试车三个应用层次软件，该研究成果为远程实验系统的开发提供了一定的参考价值。

中国民航学院的许春生[9]介绍了几种流行的实时监控技术在飞机维修中的应用，也简要的分析了该技术在实际生产应用中遇到的问题，为商业航空公司的软件的开发和升级提供理论基础。其中比较流行的监控技术包括飞机通讯寻址及报告系统，也就是我们俗称的ACARS系统，它的工作原理及应用;综合诊断系统，IDS系统的功能结构，MXI维护软件，以及Honeywell研制的飞机维修和操作支持系统AMOSS等。

在航空电子系统故障预测与健康管理的新技术中，PHM（Prognostic and Health Management）被广泛的应用，该系统不仅可以进行故障诊断、系统检测、故障预测和健康管理，同时也降低了维修成本，提高了维修效率和低故障率[10-12]。宁亚锋[13]等人系统的阐述了PHM电子系统结构及功能，分析了该系统未来发展趋势，开发应用的有飞机状态检测系统ACMS（Aircraft Condition Monitoring System）。

国防科技大学智能科学院的吕克洪教授[14]针对电子设备退化状态无明显的外在表现，尚无有效征兆对其状态进行刻画，对其进行故障预测与健康管理存在一定的困难，分析了故障预测和健康管理的内涵和基本概念，总结了国内外健康管理和故障预测技术的研究现状，分析了面临的挑战和对策，结合该领域研究的最新进展，提出了电子设备故障预测和健康管理技术发展的新方向。

多智能体系统是当今人工智能中的前沿学科，刘金琨[15]等介绍了多智能体技术的结构、功能以及行为特性，采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，具有很高的问题求解效率。尤其是利用多智能体系统的联合意图机制可实现联合行动，从而实现分布式预测、监控及诊断，该技术的成功研发为航空发动机的智能监控成为可能。

近些年来，飞行器健康管理技术是一项重大的技术变革，能有效的降低事故的发生的概率，更能够减少航空灾难性带来的破坏，尤为著名的是美国NASA研发的EHM系统。该系统不仅能够防止飞行器在飞行过程中发生的发动机故障，而且还能有效降低发动机故障对飞行安全造成的影响。飞行器健康管理技术基于测试，诊断以及预测信息，监视和验证飞行器的健康状态，具有非常高的置信度，该系统也具有非常强的鲁棒性，基本上可以避免噪声和接收到假信号的干扰，更为重要的是该系统采用开放式的结构，使用界面非常人性化。

姜彩虹[16]等介绍了航空发动机预测健康管理（EPHM）系统的定义、设计目标及功能，提出了航空发动机机载预测健康管理系统应实现的技术指标;总结归纳了航空发动机预测健康管理系统设计的关键技术，为航空发动机实现高性能，高可靠度，更好的维护性和保障性提供新思路。张冬冬[17]等针对航空发动机健康管理系统传统设计方法周期长、成本高等问题，提出了面向健康管理系统的快速原型设计方法，构建了基于虚拟仪器语言和快速原型技术的航空发动机健康管理系统快速原型仿真平台，结果表明此健康管理系统有较好的工程实用价值。费成巍[18]等总结了国内外航空发动机健康管理（EHM）研究的现状，详细阐述了EHM总体结构、功能领域和EHM系统设计的关键技术，指出了EHM系统的设计要求，最后提出了EHM系統设计的一些建议和未来发展趋势。王施[19]等人通过通读国内外有关文献，回顾了航空发动机管理的发展历程，系统的阐述了发动机健康管理的研究内容、系统功能，指出了发动机健康管理研究的关键技术。

航空发动机健康管理（EHM）涉及多学科交叉融合，涵盖材料、气动热力学、控制理论、结构等多学科，研究的对象是一个非常复杂的系统，同时包含多项新技术，如数据管理、智能传感器、信息处理和融合、状态监视、预测技术、建模方法和算法等。在这个复杂系统中数据是基础，而且种类繁多无规律性，为了更准确的预测发动机运行状况和及时对风险状态下进行决策，对数据的安全性、精确性和实时性提出了非常高的要求，同时发动机是一个非常复杂的非线性系统，发动机状态信息会来自各个数据源，不论是智能传感器系统检测的实时动态数据，FDAEC系统产生的故障源代码，发动机历史维修记录、机组和机务人员的报告等等，为了更加准确的预知和诊断发动机是否处于健康状态或者适航状态，这些数据和信息都是我们做出最优决策的依据。更为重要的是依据这些实时动态的数据和信息通过后台自动分析，会给出发动机的健康评估报告、维护周期建议和方案、降低飞机发动机故障率，从而有效的提升航班正常性和运行的稳定性。

一般来说基于航空发动机智能监控及健康管理系统对其进行预测，则不管是对软件还是硬件系统都提出了更高的要求。预测的依据是实时动态的数据、历史数据、各种相关联的信息，预测从本质上可以分为3大类：基于发动机零部件的失效模型和发动机数学模型;基于对发动机各系统原理的理解，专业知识和实际生产经验等，分析方法包括神经网络分析法和模糊逻辑分析法;需要说明的是预测是定量的结果分析，而不是定性的分析。同时各种数据信息受其他外界影响因素非常多，就突显出来了预测的难度之大。

我国航空工业起步较晚，基本上处于跟踪国外概念和技术探索研究阶段，尤其是航空发动机智能监控及健康管理研究方面与国外有较大的差距，有很多关键的技术尚未突破，国外发动机制造厂商具有较高的可靠性和维修性的研究水平，拥有很多年研发和制造发动机的经验，也积累了各种不同型号的发动机大量的可靠性数据，给飞机的可靠性评估提供了理论依据。进入新时代，随着C919的研发成功，我国航空工业水平有了质的飞跃，相信在航空发动机智能监控及健康管理研究方面也能取得更丰硕的成果。

发动机的智能监控和健康管理是一个非常复杂的系统问题，本文通过通读大量文献，总结了国内外航空发动机智能监控及健康管理研究现状和应用，同时对遇到的问题和关键技术做了详细的阐述，也分析了我国在此方面研究领域存在的差距，旨在为新时代我国航空发动机的研发和制造提供重要理论依据和工程应用价值。

参考文献：

[1]陈嘉.CFM56型号飞机发动机维护项目的成本控制研究[D].东华大学，2016.

[2]Brown E N， Chidambaram B， Aaseng G B. Applying health management technology to the NASA exploration system-of-systems[R].AIAA 2005-6624.

[3]Schweikhard K A，Richards w l，Theisen J.Flight demonstration of X-33 vehicle health management system components on the F/A-18 systems research aircraft [R]. NASA/TM-2001-209037.

[4]聂炜.对某型飞机及其发动机的可靠性分析[D].西安电子科技大学，2013.

[5]Holtz C，Smith G，Friend R.Mondernizing systems through data integration;a vision for EHM in the United States Air Force [R]. AIAA 2004-4049.

[6]Tumer， I. and Baiwa， A.A Survey of Aircraft Engine Health Monitoring Systems[J].35th Joint Propulsion Conference.1999-6;AIAA-99-2528.

[7]李帅.轨道交通车站关键设备智能监控和健康维护系统的研究[D].东华大学，2011.

[8]陈必东.微型涡轮发动机远程台架试车系统开发[D].南京航空航天大学，2017.

[9]许春生.远程实时监控技术在飞机维修中的应用研究[J].中国民航大学學报，2003，21（1）：6-9.

[10]孙旭.故障预测和健康管理（PHM）系统[J].舰船科学技术，2011，33（9）：133-136.

[11]高荣.浅述新兴的电子系统故障预测与健康管理[J].科技资讯，2014，12（18）：138-138.

[12]孔学东，陆裕东，恩云飞.电子产品PHM及其关键技术[J].中国质量，2010（3）：15-18.

[13]宁亚锋，安芳利.航空电子系统故障预测与健康管理技术探究[J].科技资讯，2017（34）：107-107.

[14]吕克洪，等.电子设备故障预测与健康管理技术发展新动态[J].航空学报，2019，40（11）：18-29.

[15]刘金琨，尔联洁.多智能体技术应用综述[J].控制与决策，

2001，16（2）：133-140.

[16]姜彩虹，孙志岩，王曦.航空发动机预测健康管理系统设计的关键技术[J].航空动力学报，2009，24（11）：2589-2594.

[17]张冬冬，黄金泉，鲁峰.航空发动机健康管理系统的快速原型设计[J].航空发动机，2014（4）：89-94.

[18]费成巍，艾延廷.航空发动机健康管理系统设计技术[J].航空发动机，2009，35（5）：24-29.

[19]王施，王荣桥，陈志英，等.航空发动机健康管理综述[J].燃气涡轮试验与研究，2009，22（1）：51-58.