王晓宇

摘要：随着科学技术的不断发展，航空发动机可测量数据类型越来越多，数据量越来越大，使得航空发动机具有了大数据基因。本文分析发动机大数据特点，建立发动机大数据应用架构，对大数据技术在航空发动机维修中的应用进行了探讨。通过大数据技术的应用，航空公司可以提高发动机的维修性、可靠性和经济性。

关键词：大数据;航空发动机;预测维修;状态监控

1 大数据的概念及特点

一直以来对大数据并没有明确的定义，维基百科中认为，大数据指的是在传统数据处理应用软件不足以处理的大量或复杂的数据集的术语。计算机科学技术的进步为“大数据”的出现提供了有力条件，信息化技术的发展，使得数字化信息量爆炸增长，并且除了数量增长外，数字化信息的变化也逐渐的增大。

相比于传统数据，大数据具有“5V 特性”：一是大量（Volume），数据量达到PB，甚至EB、ZB级;二是快速性（Velocity），数据增长快速意味着是有时效性的，这就对数据的获取以及处理的速度有较高要求;三是多样性（Variety），数据种类和来源多样化。包括结构化、半结构化和非结构化数据。四是价值性（Value），数据量越大其相应价值密度越低，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题;五是真实性（Veracity），大数据中的内容是与真实世界中的发生息息相关的，要保证数据的准确性和可信赖度。

2 航空发动机维修大数据特点

航空发动机维修数据可谓具有典型的大数据特征：

（1）大容量

发动机是飞机上装有传感器数量最多的部件，随着科技的发展，新型航空发动机上装载的传感器越来越多，更多的发动机参数被记录下来，如LEAP、遄达1000等发动机单次飞机就可产生1TB的数据。另外，维修单位通过信息化技术，大量的维修记录、故障信息等非结构化数据得到应用。

（2）多类型

维修数据包括传感器参数、飞行参数等结构化数据，维修报告、维修手册、图片、视频等非结构化数据，以及维护信息、故障信息等半结构化数据。

（3）快速性

QAR以及ACARS系统可以快速的记录传递飞机运行期间的大量参数。维修单位通过维修系统平台可以随时记录维修活动，航材、生产、质量、安全等相关部门的数据也可以实时采集。

（4）价值性

单独的一条发动机参数数据价值密度很低，但如果基于机型机队统计出海量数据，其背后具有巨大的价值。如，每段飞行均会记录发动机滑油量，长时间统计下可通过滑油量变化判断发动机机械运行情况。

（5）真实性

维修数据必须真实有效，能够准确反映航空发动机状态。发动机维修数据来源结构复杂，同时会存在无关数据成分，不同数据源具有不同的标准，会导致数据冗余和不完整，形成大量模糊信息。另外飞行参数、发动机性能参数等数据具有较强随机噪声，容易出现孤立数据和突变异常数据。因此，就要求对维修数据进行篩选以及预处理。

3 航空发动机维修大数据应用架构分析

大数据技术关键在于从海量数据中快速准确的提取出有价值的信息。航空发动机维修想要应用大数据技术，应将重点放在维修数据的收集处理和挖掘上。前文已分析了发动机维修数据的特点，不同类型数据具有不同的价值，但其大数据技术应用是相同的。据此本文提出了航空发动机运行全阶段的维修大数据应用架构，分为3个部分：数据来源层、存储分析层以及应用层，如图1所示。

3.1 数据源

航空发动机维修数据主要包括：发动机运行参数，故障信息和维修质量问题记录，另外还需考虑不同发动机的设计与制造数据，由此数据来源包括4个部分：

（1）发动机运行数据

发动机运行阶段数据来自飞机状态监控系统（ACMS），通过QAR系统和ACARS系统可以采集和传输发动机环境状态数据（大气环境、温度、飞行高度等）和性能数据（气路参数、机械状况参数等）。

（2）发动机设计与技术数据

发动机设计与技术数据主要是发动机设计与生产阶段的数据，包括发动机构型管理数据、设计模型数据、原始出厂数据、维修保障规章等。还包括各类发动机维护手册以及适航文件，如故障隔离手册、服务通告、适航指令等。

（3）发动机维护数据

发动机维护数据收集范围包括航线维护与排故、定检车间修理以及典型发动机故障案例。航线维护与排故数据通常是发动机日常维护数据如滑油检查和加注量、水洗发动机、油液清洁、叶片润滑等，以及发动机孔探、磁堵等检查数据，还有发动机维护信息、机组观察故障报告，发动机排故、部件拆换等排故数据。定检车间修理数据主要是发动机定检排故、厂家修理改装、有关发动机的服务通告、适航指令等数据。典型发动机故障案例数据主要收集发动机典型故障，包括故障类型、故障信息、故障代码等，并结合其他数据分析故障原因，降低故障损失，总结经验制定预防性措施。

（4）其他数据

其他数据主要是维修单位人力资源、质量问题、安全管理、生产支援，以及飞机工具设备管理系统、航材管理系统等维修相关数据，以及驾驶舱音频信息、维护视频、飞机损伤和缺陷图片等非结构化数据。

3.2 存储与分析

以往的航空发动机运行监控数据大多存储在关系型数据库中（如Oracle、SQLServer等）。在数据量较小时可以采用传统的关系型数据库进行检索，其检索结果可以满足维护需求。通过之前的数据源分析，可以看到航空发动机大数据结构复杂、类型多样、模式多变，传统的关系型数据库无法处理海量数据。为满足大规模数据的采集、存储和分析的需求，存储与分析层可采用基于Hbase（Hadoop Database）的分布式存储系统，并可以支持SQLServer关系型数据库、HDFS分布式文件系统、Nosql数据库等，以存储不同类型的维修大数据。利用MapReduce平台进行数据挖掘、清理和分类。通过深度网络、机器学习等对发动机运行数据进行分析，可集成Python、R语言等自定义的算法，进行可视化技术研究。

3.3 应用层

应用层可利用不同数据源进行应用分析。基于发动机运行数据源，可使用多元数据源如环境数据、性能参数、飞行参数等，实现更全面的发动机性能趋势分析，避免了单一数据源从而提高精度与准确度，同时结合维护数据源，可实现发动机故障预测。通过发动机设计与技术数据源和维护数据源，可辅助制定维护决策，实现预防性维修。根据维护数据源和质量安全数据，可以对发动机进行可靠性分析，帮助航空公司制定维修方案。

状态监控与故障诊断是保证发动机安全运行、确保飞机飞行安全的关键技术。通过航空发动机大数据技术应用的核心技术是通过深度挖掘发动机运行数据，实现对发动机状态评估。利用维修大数据进行发动机趋势分析，监控重点参数变化，并根据典型故障案例库进行故障早期预测是发动机状态监控与故障诊断的关键问题。如何利用运行数据分析发动机寿命趋势，并结合维护数据库提前制定维修策略是研究的重点。

4 结束语

本文分析了航空发动机维修数据具备的大数据特点，并根据数据类型进行分类，建立了发动机维修大数据应用架构，介绍了发动机运行数据源和维修数据源在状态监控与故障诊断中的应用，为航空公司提供了一些借鉴。

参考文献

[1]孙帅.民用航空中“大数据”的应用[J].民营科技，2018（08）： 156.

[2]孔祥芬，蔡峻青，张利寒，等.大数据在航空系统的研究现状与发展趋势[J].航空学报， 2018，39（12）： 8-23.