韩成杰

（中航西飞试飞站，陕西 西安 710089）

1 项目大数据的特征

航空飞行试验工程系统复杂，其涉及的部门之广，涉及的过程之复杂，涉及的专业知识之多都是可数的。此外，因为飞机系统较为复杂，所以系统在试验时其周期都比较长并且还较难控制风险，这就导致系统的事故率经常降不下来，也就时常引发机毁人亡的事故。另外，系统研发的耗资巨大，正常要占达产品总研制投资的50%以上。研究所获得的数据表现出的特征是非常典型的大数据所拥有的特征[1]。

另外，除了大数据所具有的4V特征以外，其还具备着以下特征：

（1）精确性要求高。必须真实、精确、完整、可靠。

（2）非结构化。复杂性，97%的无法结构化的数据，难以分析处理。

航空素来有“工业之花”的美誉，与之相关的装备在试验时的复杂程度决定了其试飞数据的复杂。其对应的试飞数据所表现出的机器、各系统间的综合状态都包含了各种各样极其复杂且多变的、在真实运行状态下的环境条件因素，并且其中还包含了工程科技和各种状态纠缠下的复杂逻辑交互，可想而知其复杂程度。

如下图，为此项相应大数据寓性特征。

图1 试飞工程大数据的属性特征

本项目中的大数据和其他行业中的大数据一样，越来越复杂的因素和逐渐扩大的行业规模都给与之对应的管理工作和处理工作带来了挑战。随着科技的不断进步，不断发展的航空装备对本项大数据的管理以及应用方面的广度和深度，对于其处理效率以及功能方面的全面以及多样等都提出了巨大的要求。本文在此分析了此类大数据的结构特点，与近年来我国在这一项目的应用实践以及工作管理中所取得的相关研究成果相互结合，并且深入分析本项行业技术所能够发展的未来方向，进而针对性的对此项管理以及应用提出若干建议。

2 飞行试验工程的大数据结构

本项目所形成的数据是通过对试验对象以及试验工程全过程进行涵盖所形成的。

下图是本项目试验中，各项目的工程数据所形成的管理结构模型。

航空产品的生命周期应当包括设计的制造、设计的试验以及保障4个关键环节。

图2 航空飞行试验工程数据结构模型

本类工程大数据管理结构的模型设计，可以从以下方面进行：

2.1 结合传统以及现代数据仓库的设计思想

以前的数据库所要解决的是业务之间自动化模块的处理问题，目的是为了有效实现项目之间能够进行联机处理，而现在数据库所要解决的却是遗留下来的历史数据中的工程业务数据，通过对这些数据进行分析，进而实现总体业务的有效决策。因此，本类数据库的管理不仅要满足其下所有型号在试验后产生数据的统一管理，同时还应当进行有效处理，并且还要对相关试验所产生的数据进行客观上的积累以及管理，以此来满足工程在试验时的分析需要以及在试飞数据进行回查时的需要。

对于一种型号的航空器来说，其在进行飞行试验时往往都会进行几千架次的试验，而每一次所产生的各种数据信息都几乎会超过或者接近1TB，而且这些数据一般都不会被删除掉，而是会紧紧伴随着航空器的生命周期一直存在，项目的数据在进行管理时不仅要满足持续试飞时数据在处理时的需要，还会伴随着试飞任务的不断进行而深入展开，不断的进行抽取，通过提炼历史综信来满足试飞工程时的决策分析，同时还应当符合数据仓库的特点，如集成、时变以及稳定等，并且还应当兼顾试飞时的业务需求以及航空科研时相关数据的需要。

2.2 通过建立元数据的接口标准，满足本类数据库设计需要

元数据是一种提供信息资源或者关联数据的结构化的数据，它是数据的数据，同时也是一种信息资源的结构化描述。其为数据仓库中心库，是我们组织、维管此类应用模型的基础纽带。

故，要针对此类工程的数据信息之特点，设计标准化的元数据接口，实现有机地关联、聚合起繁杂资讯，从而形成系统的数据仓库。

2.3 航空大数据的可视化技术

本项技术，是一种借助图形化手段，来，明晰地传达关联航空装备运行状态的诸多信息技术，其代表为虚拟现实技术。比如：于飞行器的设计阶段早期，虚拟现实技术通过数字样机实现海量数据的可视化，借助更直观的方式将项目设计人员对复杂系统的理解真正提升。

其他类似技术还包括，基于装备损伤数据的相关三维建模。如加拿大的NGRAIN公司开发出数字化解决工具，可允许对应地勤人员现场能实时收集战斗机之损伤数据，并进行三维结构的建模，大大降低了工作人员主观误判的程度，有效地把战斗机的修复效率提高，此项技术今已应用于美军战机项目。

2.4 围绕试验对象，设计一体化的本项大数据管理模型

每一次不同型号的试飞试验都是相关产品在研制过程中的延续，并且在试飞时各业务流程之间相互紧扣并带有技术复杂、专业性强等特点，因此应进行对接。

其一体化主要表现在两个方面：首先是通过对设计、制造等方面进行一体化处理，然后建立相关产品的数据接口，并维护所对应数据的完整性以及一致性之间的关联，从而对产品的改进和完善提供助力并进行最后的运维；其二是涵盖本工程的全过程一体化，自项目规划开始，到具体试验设计进行及其保障和相应总结。

“十三五”期间，我国将全面的启动实施航空发动机、燃气轮机的重大专项提升，同时包括C 919、C 929大飞机在内的大量航空此项科研项目也将进入关键节点。亟待大数据技术能够保驾护航上述项目的实施。通过以大数据为其研究资源和技术，继而大力提升我航空领域的信息化支撑水平，该类技术将会在航空工程领域获得更进一步的探索、应用。

3 航空飞行试验工程大数据管理与应用思考

3.1 基于SOA的试飞工程大数据管理系统架构

本项内容复杂，其共性特征未能掩盖不同的领域，和诸多行业内此项之物理与其逻辑应用特性，亦更显个中的复杂。

此一大数据既规模大，也具极强数据关联性，故而必须涵盖项目全过程，从而妥善解决项目的完整性建模管理分析、与整合共享。

图为相应系统架构。

飞行试验工程的大数据系统架构是一种基础架构，它是单位在试飞全过程中对大数据信息的完整性以及可靠性进行管理和维护的一种架构，同时也是本工程各项业务在工作开展中的平台架构，以及实际工程管理应用中的一个一体化平台，进而实现全面高效管理、应用数据信息。

在逻辑方面，数据层是系统架构的基础层，同时也为每一类大数据匹配与其对应的业务，而且还会以试验对象为连接点进行互相关联；项目的服务层一般会由面向服务的中间插件进行组成集合，以此来实现工程的管理和应用的服务，亦包括系统级别的应服组件，例如项目中的异构数据的管理以及存储、大数据中所包含的业务调度等相关的服务模块，并通过面向服务架构来实现相关应用的管理等；顶层一般都是面向用户的接口层，可以通过B/S等接口模式来有效实现用户对于试验大数据的应用。

而此项大数据管理与应用的标准体系、飞其元数据之间的接口的标准，是整个系统架构以及进行工程维护时的大数据完整性以及可靠性的重要支撑和纽带，其贯穿于这项工程大数据管理的各个方面[2]。

3.2 航空飞行试验工程大数据的一体化采集以及系统化的管理

通过下图能够有效的看出本项大数据是通过较少的结构化数据和非常多的非结构化数据组合而成的一个有机整体。下图为本工程全生命周期，对应数据的采集过程概要示意。

此类相应系统涉及几乎全部的工业专业，任何专业试验和本项工程整体相同，都需经过这5个过程。本项数据相互之间纵横交错，无论从哪个角度进行分析，都需要进行系统性的管理以及一体化的采集，这样才能有效的保证所得到的试验数据完整且全面，而这种方式也是基于应用的生命周期的tdm类型技术的实现方法。

此外，随着分析数据量增多以及航空装备本就存在的系统耦合性，难以利用单纯的统计分析方法准确描述此类装备的状态变化，而以深度学习为代表的人工智能技术无需依赖复杂系统之内部逻辑关系的表达，对于该种装备中复杂的系统级故障之耦合非线性状况抗干扰能力较强，在此项目分析技术中起重要的作用[3]。

3.3 通过专业需求作为牵引的数据处理和挖掘

这种大数据一般都是一种非常科学的系统性工程，其能够充分反映出系统工程、飞机系统各专业之间的特征性数据，因此该类大数据是真实且科学的，同时也是研究价值较大的。

3.3.1 对本项实施数据处理挖掘进而提高试飞综合效能

数据在进行挖掘时就是一种另类的知识发现过程，其一般是通过现代的数学方法以及数学原理并结合先进的信息技术进而提炼出原理与对应的模型等[4]。

3.3.2 探索解决飞行器工程中科学难题的实用专业数据挖掘

而且，传统基于故障物理模型、抑或专家知识库的预故方法，由于依赖实验知识和工程系统内部的逻辑关系描述，其对飞行器复杂系统里普存的高维度、涌现性还有非线性情况难以有效的进行处理[5]。

而此类数据资源的日益丰富，以及再次兴起的机器学习，则为解决这些问题开创了一条新的思路——基于大数据分析技术的飞行器的系统级故障预测，即在系统、子系统、零部件、人为影响因素、相关的使用环境等方面产生的多维、海量数据之基础上，运用机器学习以及统计手段，对故障样本库进行训练，于历史数据的基础上预测工程系统复杂故障现象的演变趋势，立足客观数据的角度，而非传统故障机理或经验知识的角度，推测航行系统在未来某段时间内的故障类型，从而实现此项系统级的对口故障预测[6]。

本类大数据中，非结构化测试的大数据经过分析及处理，其所得的数据结果一般是以时间为过程并进行同步轴的参数历程数据，可以极为真实的反映出项目试飞员以及此类飞机系统在整体上的运行特征[2]。

4 结束语

笔者针对飞行试验业务与其数据特点，结合多年来在此项中，管理与应用方面的一系列业务实践经验，参考业内模型，将该类大数据之标准体系作为项目基础，并实现涵盖试飞工程的全过程，及去业务流程的数据质控，并以一体化的运管应用为工程平台，较为完整和全面的建设、形成了一套此类大数据的高效运维治理技术体系，为航空科研新阶段的“大数据科研新时代范式”，奠定了坚实的数据体系基础。