基于深度学习的飞行器智能故障诊断

基于深度学习的飞行器智能故障诊断

况飞

重庆大学自动化学院 重庆市 400000

1. 摘要

随着航空航天日新月异的高速发展，航空发生的故障也越来越多，如果不及时诊断这些故障，造成的损失将不计其数，再加上近年来频繁的飞机失事，更引起了人们的对于这方面的重视，由此，智能故障诊断技术将尤为关键。

关键词：飞行器，智能故障诊断，航空

2. 背景

据《西雅图时报》消息，2018年10月，印尼狮航一架波音737 MAX8客机起飞后坠海，机上181名乘客和8名机组人员全部遇难。从时报有关记者提前拿到的狮航空难调查报告复印件显示，波音MCAS系统、狮航对飞机的检修维护工作和飞行员应对能力都是造成狮航空难的原因。

若具体到细节来说，有以下三类非人为因素原因：MCAS(机动特性增强)系统的设计和认证没有充分考虑飞机失控的可能性；波音公司未能检测到导致737 MAX不能正常工作的警告灯的软件错误，以及未能向飞行员提供有关MCAS系统的任何信息；失事飞机由佛罗里达州一家公司提供的二手传感器出现了故障。当波音737被研发之时，为解决在单通道飞机底盘起落架的机翼下方安装更大、更省油的发动机这一难题，工程师们通过将发动机位置略微前移、向上挪动，并将起落架延长8英寸，最终制造出的波音客机实现了14%的油耗改善。

这一做法，引起了喷气式飞机操作方式的细微改变，处于新位置的发动机及其更大推力的俯仰力矩，在本质上导致737MAX容易大迎角飞行。为了弥补这一不足，波音公司添加了MCAS这一新系统，即当飞机在手动飞行时遇到迎角过高，导致飞机面临失速危险时，该系统会帮助飞行员压低飞行的角度。

MCAS系统会在没有飞行员输入的情况下被触发，并且在有高负载因素的阶梯转弯，以及襟翼收上以接近失速的速度飞行，系统会指令向下俯冲以增强俯冲特性。

3. 诊断方法

1.机械故障诊断

飞机在机械系统当中属于高端的装备，伴随当前航空技术发展速度进一步加快，很多先进的生产方法应用到飞机生产中，飞机的机械系统也开始变得越来越复杂，其可靠性和安全性逐步变成飞机维修保养过程中重点研究的问题，智能专家系统是确保飞机可靠性的重要检测系统，越来越多的机械工程师开始重视飞机机械故障诊断智能专家系统。

智能专家系统是以专业知识为理论基础的，只要数据库当中知识储备容量足够大，专家系统就能够在任何计算机硬件上进行操作，并且准确的诊断飞机出现的潜在故障隐患。 智能专家系统的发展历史悠久，伴随当前相关设备的逐步改进和科技的发展，该系统在运行维护方面的成本变得越来越低，从飞机机械设备的故障诊断的角度进行分析，其所需要花费的成本较低。 其可靠性主要表现在专家知识的易获得性和持久性两个方面。持久性主要指的是专家系统并不会像人类专家那样会退休会死亡，因其知识体系如果形成，就会进一步延续下去，而易获得性主要指的是专家系统主要是综合多个专家的观点而获得的。本系统主要包含了人机交互模块、机械故障诊断模块及案例库等三个部分，具体如下图所示。

图1.1系统开发图

2.电气故障诊断

鉴于飞机电气故障诊断数据具有多样性强、推理复杂困难的特点，提出采用人工神经网络构建智能故障诊断系统。

为了提高飞机电气故障智能诊断神经网络 的训练精度，采用 RMBP 训练算法。RMBP 算法通过在网络参数调整中加入随机扰动值并结合动量算法，能够克服普通 BP 算法收敛时间长、容易陷入局部极小的缺陷，可以很大程度上提高网络的训练精度和训练速度，并且适合进行大规模神经网络的训练。总结了飞机电气故障数据，设计了样本数据，进行了飞机电气故障智能诊断神经网络的训 练和测试验证。在神经网络训练测试中，LM 算法 训练速度最快，RMBP 算法次之，普通 BP 算法和 RPROP 算法都没有达到目标误差要求。但 LM 算 法需要构造矩阵进行计算，占用内存空间较大，不适合大规模神经网络的训练。RMBP 算法在 BP 算法的基础上改进而来，占用内存小，能够训练大规模神经网络。因此，RMBP 神经网络具有更好的应用性能。测试结果表明，设计的飞机电气故障智能诊断系统计算速度快、诊断精度高，能够满足实际应用的需要。

3.姿态控制故障诊断

姿态控制系统是保证飞机稳定运行的重要子系统，系统中的执行器和传感器故障发生率较高。故障诊断技术在姿态控制系统中的应用，可以有效地对系统出现的故障做出反应，避免更严重的故障发生，使飞机能够安全稳定地运行。

飞机姿态控制系统是一个能够保持飞机在轨姿态稳定运行控制的子系统，纵观多年来飞机发生故障的历史，姿态控制系统的故障发生率较高。如果飞机姿态控制系统有故障发生，就会导致飞机无法准确控制姿态，进而导致一些严重的偏离轨道、滚动等情况出现。

对于飞机的姿态控制故障诊断，最重要的步骤是建立数学模型。航天器姿态控制系统模型是对整个闭环姿态控制系统各个模块及各个模块之间参数描述与运算关系的数学表示。

神经网络技术随着计算机运算能力的提高而得到快速发展，这也为故障诊断技术提供了一种新的解决问题的方法与研宄方向。根据飞机姿态控制系统的结构，确定了产生残差的故障诊断原理，并在此基础上，结合被诊断对象的输入输出数据特点，确定了将要建立的BP神经网络故障诊断模型的结构然后应用MATLAB神经网络工具对被诊断对象（飞轮）进行离线训练，并分析训练后的故障诊断模型对训练数据的跟踪效果。最后，对飞轮常见的卡死和摩擦力矩增大故障进行仿真分析，根据仿真结果，此方法能够有效地对被诊断对象进行故障诊断。

LSTM网络能够有效地处理与序列相关的数据，航天器姿态控制系统中传感器随着时间推移的输出数据可以认为是一组序列数据，利用LSTM网络的特点，能够有效地对这一序列数据建模。

通过故障诊断模型可以预测下一时刻传感器的输出值，与下一时刻系统传感器的真实输出值对比产生残差数据，分析残差数据可以完成传感器的故障诊断任务。

半物理仿真系统平台能够产生接近真实航天器运行的实验数据，且提供基于MATLAB的实验环境。半物理仿真系统平台可以用来验证数学仿真模型的正确性、对闭环系统控制算法设计的正确性以及对系统的主要功能和性能进行考核。半物理仿真系统可对系统接口进行检测和试验，还可对飞机可能出现的单机、元器件、系统等故障进行模拟。构建一套闭环半物理仿真系统，具备模拟飞机敏感器（传感器）、执行器件常见故障的能力，为用户开发自主健康算法提供系统级验证支持。

4. 总结

智能故障诊断技术的加入可以让事故发生的概率大大减小，再通过一定手段便可将他们遏制在发展阶段。在社会日新月异的发展日程当中，人工智能以及自动化取代人工这一方式的趋势是必然的，在我们看来也是很快将会到来的，所以智能故障诊断这一技术也必将在今后工业生产中有不可取代的作用。

参考文献：

[1]薛锋,郭伟,王培淞.飞机机械故障诊断智能专家系统研究[J].科技风,2019(16):10.

[2]岳伟平,唐金元,岳晓彩,於韦炜.基于自动测试的智能故障诊断系统研究[J].现代科学仪器,2010(06):67-70.

[3]姜洪开,邵海东,李兴球.基于深度学习的飞行器智能故障诊断方法[J].机械工程学报,2019,55(07):27-34.