劉豐愷，李 茜

(1.中國航空綜合技術(shù)研究所，北京 100028；2.華北計算技術(shù)研究所，北京 100083)

?

航空大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用*

劉豐愷**1，李 茜2

(1.中國航空綜合技術(shù)研究所，北京 100028；2.華北計算技術(shù)研究所，北京 100083)

大數(shù)據(jù)技術(shù)在以互聯(lián)網(wǎng)、電商、金融為代表的第三產(chǎn)業(yè)得到了極大的發(fā)展和擴(kuò)充，然而在航空工業(yè)領(lǐng)域，大數(shù)據(jù)技術(shù)的價值一直沒有得到充分利用與挖掘。事實(shí)上，大數(shù)據(jù)技術(shù)在飛行器設(shè)計、系統(tǒng)級故障預(yù)測以及航空裝備維修與保障領(lǐng)域有重大應(yīng)用價值，值得進(jìn)行深入研究與探索。首先介紹了大數(shù)據(jù)的內(nèi)涵，按大數(shù)據(jù)流轉(zhuǎn)的生命周期分析了相關(guān)技術(shù)在航空領(lǐng)域的應(yīng)用，重點(diǎn)闡述了航空大數(shù)據(jù)分析技術(shù)在系統(tǒng)級故障預(yù)測領(lǐng)域的應(yīng)用，并結(jié)合美國大數(shù)據(jù)分析技術(shù)在航空領(lǐng)域的應(yīng)用現(xiàn)狀，指出了航空大數(shù)據(jù)技術(shù)的發(fā)展趨勢。

航空工業(yè)；大數(shù)據(jù)；系統(tǒng)級故障預(yù)測；應(yīng)用展望

1 引 言

20世紀(jì)90年代中期，SGI公司首席科學(xué)家John Mashey在一篇題為“Big Data and the Next Wave of InfraStress”的演講中提出了“大數(shù)據(jù)”的概念。所謂的大數(shù)據(jù)，指數(shù)據(jù)量太大，以至于目前的數(shù)據(jù)管理工具已不便于管理的數(shù)據(jù)。通常,用4V(Volume,Velocity,Variety,Value)特性對大數(shù)據(jù)進(jìn)行描述[1]:大容量(Volume)是指數(shù)據(jù)體量巨大；高速率(Velocity)從數(shù)據(jù)產(chǎn)生效率的實(shí)時性進(jìn)行描述；多形式(Variety)從數(shù)據(jù)的類型進(jìn)行描述，包含傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)、類似于XML、JSON等形式的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；高價值(Value)指具有高價值的數(shù)據(jù)。如今，所謂的大數(shù)據(jù)已經(jīng)發(fā)展為一個較為寬泛的概念,是包括數(shù)據(jù)及其采集、處理、分析、解釋等在內(nèi)的一系列相關(guān)技術(shù)、方法、手段的統(tǒng)稱。

大數(shù)據(jù)按其流轉(zhuǎn)的生命周期[2]可分解為數(shù)據(jù)源采集、數(shù)據(jù)存儲管理、數(shù)據(jù)分析和數(shù)據(jù)展現(xiàn)4個階段。數(shù)據(jù)源階段關(guān)心的是數(shù)據(jù)獲取。數(shù)據(jù)既包含傳統(tǒng)企業(yè)的結(jié)構(gòu)化數(shù)據(jù)，也包含互聯(lián)網(wǎng)用戶、傳感器等采集的半結(jié)構(gòu)化或者非結(jié)構(gòu)化的數(shù)據(jù)。數(shù)據(jù)存儲管理解決的是大規(guī)模數(shù)據(jù)的持久存儲和管理。首先需要從原始數(shù)據(jù)中進(jìn)行數(shù)據(jù)抽取，以獲得數(shù)據(jù)分析所需的數(shù)據(jù)信息。對于海量數(shù)據(jù)而言，需要將數(shù)據(jù)存入分布式文件系統(tǒng)或者NoSQL數(shù)據(jù)庫中。廣泛使用的Hadoop中，通過HDFS分布式文件系統(tǒng)進(jìn)行數(shù)據(jù)存儲，使用MapReduce計算框架處理數(shù)據(jù)。數(shù)據(jù)分析是整個大數(shù)據(jù)處理流程中的核心。在數(shù)據(jù)分析中，利用分析方法或工具對數(shù)據(jù)進(jìn)行檢查、變換和建模并從中提取價值，依賴?yán)脭?shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等復(fù)雜技術(shù)手段從數(shù)據(jù)中獲取知識。機(jī)器學(xué)習(xí)近年的發(fā)展非常迅速，其目的是從數(shù)據(jù)中自動習(xí)得模型，并使用習(xí)得的模型對未知數(shù)據(jù)進(jìn)行預(yù)測。數(shù)據(jù)展示是大數(shù)據(jù)處理流程的門戶，用于將挖掘出的知識以形象易于理解的形式呈現(xiàn)給用戶。其中，可視化作為解釋大量數(shù)據(jù)最有效的手段之一率先被科學(xué)與工程計算領(lǐng)域采用。通過對分析結(jié)果的可視化用形象的方式向用戶展示結(jié)果，并且圖形化的方式比文字更易理解和接受。

傳統(tǒng)意義上的大數(shù)據(jù)應(yīng)用在第三產(chǎn)業(yè)發(fā)展較為成熟，例如互聯(lián)網(wǎng)、金融、電商和電信服務(wù)業(yè)，這些行業(yè)平日里產(chǎn)生了海量的交易數(shù)據(jù)和用戶行為數(shù)據(jù)，希望依托大數(shù)據(jù)技術(shù)實(shí)行更加精準(zhǔn)、高效的商業(yè)策略，實(shí)現(xiàn)企業(yè)價值的提升，因而十分注重相關(guān)領(lǐng)域的研發(fā)和投入，產(chǎn)生了Google公司的谷歌文件系統(tǒng)(Google File System,GFS)、云計算(Cloud Computing)概念、Amazon公司的個性化推薦策略等一大批世界級的大數(shù)據(jù)研究成果。第三產(chǎn)業(yè)儼然已經(jīng)成為當(dāng)下大數(shù)據(jù)潮流的領(lǐng)軍者和倡導(dǎo)者，傳統(tǒng)的第一產(chǎn)業(yè)，例如船舶、航空以及其他高端制造業(yè)似乎正從這股大數(shù)據(jù)潮流中逐漸被邊緣化，并大有被新興互聯(lián)網(wǎng)企業(yè)蠶食的危險。然而，一直以來為很多人所忽視的是，航空行業(yè)本身就是一塊孕育大數(shù)據(jù)的沃土。因?yàn)楸旧淼男袠I(yè)特性，航空工業(yè)需要大量的標(biāo)準(zhǔn)化數(shù)據(jù)支撐飛機(jī)的設(shè)計、維修與安全保障，這些數(shù)據(jù)因?yàn)槠鋵I(yè)屬性不同而有其嚴(yán)格的規(guī)范和格式，由飛機(jī)本身安置的計算機(jī)和數(shù)據(jù)記錄儀自動記錄，誤碼率較低，承載的信息精確，便于數(shù)據(jù)清洗和日后的準(zhǔn)確分析，這為在航空領(lǐng)域開展大數(shù)據(jù)應(yīng)用奠定了很好的基礎(chǔ)。近年來，航空工業(yè)巨頭波音、空客以及通用電氣(General Electric Company,GE)均投入巨資開展大數(shù)據(jù)技術(shù)方面的研究，顯示出了大數(shù)據(jù)技術(shù)在航空工業(yè)領(lǐng)域的良好應(yīng)用前景。

本文結(jié)合航空大數(shù)據(jù)的特點(diǎn)，從大數(shù)據(jù)處理的4個基本流程為切入點(diǎn)進(jìn)行剖析；著重闡述航空大數(shù)據(jù)分析技術(shù)在系統(tǒng)級故障預(yù)測領(lǐng)域的應(yīng)用，并結(jié)合美國大數(shù)據(jù)分析技術(shù)在航空領(lǐng)域的應(yīng)用現(xiàn)狀，指出了大數(shù)據(jù)技術(shù)在航空領(lǐng)域應(yīng)用的發(fā)展趨勢。

2 航空大數(shù)據(jù)技術(shù)簡介

航空大數(shù)據(jù)技術(shù)的總體架構(gòu)同傳統(tǒng)大數(shù)據(jù)架構(gòu)類似，需要經(jīng)過數(shù)據(jù)源采集、數(shù)據(jù)存儲管理、數(shù)據(jù)分析和數(shù)據(jù)展現(xiàn)4個階段。但是，在每個階段，航空大數(shù)據(jù)的相關(guān)技術(shù)又會同傳統(tǒng)大數(shù)據(jù)技術(shù)相區(qū)別，體現(xiàn)出鮮明的行業(yè)特點(diǎn)。航空大數(shù)據(jù)技術(shù)架構(gòu)如圖1所示。

圖1 航空大數(shù)據(jù)技術(shù)架構(gòu)Fig.1 Big data architecture for aviation industry

下面結(jié)合航空大數(shù)據(jù)技術(shù)架構(gòu)4個主要組成部分分別進(jìn)行介紹。

2.1 航空大數(shù)據(jù)獲取技術(shù)

航空大數(shù)據(jù)獲取技術(shù)是一種利用機(jī)載傳感器、無線通信設(shè)備以及人工手段獲取同裝備使用狀態(tài)相關(guān)各類數(shù)據(jù)的綜合技術(shù)。目前在航空領(lǐng)域，大數(shù)據(jù)獲取技術(shù)主要分為3類。

(1)基于機(jī)載傳感器的大數(shù)據(jù)獲取技術(shù)

主要代表技術(shù)又分為民航領(lǐng)域普遍應(yīng)用的飛參數(shù)據(jù)獲取技術(shù)(Quick Access Recorder，QAR)，航空裝備制造商如波音、GE、羅羅公司普遍使用的遠(yuǎn)程診斷數(shù)據(jù)(Remote Diagnostics，RD)采集技術(shù)，以及軍用航空裝備領(lǐng)域普遍應(yīng)用的基于飛行數(shù)據(jù)管理系統(tǒng)(Flight Data Management System,FDMS)的數(shù)據(jù)采集技術(shù)。QAR飛參數(shù)據(jù)獲取技術(shù)通過機(jī)載快速存取裝置，可同時采集包括飛機(jī)飛行姿態(tài)、機(jī)上設(shè)備運(yùn)行狀態(tài)、燃油使用量在內(nèi)的數(shù)百種數(shù)據(jù)。RD數(shù)據(jù)采集技術(shù)則通過飛機(jī)渦輪風(fēng)扇發(fā)動機(jī)上的傳感器采集發(fā)動機(jī)在起飛和降落階段的各種關(guān)鍵參數(shù)。例如：GE的CFM56發(fā)動機(jī)安裝有12個傳感器，每個飛行架次可采集300～500條關(guān)于發(fā)動機(jī)溫度、壓力和振動方面的測量值[3]；基于FDMS的數(shù)據(jù)采集技術(shù)則是通過軍用飛機(jī)內(nèi)部的飛行數(shù)據(jù)管理系統(tǒng)收集數(shù)據(jù)，收集的數(shù)據(jù)類型涉及飛機(jī)的發(fā)動機(jī)、飛控、大氣數(shù)據(jù)、座艙綜合顯示和控制、燃油測量、火控、無線電通信、導(dǎo)航和供電等機(jī)載系統(tǒng)的各項信息。目前，F(xiàn)DMS已裝備F-15、F-16、“幻影-2000”等第三代戰(zhàn)斗機(jī)以及F-22第四代戰(zhàn)斗機(jī)[4]。

(2)基于衛(wèi)星、無線電傳輸?shù)拇髷?shù)據(jù)獲取技術(shù)

該技術(shù)的代表技術(shù)為ACARS技術(shù)。ACARS全稱為Aircraft Communication Addressing and Reporting System，是一種在航空器和地面站之間通過無線電或衛(wèi)星傳輸短消息(報文)的數(shù)字?jǐn)?shù)據(jù)鏈系統(tǒng)。通過ACARS系統(tǒng)，機(jī)組人員和地面可以在飛行過程中實(shí)現(xiàn)雙向通信，地面人員也可實(shí)時了解飛機(jī)的飛行狀態(tài)、氣象條件、發(fā)動機(jī)性能。

(3)基于便攜式輔助維修設(shè)備(Portable Maintenance Aid,PMA)以及人工記錄的大數(shù)據(jù)獲取技術(shù)

基于PMA的大數(shù)據(jù)獲取技術(shù)允許地勤人員通過便攜式計算機(jī)現(xiàn)場收集同裝備運(yùn)行狀態(tài)相關(guān)的關(guān)鍵數(shù)據(jù)，輔助維修決策?；谌斯び涗浀拇髷?shù)據(jù)獲取技術(shù)則多為手工現(xiàn)場記錄，記錄的數(shù)據(jù)多為部隊用戶在實(shí)際使用裝備過程中得到的數(shù)據(jù),這些數(shù)據(jù)往往通過地勤人員現(xiàn)場記錄，匯總后統(tǒng)一錄入部隊裝備信息管理體系。

2.2 航空大數(shù)據(jù)存儲技術(shù)

航空大數(shù)據(jù)存儲技術(shù)是一種通過利用各種數(shù)據(jù)庫系統(tǒng)對獲取的各類航空數(shù)據(jù)進(jìn)行解析、加工、存儲和管理的綜合性技術(shù)。該項技術(shù)和傳統(tǒng)大數(shù)據(jù)存儲技術(shù)的區(qū)別在于有專門的工業(yè)解析協(xié)議來解析收集的航空數(shù)據(jù)。例如：GE開發(fā)的Predix工業(yè)互聯(lián)網(wǎng)平臺可支持7種工業(yè)通信協(xié)議，并具備相關(guān)工業(yè)設(shè)備運(yùn)行數(shù)據(jù)的實(shí)時傳輸與解析能力，其中便內(nèi)嵌有針對飛機(jī)QAR參數(shù)的數(shù)據(jù)解析與存儲模塊。數(shù)據(jù)存儲和管理方面，考慮到在飛機(jī)設(shè)計、制造、試飛以及運(yùn)營過程中產(chǎn)生的海量結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)，航空制造企業(yè)通常采用分布式架構(gòu)存儲和管理航空數(shù)據(jù)資源。分布式存儲架構(gòu)同時還可滿足工業(yè)部門對于飛機(jī)設(shè)計與制造環(huán)節(jié)數(shù)據(jù)共享、數(shù)據(jù)挖掘與分析，以及可視化展示等特定應(yīng)用功能擴(kuò)展的需求，目前在GE的Predix平臺上有專門的航空大數(shù)據(jù)湖，存儲的航空發(fā)動機(jī)數(shù)據(jù)以及飛機(jī)狀態(tài)運(yùn)行數(shù)據(jù)已經(jīng)超過PB量級且在不斷擴(kuò)充中。GE同時還應(yīng)用SAP、Oracle等企業(yè)資源管理軟件，來進(jìn)一步延伸Predix平臺對于航空數(shù)據(jù)規(guī)范化管理與使用的功能。此外，航空大數(shù)據(jù)存儲技術(shù)對存儲裝置的可靠性要求較高。例如：QAR機(jī)載飛參記錄裝置本身就是個小型的數(shù)據(jù)存儲器，能夠在飛機(jī)飛行過程中以較高精度實(shí)時收集和存儲各類飛行參數(shù)。

2.3 航空大數(shù)據(jù)分析技術(shù)

航空大數(shù)據(jù)分析技術(shù)是利用包括統(tǒng)計分析、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)在內(nèi)的多種數(shù)據(jù)挖掘與分析手段對收集的航空裝備狀態(tài)數(shù)據(jù)進(jìn)行分析與挖掘，提煉數(shù)據(jù)中隱含的反映裝備運(yùn)行狀態(tài)的規(guī)律，從而實(shí)現(xiàn)對裝備故障的預(yù)測，本文稍后將對此部分展開介紹。

2.4 航空大數(shù)據(jù)可視化技術(shù)

航空大數(shù)據(jù)可視化技術(shù)是一種借助圖形化手段，清晰有效地傳達(dá)同航空裝備運(yùn)行狀態(tài)相關(guān)的各項信息的技術(shù)，代表技術(shù)為虛擬現(xiàn)實(shí)技術(shù)。例如：在飛行器設(shè)計階段早期，虛擬現(xiàn)實(shí)技術(shù)利用數(shù)字樣機(jī)將海量數(shù)據(jù)可視化，以更直觀的方式提升設(shè)計人員對復(fù)雜系統(tǒng)的理解。其他航空大數(shù)據(jù)可視化技術(shù)還包括基于裝備損傷數(shù)據(jù)的三維建模技術(shù)。例如：來自加拿大NGRAIN公司開發(fā)出的數(shù)字化解決工具可允許地勤人員現(xiàn)場實(shí)時收集戰(zhàn)斗機(jī)的損傷數(shù)據(jù)并進(jìn)行三維結(jié)構(gòu)建模，極大降低了地勤人員主觀誤判的可能，有效提高了戰(zhàn)斗機(jī)維修的效率，該項技術(shù)業(yè)已應(yīng)用于美軍F-22和F-35戰(zhàn)斗機(jī)項目[5]。

3 航空大數(shù)據(jù)分析技術(shù)在系統(tǒng)級故障預(yù)測領(lǐng)域的應(yīng)用

3.1 飛行器系統(tǒng)級故障的特點(diǎn)

目前，航空大數(shù)據(jù)分析技術(shù)最有前景的應(yīng)用集中在飛行器系統(tǒng)級故障預(yù)測領(lǐng)域?，F(xiàn)代飛行器是各種系統(tǒng)的復(fù)合體，單獨(dú)系統(tǒng)的失效往往會牽扯到鄰近系統(tǒng)的正常運(yùn)作，進(jìn)而導(dǎo)致飛行器的整體失效，因此，對現(xiàn)代飛行器系統(tǒng)級別的故障預(yù)測一直是航空業(yè)界的研究熱點(diǎn)之一。目前，對于飛行器系統(tǒng)級別的故障預(yù)測有3個棘手的問題：一是個體和個體之間的互相作用(博弈),例如飛行器內(nèi)部眾多的成分和數(shù)量及其特征的多樣化、系統(tǒng)的層次性、成分間的交互耦合行為等；二是飛行器自身系統(tǒng)與外部環(huán)境之間的相互作用(反饋)；三是涌現(xiàn)性。在系統(tǒng)科學(xué)中，若干部分按照某種方式整合成為一個系統(tǒng)，就會產(chǎn)生出整體具有而部分或部分總和所沒有的東西，系統(tǒng)科學(xué)把這種整體才具有、孤立的部分及其總和不具有的特性稱為整體涌現(xiàn)性(Whole Emergence)。飛行器自身系統(tǒng)在上述3個要素的共同作用下形成復(fù)雜模式(Pattern)，對飛行器自身系統(tǒng)行為的預(yù)測本質(zhì)上即為對系統(tǒng)復(fù)雜模式的預(yù)測。

傳統(tǒng)基于故障物理模型或者專家知識庫的故障預(yù)測方法由于依賴先驗(yàn)知識和系統(tǒng)內(nèi)部邏輯關(guān)系的描述，難以有效處理飛行器復(fù)雜系統(tǒng)普遍存在的高維度、非線性以及涌現(xiàn)性問題。而航空裝備數(shù)據(jù)資源的日益豐富以及機(jī)器學(xué)習(xí)方法的再次興起，則為解決上述問題提供了一條新的思路?；诖髷?shù)據(jù)分析技術(shù)的飛行器系統(tǒng)級故障預(yù)測，即在系統(tǒng)、子系統(tǒng)、部件、相關(guān)使用環(huán)境、人為影響因素等方面產(chǎn)生的多維海量數(shù)據(jù)基礎(chǔ)上，運(yùn)用機(jī)器學(xué)習(xí)以及統(tǒng)計分析的手段對故障樣本庫進(jìn)行訓(xùn)練，在歷史數(shù)據(jù)基礎(chǔ)上預(yù)測系統(tǒng)復(fù)雜故障模式演變趨勢，從客觀數(shù)據(jù)的角度而不是傳統(tǒng)故障機(jī)理或者經(jīng)驗(yàn)知識的角度推測飛行器系統(tǒng)在未來某一時間內(nèi)發(fā)生故障的類型，從而實(shí)現(xiàn)飛行器系統(tǒng)級故障的預(yù)測。

3.2 美國大數(shù)據(jù)分析技術(shù)在航空故障預(yù)測領(lǐng)域的應(yīng)用現(xiàn)狀

美國運(yùn)用大數(shù)據(jù)分析技術(shù)在航空領(lǐng)域應(yīng)用的起步較早，理論研究和工程應(yīng)用結(jié)合較為緊密，并注重融合主流的科技成果和理念。早在20世紀(jì)70年代，美國國家航空航天局(NASA)便提出了基于傳感器數(shù)據(jù)的航天器綜合健康管理概念，并在此概念基礎(chǔ)上衍生出了飛機(jī)狀態(tài)監(jiān)測系統(tǒng)、發(fā)動機(jī)監(jiān)測系統(tǒng)以及綜合診斷預(yù)測系統(tǒng)。20世紀(jì)末，隨著美軍F-35(Joint Strike Fighter，JSF)項目的啟動，上述解決方案被正式命名為預(yù)測與健康管理((Prognostics and Health Management，PHM)系統(tǒng)，實(shí)現(xiàn)了基于系統(tǒng)狀態(tài)數(shù)據(jù)的故障診斷方法從理論研究向裝備型號應(yīng)用的轉(zhuǎn)變。2000年以后，隨著互聯(lián)網(wǎng)技術(shù)和計算科學(xué)的飛速發(fā)展，西方發(fā)達(dá)國家開始嘗試使用機(jī)器學(xué)習(xí)的手段處理高維海量工業(yè)數(shù)據(jù)，識別復(fù)雜裝備內(nèi)部系統(tǒng)的故障發(fā)生規(guī)律。其中，美國聯(lián)邦政府科研機(jī)構(gòu)和大型航空制造企業(yè)下屬的研究團(tuán)隊均在不同程度地進(jìn)行基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)的裝備故障預(yù)測研究，目前已知的研究方向包括數(shù)據(jù)驅(qū)動的方法、數(shù)據(jù)驅(qū)動和物理模型混合的方法、基于深度學(xué)習(xí)的剩余壽命預(yù)測、基于深度學(xué)習(xí)的故障預(yù)測等。下面簡要介紹3種不同的航空大數(shù)據(jù)分析技術(shù)并淺析它們各自的應(yīng)用方向。

3.2.1 NASA數(shù)據(jù)驅(qū)動的設(shè)備剩余壽命預(yù)測技術(shù)

作為世界頂尖的航空和航天研究機(jī)構(gòu)，NASA一直致力于復(fù)雜航空航天裝備故障預(yù)測領(lǐng)域的研究，并擁有專門的故障預(yù)測卓越中心(Prognostics Center of Excellence,PCoE)進(jìn)行裝備故障預(yù)測方面的研究，其中一項成果便是由Kai Gobei提出的數(shù)據(jù)驅(qū)動的設(shè)備剩余壽命(Remaining Useful Life,RUL)預(yù)測技術(shù)。該項技術(shù)強(qiáng)調(diào)要在訓(xùn)練數(shù)據(jù)數(shù)量、運(yùn)算能力、算法魯棒性、不確定性管理、預(yù)測準(zhǔn)確度等因素綜合考慮與權(quán)衡的基礎(chǔ)上選取合適的方法進(jìn)行預(yù)測。對應(yīng)于數(shù)據(jù)，NASA提出了兩種策略：一種是把n維特征數(shù)據(jù)映射為1維健康因子數(shù)據(jù)，然后采用曲線擬合、外推等方式進(jìn)行預(yù)測；另一種是直接進(jìn)行n維數(shù)據(jù)的模式匹配，構(gòu)建特征空間的n維數(shù)據(jù)的退化特征，并給出對象目標(biāo)的剩余壽命，如圖2所示。

圖2 NASA的設(shè)備剩余壽命預(yù)測策略示意圖Fig.2 Illustration of NASA′s prognostics strategy for equipment′s RUL

在對一組太空旋轉(zhuǎn)裝置故障前后的時序測試數(shù)據(jù)研究中，NASA根據(jù)裝置損傷模型的特性分別提出了基于相關(guān)向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)和高斯回歸過程的3種剩余壽命預(yù)測方法，其中相關(guān)向量機(jī)以及人工神經(jīng)網(wǎng)絡(luò)方法的結(jié)果大部分都位于預(yù)測準(zhǔn)確度區(qū)間內(nèi)，取得了較好的預(yù)測效果[6]。NASA團(tuán)隊的基于3種剩余壽命預(yù)測方法的結(jié)果對比如表1所示。其中，負(fù)值表明預(yù)測的故障發(fā)生點(diǎn)晚于實(shí)際故障發(fā)生點(diǎn)，因此被認(rèn)為是失敗的預(yù)測。

表1 3種不同方法下設(shè)備剩余壽命(RUL)預(yù)測誤差的結(jié)果對比Tab.1 Numerical results of three algorithms during RUL prediction 時間單元

3.2.2 UTC基于深度學(xué)習(xí)的故障預(yù)測技術(shù)

美國聯(lián)合技術(shù)公司(UTC)是一家多元化制造企業(yè)，同時也是重要的航空裝備供應(yīng)商，旗下的子公司普惠公司是世界領(lǐng)先的飛機(jī)發(fā)動機(jī)設(shè)計、制造與服務(wù)商。目前,聯(lián)合技術(shù)公司正在進(jìn)行基于深度學(xué)習(xí)的故障預(yù)測研究。在2016年公布的一段視頻中，來自聯(lián)合技術(shù)研究中心的工程師通過應(yīng)用深度信念網(wǎng)絡(luò)(Deep Belief Network，DBN)，在普惠發(fā)動機(jī)采集的歷史傳感器數(shù)據(jù)基礎(chǔ)上構(gòu)建了發(fā)動機(jī)的運(yùn)行狀態(tài)還原模型，并成功實(shí)現(xiàn)了對發(fā)動機(jī)狀態(tài)參數(shù)值的預(yù)估。同時，使用深度自編碼器(Deep Auto-Encoders)降低了模型重塑的誤差，提高了發(fā)動機(jī)狀態(tài)預(yù)測的效果[7]。在基于深度學(xué)習(xí)模型預(yù)測的發(fā)動機(jī)運(yùn)行狀態(tài)基礎(chǔ)上,機(jī)載實(shí)時數(shù)據(jù)分析系統(tǒng)可實(shí)時監(jiān)控飛機(jī)發(fā)動機(jī)的工作狀態(tài)并預(yù)測其變化趨勢,并將相關(guān)信息傳送給飛機(jī)任務(wù)系統(tǒng)，具體流程如圖4所示。

圖4 UTC基于深度學(xué)習(xí)的發(fā)動機(jī)狀態(tài)預(yù)測技術(shù)示意圖Fig.4 Deep-learning based approach for engine prognostics

3.2.3 通用電氣GE的數(shù)字雙胞胎模型

美國通用電氣公司(GE)是世界上最大的提供技術(shù)和服務(wù)業(yè)務(wù)的跨國公司，其旗下的GE航空集團(tuán)同時也是世界領(lǐng)先的民用、軍用、公務(wù)及通用飛機(jī)噴氣、渦漿和渦油發(fā)動機(jī)及部件和集成系統(tǒng)的供應(yīng)商。GE計劃于2017年部署數(shù)字雙胞胎模型(Digital Twin),如圖5所示。Digital Twin本質(zhì)上是一種基于噴氣發(fā)動機(jī)傳感數(shù)據(jù)、數(shù)字化發(fā)動機(jī)物理模型以及虛擬現(xiàn)實(shí)技術(shù)的綜合大數(shù)據(jù)分析技術(shù)，通過將發(fā)動機(jī)的操作數(shù)據(jù)添加到對應(yīng)的數(shù)字雙胞胎模型中進(jìn)行虛擬現(xiàn)實(shí)操作，數(shù)字模型可以給出發(fā)動機(jī)零部件的更換建議，GE據(jù)此可以得出一個基于環(huán)境變化而不是時間變化的發(fā)動機(jī)維護(hù)計劃，從而使得維護(hù)計劃更有針對性，極大地提高了GE旗下物理資產(chǎn)的利用價值[8]。

圖5 GE數(shù)字雙胞胎技術(shù)示意圖Fig.5 Illustration of GE’s Digital Twin

4 航空大數(shù)據(jù)技術(shù)展望

根據(jù)對國外航空大數(shù)據(jù)技術(shù)發(fā)展與應(yīng)用的總結(jié)分析可知，航空大數(shù)據(jù)技術(shù)的發(fā)展在未來會呈現(xiàn)以下幾個趨勢：

一是數(shù)據(jù)存儲量較以往將更加龐大，尤其是新一代民用客機(jī)和軍用飛機(jī)，機(jī)體內(nèi)部的傳感器數(shù)量多，各系統(tǒng)之間信息交聯(lián)較以往更加復(fù)雜，采集的相關(guān)參數(shù)種類也更加多樣化。航空數(shù)據(jù)資源的日益豐富，也將進(jìn)一步擴(kuò)展航空大數(shù)據(jù)技術(shù)應(yīng)用的場景與領(lǐng)域。

二是隨著分析數(shù)據(jù)量的增多以及航空裝備本身存在的系統(tǒng)耦合性，單純的統(tǒng)計分析方法將難以準(zhǔn)確描述航空裝備本身狀態(tài)的變化，以深度學(xué)習(xí)為代表的人工智能技術(shù)不依賴復(fù)雜系統(tǒng)內(nèi)部邏輯關(guān)系的表達(dá)，對于航空裝備復(fù)雜系統(tǒng)級故障的耦合非線性問題有較強(qiáng)的抗干擾能力，在航空大數(shù)據(jù)分析技術(shù)中將扮演重要角色。

三是隨著虛擬現(xiàn)實(shí)技術(shù)的引入，大數(shù)據(jù)可視化技術(shù)有望有效提升工程人員的感知與分析能力，進(jìn)而實(shí)現(xiàn)更為高效的人機(jī)交互，從而推動大數(shù)據(jù)可視化技術(shù)從單純的數(shù)據(jù)解釋與表達(dá)功能向飛行器設(shè)計、裝備制造與維修過程中的排故等實(shí)用功能的轉(zhuǎn)變。

5 結(jié)束語

綜上，以美國為主的西方發(fā)達(dá)國家意識到在迅猛發(fā)展的信息化社會，數(shù)據(jù)是重要的戰(zhàn)略資源，已率先在航空領(lǐng)域開展基于大數(shù)據(jù)技術(shù)的研究與應(yīng)用。通過建立規(guī)范化收集、利用和整合各方面數(shù)據(jù)資源的機(jī)制，研究深度挖掘海量數(shù)據(jù)的新手段和方法，構(gòu)建能夠存儲和處理海量數(shù)據(jù)的軟硬件能力，西方發(fā)達(dá)國家在航空大數(shù)據(jù)技術(shù)領(lǐng)域的研究進(jìn)展較以往達(dá)到了一個新的高度。同時，通過集成最新的人工智能技術(shù)、虛擬現(xiàn)實(shí)技術(shù)，美國研究人員極大地拓展了大數(shù)據(jù)技術(shù)在航空工業(yè)領(lǐng)域應(yīng)用的內(nèi)涵，為處理海量高維航空數(shù)據(jù)以及復(fù)雜系統(tǒng)級故障難以預(yù)測的問題探索出了一條新的方向?！笆濉逼陂g，我國將全面啟動實(shí)施航空發(fā)動機(jī)和燃?xì)廨啓C(jī)重大專項，同時包括C919、C929大飛機(jī)在內(nèi)的一大批航空科研項目也將進(jìn)入關(guān)鍵節(jié)點(diǎn)，亟待大數(shù)據(jù)技術(shù)在上述項目實(shí)施過程中的保駕護(hù)航。通過以大數(shù)據(jù)為資源和技術(shù)抓手大力提升航空領(lǐng)域的信息化支撐水平，大數(shù)據(jù)技術(shù)將會在航空領(lǐng)域獲得更大程度的探索和應(yīng)用，從而進(jìn)一步推動大數(shù)據(jù)+航空的領(lǐng)域化技術(shù)研究與發(fā)展。

[1] 馬世龍，烏尼日其其格，李小平．大數(shù)據(jù)與深度學(xué)習(xí)綜述[J]．智能系統(tǒng)學(xué)報，2016,11(6):728-742.

MA Shilong，WUNIRI Qiqige，LI Xiaoping.Deep learning with big data: state of the art and development [J]．CAAI Transactions on Intelligent Systems，2016,11(6):728-742.(in Chinese)

[2] 張俊林. 大數(shù)據(jù)日知錄[M].北京：電子工業(yè)出版社,2014.

[3] SAFRAN.Diagnostics and management[EB/OL].[2017-04-10].https://www.safran-aircraft-engines.com/services/single-aisle-commercial-jet-engines/engineering-and-consulting-services.

[4] 張建業(yè)，張鵬.飛行數(shù)據(jù)的時間序列分析方法及其應(yīng)用[M].北京：國防工業(yè)出版社，2013.

[5] NGRAIN.Battle damage assessment and repair for the F-35 and F-22[EB/OL].[2017-04-10].http://www.ngrain.com/lockheed-martin.

[6] National Aeronautics and Space Administration. Results and Discussions[EB/OL].[2017-04-10]. https://ti.arc.nasa.gov/tech/dash/pcoe/data-driven-prognostics/results.

[7] REDDY K K. Applying deep learning for prognostic health monitoring of aerospace and building systems[EB/OL].(2016-11-07)[2017-04-10].http://videolectures.net/kdd2016_reddy_deep_learning.

[8] BABCOCK C.GE plans software platform for creating‘Digital Twins’[EB/OL].(2016-07-21)[2017-04-10].http://www.eetimes.com/document.asp?doc_id=1330173.

Development and Application of Big Data Technology in Aviation Industry

LIU Fengkai1，LI Qian2

(1.AVIC China Aero-Polytechnology Establishment，Beijing 100028，China；2.North China Institute of Computing Technology, Beijing 100083, China)

Big data technology has developed rapidly in such area as Internet, e-commerce and finance. However, the value of big data technology has not yet been fully realized in aviation industry. As a matter of fact, big data technology possesses great potential in the fields of aircraft design, system-level prognostics and aviation repair and maintenance, which deserves in-depth research and exploration. This paper introduces big data′s basic concept and its architecture,followed by analysis of applications of related technology in aviation industry under the context of big data life cycle with emphasis on application of big data technology in prognostics.Finally,it points out the developing trend of aviation big data technology in the future according to the application status of U.S.'s big data technology in aviation field.

aviation industry；big data；system-level prognostics；application prospect

10.3969/j.issn.1001-893x.2017.07.020

劉豐愷，李茜.航空大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用[J].電訊技術(shù)，2017,57(7):849-854.[LIU Fengkai，LI Qian.Development and application of big data technology in aviation industry[J].Telecommunication Engineering,2017,57(7):849-854.]

2017-04-25；

2017-06-22 Received date:2017-04-25；Revised date：2017-06-22

TP274

A

1001-893X(2017)07-0849-06

劉豐愷(1987—)，男，北京人，碩士，工程師，主要研究方向?yàn)榛诖髷?shù)據(jù)的故障預(yù)測技術(shù)；

Email: titikai@163.com

李 茜(1983—)，女，山西人，碩士，高級工程師，主要研究方向?yàn)榇髷?shù)據(jù)技術(shù)。

**通信作者：titikai@163.com Corresponding author：titikai@163.com