頻譜分析在飛機(jī)排故中的應(yīng)用

陳喜超

摘要：飛機(jī)機(jī)電系統(tǒng)正在向綜合化和智能化發(fā)展，對(duì)故障的診斷技術(shù)提出了新的挑戰(zhàn)。本文首先介紹倒頻譜分析的原理與方法，然后就該方法在空客A320飛機(jī)增壓系統(tǒng)故障診斷中的應(yīng)用進(jìn)行了深入分析，包括提取增壓系統(tǒng)相關(guān)的故障特征和對(duì)相關(guān)故障模式進(jìn)行識(shí)別，最后討論了航空器故障診斷技術(shù)的發(fā)展。本文可為航空器故障診斷提供新的思路。

關(guān)鍵詞：故障診斷;倒頻譜;機(jī)電系統(tǒng)

Keywords：fault diagnosis;cepstrum;mechanical and electrical system

0 引言

空客A320飛機(jī)由電子系統(tǒng)、機(jī)電系統(tǒng)以及發(fā)動(dòng)機(jī)系統(tǒng)三大部分組成。隨著航空技術(shù)的發(fā)展，機(jī)電系統(tǒng)越來越趨向于綜合化和智能化，對(duì)系統(tǒng)的安全性、可靠性提出了更高的要求。

在傳統(tǒng)的飛機(jī)故障診斷中，QAR數(shù)據(jù)診斷主要應(yīng)用在時(shí)域分析上，通過在一個(gè)特定的飛行階段找到該階段某個(gè)參數(shù)的平均值、最小值以及最大值等相關(guān)統(tǒng)計(jì)量，查看該參數(shù)是否超出某個(gè)門檻值，從而判斷系統(tǒng)是否有故障。這種時(shí)域分析對(duì)故障本身惡化程度較高的情況具有較好的敏感度，但是一些早期故障的故障現(xiàn)象往往不穩(wěn)定，伴有某個(gè)參數(shù)或者多個(gè)參數(shù)間歇性波動(dòng)，這種情況下通過時(shí)域分析難以判斷故障源，需要頻域分析才能找到故障根源。

1 倒頻譜原理

倒頻譜分析也稱為二次頻譜分析，是信號(hào)處理中的一種常用技術(shù)，是檢測(cè)復(fù)雜譜圖中周期分量的有用工具，對(duì)于分析同族諧頻或異族諧頻、多成分邊頻等復(fù)雜信號(hào)、找出功率譜上不易發(fā)現(xiàn)的問題非常有效。

如果不進(jìn)行倒頻譜，當(dāng)x（t）發(fā)生波動(dòng)時(shí)，由于系統(tǒng)響應(yīng)h（t）的作用，在觀測(cè)端（傳感器的探測(cè)）會(huì)出現(xiàn)x（t）與h（t）卷積的結(jié)果，即出現(xiàn)邊頻帶，從而看不出具體的故障頻率。通過倒頻譜變換，可消除邊頻帶，將具體的故障頻率隔離出來。在實(shí)際應(yīng)用中，即使故障頻率的具體值未知，仍可通過對(duì)多個(gè)參數(shù)同時(shí)進(jìn)行倒頻譜分析，然后查看這些參數(shù)是否有共同的倒頻率，如有，則說明參數(shù)是關(guān)聯(lián)的，反之則說明是獨(dú)立的。有關(guān)聯(lián)的情況下可以進(jìn)一步查看哪個(gè)參數(shù)的倒頻率數(shù)量少，一般來說數(shù)量少的倒頻率即為故障源，而數(shù)量多的倒頻率為收到了系統(tǒng)響應(yīng)的倒頻率，不是真正的故障源，數(shù)量多是因受到故障源的干擾產(chǎn)生的連帶現(xiàn)象。

2 實(shí)際應(yīng)用

以一架A320飛機(jī)起飛階段機(jī)組反饋有壓耳現(xiàn)象的故障為例，說明如何應(yīng)用倒頻譜分析達(dá)到準(zhǔn)確鎖定故障源的目的。

2.1 故障現(xiàn)象

通過查看機(jī)組反饋時(shí)的QAR譯碼（見圖1）發(fā)現(xiàn)，當(dāng)時(shí)為起飛階段，外流活門波動(dòng)，伴隨有VSCB波動(dòng)、2發(fā)引氣溫度波動(dòng)、2發(fā)引氣壓力波動(dòng)、PACK2空調(diào)流量波動(dòng)、2發(fā)FAV開關(guān)波動(dòng)、客艙高度輕微波動(dòng)現(xiàn)象。

2.2 系統(tǒng)原理

A320飛機(jī)增壓實(shí)際由進(jìn)氣部分和出氣部分組成。CPC控制外流活門即出氣部分，進(jìn)氣部分則由ACSC通過控制FCV來實(shí)現(xiàn)。

1）進(jìn)氣部分

圖2所示為ACSC的控制邏輯原理，F(xiàn)CV的位置命令由流量選擇按鈕、單組件或雙組件或APU引氣條件、組件的壓氣機(jī)出口溫度以及飛機(jī)的高度和飛行階段來計(jì)算。將組件流量和客艙高度作為反饋來調(diào)節(jié)FCV的開度。命令計(jì)算中，流量旋鈕一般在自動(dòng)位保持不變，飛機(jī)在空中時(shí)也是雙組件工作保持不變，組件的壓氣機(jī)出口溫度正常情況下不超過215℃，不限制組件流量，只有飛機(jī)的高度和飛行階段需要控制輸入，可以理解為流量指令只與飛機(jī)高度有關(guān)。從下面的負(fù)反饋可以看出，前三個(gè)用于計(jì)算FCV的質(zhì)量流量，客艙高度是一個(gè)反饋對(duì)象，因此組件流量與飛機(jī)高度和客艙高度相關(guān)。

在FCV中是利用文氏管的原理來測(cè)流量，具體原理如圖3所示。

2）排氣部分

CPC通過來自EIU、LGCIU、ADIRU、FMGC等信號(hào)來確認(rèn)處于哪一飛行階段，并按照各個(gè)飛行階段的特點(diǎn)進(jìn)行增壓。通過接收到的高度信號(hào)控制外流活門，繼而控制壓差和客艙高度。CPC內(nèi)部有自己的飛行階段，分別是地面模式、起飛模式、爬升模式、巡航模式、下降模式和中斷模式。通過外部信號(hào)來決定使用哪個(gè)階段，具體增壓控制邏輯如圖4所示。當(dāng)飛行階段選定后，CPC會(huì)根據(jù)每個(gè)階段事先制定的增壓計(jì)劃，通過飛機(jī)高度來控制外流活門的開度，再將客艙高度反饋給CPC，從而實(shí)現(xiàn)閉環(huán)控制。

3）客艙內(nèi)剩余空氣

其中，Q為質(zhì)量流量，f為流量選擇位置，Pc為客艙壓力，Tc為客艙溫度，Qvs為正常的海平面體積流量。從式（9）可以看出，客艙壓力由客艙內(nèi)存在的氣體量決定，客艙內(nèi)氣體的質(zhì)量由進(jìn)氣量和排氣量共同決定。各參數(shù)之間的關(guān)系如圖5所示。

從圖5可知，雖然機(jī)組只反饋了起飛階段有壓耳現(xiàn)象，但根據(jù)QAR譯碼，多個(gè)參數(shù)在同時(shí)波動(dòng)，且分屬于不同的系統(tǒng)。而每個(gè)系統(tǒng)從整個(gè)飛機(jī)來看并不是獨(dú)立的，其中一個(gè)參數(shù)波動(dòng)，其他參數(shù)通過飛機(jī)的控制系統(tǒng)可能也會(huì)隨之波動(dòng)，因此需要找出哪一個(gè)參數(shù)才是故障根源。

2.3 QAR數(shù)據(jù)收集

隨著空客SKYWISE系統(tǒng)的應(yīng)用，目前飛機(jī)的所有QAR數(shù)據(jù)都可以存儲(chǔ)在SKYWISE平臺(tái)上，通過該平臺(tái)查看對(duì)應(yīng)飛機(jī)的QAR數(shù)據(jù)，并將QAR數(shù)據(jù)導(dǎo)入CODEWORK工具中，利用PYTHON中的SCIPY包對(duì)QAR數(shù)據(jù)進(jìn)行倒頻譜變換，通過matplotlib包使倒頻譜變換后的數(shù)據(jù)可視化。

2.4 倒頻譜分析

對(duì)幾個(gè)波動(dòng)參數(shù)同時(shí)進(jìn)行倒頻譜分析，結(jié)果如圖6所示。

從圖6中可以看出，在橫坐標(biāo)20附近，幾個(gè)參數(shù)都有一個(gè)峰值，隨后PACK2的流量沒有了峰值，而其他參數(shù)還有一些小峰值，其中VSCB1（客艙高度垂直變化率）的波峰最多。這說明PACK2的流量是故障根源，因該參數(shù)只有一個(gè)波峰，而其他參數(shù)因收到系統(tǒng)響應(yīng)會(huì)出現(xiàn)多個(gè)波峰，特別是VSCB1參數(shù)收到的系統(tǒng)響應(yīng)較復(fù)雜也較多，故其波峰也最多。影響PACK2流量的主要部件是組件2的FCV活門，更換FCV2活門，故障消失。該活門送檢發(fā)現(xiàn)，活門內(nèi)部力矩馬達(dá)損壞，導(dǎo)致了該故障，圖7為活門送修報(bào)告。

3 結(jié)束語

通過對(duì)QAR數(shù)據(jù)的頻域分析，可以發(fā)現(xiàn)多處故障早期情況從而提早進(jìn)行預(yù)防，避免安全和運(yùn)行問題的發(fā)生。例如，通過頻域分析中的小波分析可以很容易發(fā)現(xiàn)突變點(diǎn)，而在實(shí)際運(yùn)行過程中往往因沒有ECAM警告而無任何表現(xiàn)。由于ECAM的設(shè)計(jì)邏輯往往需要2～3s以上才會(huì)觸發(fā)，造成很多早期故障被警告邏輯隱藏起來而無法被發(fā)現(xiàn)。同時(shí)，有的故障在發(fā)生時(shí)并不會(huì)有明顯的故障現(xiàn)象，這時(shí)可以對(duì)飛行結(jié)束后的QAR數(shù)據(jù)進(jìn)行批量分析，查看是否有突變點(diǎn)，針對(duì)重點(diǎn)安全系統(tǒng)進(jìn)行檢查，從而發(fā)現(xiàn)故障早期苗頭，將安全隱患提早拔除。

本文所述的頻譜分析法只是智能化的第一步，下一步可以通過收集類似的故障數(shù)據(jù)，包括故障的QAR數(shù)據(jù)、故障部件的使用時(shí)間、故障前的維護(hù)工作數(shù)據(jù)等，通過神經(jīng)網(wǎng)絡(luò)模型建立初步的人工智能診斷模型，實(shí)現(xiàn)對(duì)部分復(fù)雜故障的初步診斷，協(xié)助專業(yè)人員快速找到故障源。

參考文獻(xiàn)

[1]空客A320AMM維護(hù)手冊(cè)[Z].

[2]利博海爾空調(diào)培訓(xùn)手冊(cè)[Z].

[3]徐平，郝旺身.振動(dòng)信號(hào)處理與數(shù)據(jù)分析[M].北京：科學(xué)出版社，2016.