航空发动机健康管理用户的诊断预测指标体系

尉询楷，刘 芳 ，陈良峰，朱纪洪，杨 立

（1.北京航空工程技术研究中心，北京 100076；2.清华大学计算机科学与技术系智能系统与技术国家重点实验室，北京 100084）

航空发动机健康管理用户的诊断预测指标体系

尉询楷1,2，刘 芳1，陈良峰1，朱纪洪2，杨 立1

（1.北京航空工程技术研究中心，北京 100076；2.清华大学计算机科学与技术系智能系统与技术国家重点实验室，北京 100084）

航空发动机健康管理的顶层设计必须要满足不同健康管理用户的使用要求。简要介绍了健康管理系统的用户分类和开发流程，重点分析了面向外场使用的后勤、飞行、维修、机群管理等军方健康管理用户的要求。从健康管理诊断和预测的技术实现出发，分别分析了军方不同用户的要求与诊断、预测指标之间的映射关系，建立了相应的诊断和预测指标体系。可为军方制定满足外场使用需求的研制总要求，工业部门制定贴合用户需求的研制规范提供借鉴。

健康管理；诊断；预测；指标体系；航空发动机

0 引言

以诊断和预测为核心的用于确保发动机高安全性、高可用率、低耗费的关键使能PHM（Prognostics and Health Management）技术已成为国内外先进战机确定列装使用的关键技术[1]。其在军方健康管理技术研发过程中主要有2大职能：提出满足用户需求的战技指标体系，为工业部门进行针对性开发把握大方向；对工业部门开发出的健康管理系统效能进行验证和确认，确保产品符合设计要求，满足军方使用需求。因此，要开发适合空军军事需求的健康管理系统，必须理清军方用户的战技指标与健康管理实现技术指标之间的关系，才能确保工业部门的顶层设计规范满足军方用户的要求。

国外健康管理系统正处于快速发展和工程应用阶段，建立了较为完善的健康管理系统指标体系。例如，Wheeler等[2]综述了用于航空航天系统的诊断和预测指标，分析了其余健康管理用户目标之间的关系；JSF项目办Hess等从机群用户、PHM系统设计/开发人员角度阐述了预测的作用[3]，系统总结了健康管理系统设计中的经验教训[4-5]；Impact公司的Kacprzynski等提出了基于扩展FMECA的健康管理系统设计优化方法[6]；Leao等[7]分析了研制要求、设计和验证与确认相关的预测性能指标；Feldman等分析了健康管理的一般诊断指标[8]；Kacprzynski、Saxena等分别分析了预测技术的评价指标和实现工具[9-11]；孙博等分析了预测技术的效益分析方法[12]。

本文在参考、借鉴、消化上述健康管理理论研究成果的基础上，着重分析了军方不同用户的要求与诊断、预测指标之间的映射关系，综述了可用于中国健康管理用户的诊断和预测指标。

1 航空发动机健康管理用户

航空发动机健康管理用户可分为运行、规定和工程3类[2]，如图1所示。其中，运行类主要包括后勤、飞行、维修、机群管理和训练；规定类主要关心制定健康管理系统使用的新规定；工程类主要包括健康管理系统的维持、研发和制造。机群管理可为规定的制定提供辅助决策的依据。由于作为使用方的军方最关注运行，本文对此（即面向外场使用的用户要求）重点分析，并着重分析其与战技指标、诊断预测指标体系之间的关系[3-5]。?

2 航空发动机健康管理系统设计流程

在健康管理系统型号发展过程中，首先由军方论证机构根据部队外场用户的要求提出研制总要求和战技指标。工业部门在收到研制总要求后，将战技指标分解转化，形成健康管理系统研制顶层规范文件，提出、建立健康管理系统的实现指标体系。例如诊断和预测是航空发动机健康管理的核心实现技术，则健康管理用户要求最终都需要通过研制总要求和顶层设计规范转化为对诊断和预测技术提出的实现指标。当系统完成研制环节后，由军方根据战技指标对系统效能进行验证和确认，评估系统是否符合设计要求，能否满足军方使用要求。

航空发动机健康管理系统的设计一般采用“V”设计流程方法，其中，用户要求、战技指标、诊断预测指标体系和实现技术的关系如图2所示。

3 用户要求与战技指标

3.1 后勤

后勤负责规划和执行必要的资源采办、调动，并负责维修以维持装备运行。后勤的底线是使运行更快、更经济、更一致、更可靠。后勤用户的要求和指标见表1。

3.1.1 减少修理恢复时间

减少修理恢复时间等目标是后勤面临的技术挑战，可通过合理使用健康管理系统来改善。丰富的诊断信息（故障类型和位置）可减少对大范围地面测试设备的需求，同时也减少了修理时间。如美国军方通过使用大范围系统监视降低了周期性检查频率。

3.1.2 视情维修

在没有使用健康管理系统情况下，消耗品（如滑油）基本根据预期寿命进行定期更换。视情维修则通过使用运行包线修改更改安排和检查区间。若装备使用强度大，则进行更加频繁的周期性检查。此外，消耗品的实际状态一般可通过运行状况直接或间接监视得到，因此，可根据历史数据估计得到其性能衰退率，预报更换的最优安排并事先通知操作人员。

3.1.3 信息系统使用的便捷性

整个信息系统要使用简便，确保人员在正确的时间得到正确的完整性信息。信息系统不应只被理解为是存储记录的1种实现方式，若缺乏数据完整性要求，信息系统往往达不到预期目标。应当指出，由于评估使用性的指标受主观影响较大，系统的使用便捷性衡量起来非常困难。一般需要综合考虑人为因素进行综合设计。

后勤信息系统负责传输维修、训练、供应和任务规划之间的实时信息流，同时为后勤提供性能分析数据。之前，大规模综合信息管理系统应用失败的原因多为要求理解不到位、产品不成熟或在实际环境下测试不完备。

从美军F-35飞机项目的教训[4-5]看，该项目将综合信息系统（机群和维修）与知识发现工具、异常和失效处置系统进行了综合集成，是自主后勤保障的核心支撑技术之一，其中，综合信息系统设计好坏是健康管理能否成功应用的最重要因素。此外，在与机载诊断系统同步开发地面系统、机载诊断覆盖全系统等方面也有极为深刻的教训。

此外，在大机群和多部件供应源可用的情况下，即时考虑库存可以最大程度减少浪费和仓储费用。恢复时间可以合理规划，使用机群分析和预测进行综合优化。

3.2 飞行

飞行包括飞行员、机组以及与飞行安全相关的事项。飞行用户的健康管理目标底线是仅提供未来操作和指令不确定性和提高飞行安全性的信息。与飞行相关的用户要求和指标见表2。

3.2.1 最小化座舱虚警率

减少虚警是健康管理系统设计的重点，没有报警冲突或不一致也很重要。机组人员尤其是飞行员应尽早得到即将发生失效的信息，以确保处置故障或重新控制，或可在损伤自适应控制器的协助下扩展装备控制稳定性，以确保战机可应急安全着陆。

3.2.2 提高安全性

安全性应优先设置。安全性一般可通过飞行任务放弃数量和冒烟事件等进行评估。机组人员可对健康管理信息进行优先排序，在出现过多健康管理信息或多数重要信息被屏蔽的情况下，会出现信息过载现象。此时既要优化发送至机组的信息数量，也要允许机组人员过滤信息以得到最关键的信息。

3.3 维修

维修用户定义为场站或外场负责修理和服务的人员。维修底线是在最小化重复修理的同时，尽快、尽可能经济地使装备重新服役。维修用户的目标和指标见表3。

表3 维修用户要求和战技指标

健康管理系统应当能在无维修人员的干涉下进行正确的故障诊断，从而可同时减少不可复现和重测良好故障，并减少工作量。健康管理系统提供了失效出现前的降级预测和趋势分析能力（可由失效间隔平均时间进行评估），可在失效前修理或更换，从而减少子系统进一步失效，此外，系统还可自动、快速地识别故障部位，降低维修工作量，从而减少了维修修复时间。

3.4 机群管理

机群管理用户定义为制定影响延寿、运行费用和未来规划的决策层管理人员。机群管理的底线是在使使用资源最小化消耗的同时使可用度和任务成功率最大化。机群管理用户的目标和指标见表4。

表4 机群管理用户要求和战技指标

与其他用户不同，机群管理者与健康管理系统进行系统级的高等级交互。机群管理综合了后勤、飞行和维修的检查结果，因而机群决策等级的分析和评估比其他用户的更加关键。在综合信息系统中使用决策支持系统是机群管理的重要组成部分。

决策支持系统可以帮助制定相关规定，并通过特定查询、报告和分析等改善设计和认证。决策信息可为机群管理员、操作员和原始设备制造商使用，还可为机群管理者提供必要决策支持信息以执行严格的规定检查区间，避免在机群范围内出现规定执行不一致的情况。

4 诊断指标体系

诊断用于检测故障症状和确定根本原因。诊断的底线是以及时准确的方式检测、隔离故障，并有足够的分辨率识别出特定故障部件[8]。诊断分为检测和隔离2类，每类都包含响应时间、准确度、灵敏度/分辨率和鲁棒性等要求。诊断指标将诊断、隔离要求转化为诊断模型的指标，其中，诊断要求与诊断模型指标之间的关系见表5。

表5 诊断指标

其中，虚正率指没有故障而指示出故障的数量占总故障指示数的比率；虚负率指有故障而指示出无故障的数量占总故障指示数的比率。

战技指标需要转化为系统实现技术的指标，因此，战技指标需要分解到诊断实现技术层面。后勤、飞行、维修、机群管理用户的战技指标与诊断指标间的映射关系见表6。

4.1 用于后勤的诊断指标

4.1.1 减少修复时间

通过最大化故障检测和隔离准确率可以减少平均修理时间。设计成功的诊断系统应能够自动识别故障类型并定位故障子系统部件位置，从而节省技术人员找到故障根本原因的时间。相反，设计失败的诊断系统会误导修理人员并拖延修理恢复时间。修理恢复时间取决于诊断时间与整个诊断、修理时间的比值。使用诊断系统后修理恢复减少的时间平均值应基本是稳定的。

4.1.2 减少地面保障设备和人员

此目标可由承担诊断的地面保障人员和设备数量进行评定。若诊断系统响应足够快可在着陆前发出后勤需求，且诊断准确并有足够的分辨率，则通过机载诊断将信息遥测发给维修和后勤人员就可以在正确的时机准备正确的测试设备，从而可以有效减少地面保障人员和设备的数量。

4.1.3 减少工作量

工作量可以通过工作小时数进行评定，准确地检测、隔离和及时处置可以减少工作小时数。若检测和隔离算法比正常工作花费时间过长才能找到根本原因，则诊断系统设计是失败的。此外，若诊断或隔离错误多发，技术人员将花费更长修理时间，也会导致系统设计失败。

表6 诊断映射

综合诊断软件要重视测试覆盖、故障到失效的关联（失效隔离能力，确定失效后续影响分析能力）、虚警与虚正的比值、软件健康管理-监视软件故障的诊断环境不成熟等难点问题。其中，测试覆盖指由诊断算法覆盖的物理系统失效模式。隔离集合指在模型范围内有多少模式可以隔离到指定的待选集合。此外，还需要有独立的软件评估技术，以确定健康管理系统的采办活动是否正确实现了诊断和预测要求。

4.1.4 信息系统使用便捷性

信息系统的使用与全寿命管理的各方面都有关联，其使用的便捷性评估起来非常困难，诊断响应时间是需考虑的首要指标。从用户角度评估信息系统非常困难且主观性较大。例如，从后勤、维修、机群管理角度看，其信息需求、访问权限，甚至处理操作都有很大差异。机群管理人员关心年度统计参数，而维修人员更关心单机的维修历史和设备制造商提供的部件更换步骤。

4.1.5 最小化库存（即时）

只在部件需要更换时启动修理操作的方式可以减少备件的库存数量。一般而言，诊断技术人员需要经常串换件以确定、局域化故障的根本原因。准确隔离故障可以减少串换件操作从而间接影响库存备件指标，而通过磨损趋势预测分析也可大大减少备件库存数量。

4.2 用于飞行的诊断指标

自动诊断对于飞行人员来说更为重要，飞行员需要有足够的时间处置故障或应急着陆。

4.2.1 最小化座舱虚警率

虚警数量是飞行员关心的诊断指标。这一指标可通过最小化虚正率实现，并不是所有虚警都需飞行员对等处理，因此，需同时增加对虚警关键度的评价，从而使飞行员只得到最关键虚警处理的提示。

4.2.2 最小化座舱信息过载

信息过载会导致飞行员错过某些关键信息，且由于不同用户具有不同关注，因此，需要增加信息过滤能力。

4.2.3 座舱关键报警信息过滤

座舱关键报警过滤可根据飞行员满意度评定。最小化报警冲突数量可根据冲突报警数量评定，而最小化不一致报警可根据等级报警数进行评定。由于该指标涉及人为因素而异常复杂。若在子系统开发过程中没有考虑更多人因，则在系统级就会表现得更加突出。

4.2.4 最大化首次报警到失效的时间

最大化飞行中的诊断时效性可为飞行员提供充足的时间进行规划和响应，同时也为地面后勤提供充足时间制定维修规划。一般而言，在允许出现虚警的情况下才能进行成功的早期检测，在故障的早期检测率和虚警率之间需要权衡，而且对失效关键度和安全着陆实际需要时间的权衡也需深入研究。

4.3 用于维修的诊断指标

减少不可复现或重测良好，不可复现数量直接受故障检测准确率和隔离率影响。

4.3.1 减少维修查询时间

在老式系统中，即使是最简单的维修任务都需要花费相当长的时间。随着诊断系统的复杂化，将相关信息快速提供给修理人员非常重要，例如传感器故障线缆损坏，修理人员需要在原始设备制造商提供的手册中查询，确定线缆的类型、正确的尺寸和布线。

4.3.2 故障定位

故障定位包含故障隔离和局域化2层含义。对于电缆子系统，故障隔离确定故障由哪根线缆或连接器引起，而通过故障局域化指出线缆上损伤的精确位置（到故障的距离）。故障局域化在结构健康管理应用中有重要价值，给出损伤的精确部位。

4.3.3 健康管理系统维修

健康管理系统需要维持自身诊断系统的健康状态，当传感器疲劳/失效时，系统应能正确诊断而不是误分为故障。若健康管理系统自身维修需要耗费大量时间、费用，就会抵消健康管理系统节省的维修时间和费用，从而间接增加装备的安全运行风险。

4.3.4 故障覆盖率

故障覆盖率指根据诊断系统检测和诊断的故障百分比，故障覆盖包括健康管理系统自身。故障覆盖与诊断系统分辨率即故障隔离集合密切相关，若诊断系统故障覆盖范围很大，但是不能进行局域化定位，则诊断系统对于修复时间的改善将不会有很大作用。

4.4 用于机群管理的诊断指标

诊断可减少机群的维修时数，以及减少维修活动数量一定的情况下用户的平均修复时间和非计划内维修时间。最终，机群用户的其余目标和非计划内维修都将受到预测系统的正面影响。

4.4.1 效率

正常情况下，装备全部系统都

在名义范围内运行，但当一些子系统运行在名义边界时，系统一般无法达到峰值效率。此时，对效率进行趋势分析可为改善并保持系统最优性能提供意见。

4.4.2 单机视情维修

单机视情维修可使单机保持在最佳状态，但需在准确的诊断系统和大型的信息系统条件下，根据装备的使用历史和任务情况实施。

4.4.3 提高可用率

通过准确的诊断可以减少平均修理时间，从而间接辅助提高机群的平均可用率。预测可显著减少机群非计划内维修引发的停机影响，从而可大大改善可用率指标。

4.4.4 辅助决策

设计成功的系统集成是健康管理系统影响决策制定的必要条件。例如，对于机群寿命，当装备超过原始设计寿命时，失效开始表现为非计划内维修事件增多和趋势降级。此时，机群范围内的诊断趋势可用来在没有预测或趋势降级的条件下，分析确定非失效部件在失效前的最优更换时间。

4.4.5 改善设计和认证

在机群范围内可能会出现工程人员没有遇到的部件失效情况，诊断系统应提醒工程人员进行分析，确定这些部件是否会继续以非预期的速率失效，从而为设计改进提出重要的意见和建议。

5 预测指标体系

预测定位即为检测、隔离和诊断部件机械和电子故障，以及确定这些部件准确的剩余可用寿命。预测的底线是尽可能准确、提前地预测部件或消耗品的剩余寿命，从而帮助完成后勤管理、维修规划、告警和机群范围内的规划[9-12]。

从维修角度看，PHM的预测目标是检测到早期失效状态的出现，直到失效前一直持续监视，并在有充分时间进行维修规划的前提下发出“立即进行维修”的告警信息。

预测与诊断在一定程度上具有内部联系，若1个系统不能可靠地检测到故障，则其也不能准确估计出部件的剩余有用寿命。预测要求和模型指标之间的关系见表7。

与预测相比，诊断中的检测意义有所不同。以虚正率为例，诊断检测虚正率指诊断系统在无故障时检测到、指示出故障的情况；而预测检测虚正率指过早预测失效导致可用服役寿命损失的情况。因此，预测检测与用户要求的时间范围相关，而诊断中的检测与时间范围一般不相关。与诊断相比，预测模型指标中还增加了与效费分析关系紧密的有效性指标。战技指标与预测指标之间的映射关系见表8。

5.1 用于后勤的预测指标

5.1.1 最大化在役平均时间

尽量提前准确降级趋势预测可以有效减少非计划内维修，从而增加可用率。时间提前量需要足够长以进行装备的维修、后勤规划以及使用更换。显然，准确率对于剩余有用寿命预测非常重要，准确率越高，部件寿命浪费就越少。反之，则易导致健康部件被更换、增加不必要的停机时间，以及故障部件在失效前被提前更换。准确预测对于提高可用率也有重大作用，而预测不准确带来的运行风险非常大。

表7 预测指标

表8 预测映射

5.1.2 减少周期性检查频率

美国军方正在实践视情维修并使用预测技术监视和预测部件的降级趋势来更改周期性检查和部件更换安排。剩余寿命预测准确率对于避免更换仍可继续使用部件，及因不可预测的失效导致非计划内维修有重要作用。

5.1.3 最大化部件寿命使用和跟踪

最大化部件寿命使用指在充分长的提前时间内准确得知部件何时失效并安排更换，其依赖于预测的准确率和足够长时间提前量，以及隔离到特定部件等。

5.1.4 视情维修-仅必要时安排维修-预测消耗品剩余有用寿命

预测应用的1个案例是对滑油状态的评估，例如监视滑油的质量、污染物和数量，通过预测滑油降级趋势优化更换安排。

5.1.5 减少重新配置和修复费用

特殊或非期望维修可导致代价巨大的供应链重新配置或典型后勤过程的中断。快速、准确的故障原因识别和失效预测可以节省重新配置和修复的时间和经费。

5.1.6 最大化领先时间

领先时间指部件生产、订购距离部件到寿更换前的时间裕度。对于不需常更换但需长时间提前生产或库存维持费用昂贵的部件，提前足够时间进行降级趋势预测非常重要，这需要依靠预测的准确率和长时间提前的隔离，以方便后勤进行部件订购。

5.1.7 最小化库存

通过转换到即时库存系统，最小化库存同时需要剩余寿命估计有足够的时间提前量和高分辨率，以保证有足够的时间进行正确部件的订购。

5.2 用于飞行的预测指标

最大化首次告警到失效的时间。诊断用于检测完全失效前的故障状态，预测降级趋势，并在适当置信水平下估计剩余有用寿命。例如，在飞行中给出“检测到主轴承故障”的报警和给出“主轴承性能下降仍能继续使用几个小时”的提示对飞行员而言是完全不同的。因此，准确估计剩余寿命可为飞行员提供更多操作选项，也可为后勤和维修安排提供更多选项。

5.3 用于维修的预测指标

5.3.1 减少失效

部件或子系统的非预期失效会带来非计划内维修和停机。可通过降级趋势跟踪减少非计划内维修，例如若能准确地对趋势进行建模，则剩余寿命估计就可以在部件失效前提前发出“部件修理/更换”的通知。当然预测系统越保守，部件浪费的寿命就越多，因此，需要合理权衡预测时间提前量和部件浪费寿命，从而得到最佳部件使用效益。

5.3.2 增加非关键故障后运行时间

在维修时，检测或者趋势分析可可靠地判断出一些故障以尽可能避免运行中断，这就要求故障检测、隔离和趋势预测必须高度准确。此外，忽略预测系统发出的故障信息，需要操作人员承担的责任重大，因此，需要系统规定每项验证和确认的操作规则。

5.3.3 减少维修引起的损伤

通过评估部件的剩余寿命和到故障部位距离，可以在失效前安排维修并对可能发生故障的部位进行检查，从而减少对其余部件的损伤。值得注意的是由预测系统给出的剩余寿命估计本质上都是1个随机过程，因而需要将概率灵敏度分析纳入预测系统的验证和确认过程。

5.4 用于机群管理的预测指标

当机群运行超出预期服役寿命时，计划内和非计划内维修均会增加。预测的作用是通过趋势分析缓解非计划内维修。此外，若有规定授权，还可以通过谨慎监视减少维修频率。

运行费用增加的很大比例来自于非计划内维修。高准确率和分辨率的预测可使部件在失效前就能安排维修，从而减少非计划内维修，则机群寿命增长时的运行费用可基本维持在1个更均匀的水平。

使用和修理分析是高等级分析功能，需要依靠高度综合的大规模后勤信息系统和诊断预测系统才能实现。

6 结论

航空发动机健康管理技术在国内起步较晚，在技术发展过程当中要重点突出军方需求的技术牵引作用。高校、研究所在研究和技术开发过程中一定要围绕用户要求开展针对性研究，除了理清军方用户需求的诊断预测指标体系外，还需重视如下方面：

（1）重视关键部件的运行至失效的全过程，包括寿命可靠性试验等。在条件允许范围内，获取关键部件全寿命周期内的连续监视参数，为诊断和预测技术的开发提供必需的数据支持。

（2）重视诊断和预测的不确定性研究工作。不确定性是健康管理系统面临的重大技术挑战，使用环境的变化、模型、传感器、软硬件的不确定性都会影响诊断预测算法的性能。

（3）重视人为因素和系统级集成问题。在进行系统顶层设计时就应该考虑人为因素，深入研究不同用户的需求，例如只将影响飞行安全相关的事件通知飞行员，而维修相关的事件应只作为事件存储记录。此外，也要高度重视系统级集成问题，避免出现报警冲突等问题。

（4）重视大型综合信息系统研发。以健康管理为支撑的视情维修需要依赖机上系统、地面系统以及大型综合信息系统的同步设计才能实施。装备运行的状态信息需要转化为诊断和预测信息，并最终转化为后勤需求。

[1]尉询楷，冯悦，刘芳,等.军用航空发动机PHM发展策略及关键技术研究[J].航空动力学报,2011,26（9）:2107-2115.

[2]Wheeler K R,Kurtoglu T,Poll S D.A survey of health management user objectives in aerospace system related to diagnostic and prognostic metrics [J].International Journal of Prognostics and Health Management,2010（3）:1-19.

[3]Hess A J,Fila L.Prognostics,from the need to reality from the fleetusers and PHM system designer/developers perspectives[C]//Proceedings of IEEE Aerospace Conference.New York:IEEE,2002:2791-2797.

[4]Hess A J,Calvello G.Challenges,issues,and lessons learned chasing the"Big P".Real predictive prognostics.part 1[C]//Proceedings of IEEE Aerospace Conference.New York:IEEE,2005:3610-3619.

[5]Hess A J,Calvello G,Frith P,et al.Challenges,issues,and lessonslearned chasing the “Big P”:RealPredictive prognostics part 2 [C]//Proceedings of IEEE Aerospace Conference.New York:IEEE,2006:1-19.

[6]Kacprzynski G J,Roemer M J,Hess A J,et al.Extending FMECA-Health management design optimization for aerospace applications[C]//Proceedings of IEEE Aerospace Conference.New York:IEEE,2001:3105-3112.

[7]Leao B P,Yoneyama T,Rocha G C,et al.Prognostics performance metrics and their relation to requirements,design,verification and cost-benefit [C]//Proceedingsof IEEE International Conference on Prognostics and Health Management.New York:IEEE,2008:1-8.

[8]Feldman A,Kurtoglu T,Narasimhan S,et al.Empirical evaluation of diagnostic algorithm performance using a generic framework[J].International Journal of Prognostics and Health Management,2010（2）:1-28.

[9]Kacprzynski G J,Liberson A,Palladino A,et al.Metrics and development tools for prognostic algorithms[C]//Proceedings of IEEE Aerospace Conference.New York:IEEE,2004:3809-3815.

[10]Saxena A,Celaya J,Balaban E,et al.Metrics for evaluating performance of prognostic techniques[C]//Proceedings of IEEE International Conference on Prognostics and Health Management.New York:IEEE,2008:1-17.

[11]Saxena A,Celaya J,Saha B,et al.On applying the prognostic performance metrics[C]//Proceedings of annual conference of the prognostics and health management society.San Diego:PHMSociety,2009:1-16.

[12]SUN Bo,ZENG Sheng-kui,KANG Rui,et al.Benefits analysis of prognostics in systems [C]//Proceedings of the Prognostics and System Health Management Conference.New York:IEEE,2010:1-8.

Diagnostic and Prognostic Metrics of Aeroengine Health Management Users

WEI Xun-kai1,2,LIU Fang1,CHEN Liang-feng1,ZHU Ji-hong2,YANG Li1
（1.Beijing Aeronautical Engineering Technology Research Center,Beijing 100076,China；2.State Key Lab of Intelligent Technology and Systems,Department of Computer Science and Technology,Tsinghua University,Beijing 100084,China）

The need of different health management users must be met by the top design requirements of aeroengine health management.The user categories and design flow of the health management system were briefly introduced,and then the needs from the field users including logistics,flight,maintenance and fleet management were analyzed.In the perspective of diagnostics and prognostics for health management systems,the mapping relations between the different user requirements and the metrics for diagnostics and prognostics were analyzed,and the respective metrics were built.The results could help the military decision staffs make the research and development top requirements suite better for the field usage needs,also the industrial design engineers could benefit from making more satisfied research regulatory for the user requirements.

health management;diagnostics;prognostics;metrics;aeroengine

尉询楷（1981），男，工学博士，工程师，主要从事航空发动机预测与健康管理以及现代机器学习理论的应用研究工作。

总装“十二五”维修预研重点项目（51327030101）、北京航空工程技术研究中心创新基金（Z100201）资助

2012-04-26