航空器预测性维修技术研发应用态势分析

孔旭，于得水，丁坤英，刘佩佩

（1.中国民航大学 科技处，天津300300）

（2.中国民航大学 科技创新研究院，天津300300）

（3.中国民航大学 航空工程学院，天津300300）

（4.中国民航大学 学报编辑部，天津300300）

0 引言

航空器维修是根据适航要求和航空器情况制定维修方案，并按照标准流程实施维修方案中规定的维护、修理或改装，同时监控维修质量和可靠性，确保航空器在运营过程中持续适航的系统工程［1］，属于典型的高技术服务业。保持航空器的可用性，确保航空器飞行安全，是航空器使用的前提和必要条件［2］。

航空器维修是航空运输业的重要组成部分，有效保障和支援航空公司的运营，以较优的成本、较低的飞机延误率和较高的飞机可用率，使航空公司实现效益最大化［3］。目前，国内航空公司的航空器维修费用在运营成本中占到15%左右，约为欧美国家的2倍，亟需降低维修成本，需要研发可替 代 航 材（Parts Manufacturer Approval，简 称PMA），发展智能维修装备和先进维修技术。

维修技术发展方面，国内外研究人员分别从数据采集、数据处理、航空材料等角度对航空器维修现状进行了系统研究，结果表明，大数据、数字化、增材制造、表面防护、复合材料修理等已成为航空器预测性维修（Predictive Maintenance，简称PM）发展的关键技术［1-2，4-5］。

维修技术体系方面，航空器预测性维修主要包括两大方面：故障和健康管理（Prognostics and Health Management，简称PHM）、剩余使用寿命预测（Remaining Useful Life Prediction，简称RULP）。PHM技术通过传感器技术采集航空器运行过程中的状态数据，再对比分析特征数据变化趋势，识别故障性质、程度、部位和产生原因，预见可能发生的故障；同时根据预测信息、可用资源和运行要求，对维修和保障活动进行智能决断［6-11］。RULP技术则利用深度神经网络（DNN）、高斯过程回归（GPR）等算法，对系统运行数据和性能降级状态进行监控和跟踪，预测系统未来健康状况及使用寿命，从而为部附件换发提供准确的参考［12-13］。

维修行业发展方面，国际大型航空器制造企业呈现出“制造业服务化趋势”［14］，以提供实时性、预见性的产业服务来实现差异化竞争优势。信息化时代，航空器的预测性装配和维修技术势不可当。为此，本文以产业应用为线索，梳理预测性维修技术的研究热点、支撑技术、发展路线、典型企业及其应用案例，以期对中国航空制造企业缩短技术差距、突破技术壁垒提供技术参考。

1 预测性维修技术框架

复杂机械系统由动力、液压、控制、驱动、传动等核心模块构成，易出现过热失效、振动失效、泄露失效、断裂失效等失效模式。在分析失效模式、匹配失效模块及其部附件的基础上，预测性维修技术包括模块类型选择、系统信息收集和PHM处理，其工作流程与技术框架［6-13］如图1所示。

图1 预测性维修工作流程与技术框架Fig.1 Work flow and technical scheme of predictive maintenance

故障特征提取、诊断和预后是航空器预测性维修的核心流程，其中所涉及到的关键技术如表1所示。

从表1可以看出：从数据采集（data acquisi⁃tion）到成本-效益分析（cost-benefit analysis）再到下达维修决策，预测性维修实施的关键技术包括：产业背景知识（domain knowledge，亦称“knowhow”）、传感器布局和效能、算法和算力。

以上关键技术整合，呈现出当今预测性维修的三个主要趋势，详述如下。

多源数据采集和分析。利用机器人、人工智能、高性能传感器等技术，全面采集航空器运行过程中的状态数据，充分解读数据信息并进行分类储存。分步实现维修数据（流程、人员、生产、质量、技术等）生成、发布和采集的自动化，减少人工环节的干预，降低各类数据的错误率。维修数据生成由人工向自动转变，由纸张向电子签署转变。建立维修数据的记录规则，通过格式化的电子签名系统、移动终端建设实现维修数据的生产自动化［15-16］。

数字化综合平台。多源数据经过“数据中台”综合在一起，通过数据分析，形成更精准的维修排程模型，掌握维修进度，使得各维修支援部门按排程预报及任务分配有条不紊地执行；针对突发事件进行快速诊断及预案调配，及时触发各部门紧急支援及任务分配［15］。集成消费者、生产者以及企业内部信息，在企业内部实现所有环节信息快速响应、无缝链接；集成企业合作伙伴信息，形成信息共享及无间合作，建立跨企业互信协同，实现维修产业链动态可视化联动管理。分散式信息融合、分布式信息融合、多速率交互式多模型融合等诸多数据融合方法被进一步研究，数学关联算法进一步发展。随着信息处理技术的发展，出现了神经网络、粒子群、量子小波变换、支持向量机等一系列新的信息融合方法，可有效解决模型预报、图像识别、故障诊断等复杂问题。

智慧维修决策。以规范行业标准为基础、规避生产风险为原则，结合大数据、物联网、人工智能等技术手段，按照部门间信息传递、业务进度和关键工序管控要求，兼顾使用体验和应用效率，逐步将维修生产经验或管理控制技巧，通过工序业务划分，归类判断，并通过数据挖掘等算法建立人工智能模型。进而实现系统自我排程、监管、预报、自动通知或处理、报警等功能，再通过实际生产进行反复验证，最终调试出符合产业管理特点的智能维修模型，从传统的人工传递管理信息模式逐渐向智能化预测型智慧工业转变。

2 航空器预测性维修产业及研究趋势

2.1 产业趋势

航空器维修是一项综合数学分析、工程管理、加工制造等众多技术为一体的系统工程，任何一方面的发展水平都会影响维修的工程品质和成本，最终影响行业的竞争力。国外先进的OEM厂商、航空公司以及MRO在21世纪初都已经进入到数字化维修时代，利用飞行状态数据预测航空器的故障，协助制定相应的维修方案。2003年美国GE公司开始使用发动机预测和管理（EHM）系统，同期波音公司升级了飞机健康管理（AHM）系统、空客公司开发出AIRMAN系统。由于在航空器故障模型方面占有优势，OEM厂商在故障预测系统开发方面起步较早［3］。这一时期的故障预测系统主要依靠飞行状态数据，输入来源比较单一，若要进行更为准确的预测，需要更为多源的数据尤其是维修数据的输入［17］。

2012年，“大 数据”概 念被提 出，OEM和MRO在大数据应用方面纷纷开展研究工作。为了输入更为多源的数据，数字化维修向平台化方向发展。2013年，GE公司推 出 了Predix平台，利 用 此 平 台管理飞行状态数据、运维数据、设计数据等；2015年欧洲最大的航空公司——法荷航推出了Prog⁃nos平台［18］；2017年，在巴黎航展上，波音公司展出了AnalytX平台，空客公司展出了Skywise平台［4］；同年，MRO德国汉莎技术公司推出了Aviatar平台。

进入到“大数据”时代以后，在运维数据方面的优势使得航空器运营商和MRO企业在数据平台方面的工作尤为出色，具有代表性的是德国汉莎 公司 的Aviatar平 台［19］。该 平 台 自2017年开 放至今，已融合了许多不同功能的程序，包括实时反映航空公司机队整体状况的Condition Monitoring、用于故障分析并查询维修历史的Fault Analytics、实时掌控机队中突发状况的Fleet Management、为航空公司选择最优MRO供应商的MRO Radar、用于故障预测的Predictor Plugins、航空公司之间共享零备件的PartsMate、自动创建KPI报告的Reli⁃ability Management、便于航空公司与供应商进行交流的Record Status、对零备件购买进行标准化管理的Skeyos Marketplace、第一个在线工具租赁平台ToolNOW、以及用于飞机短停管理的Air⁃Glance等，拥有将近1 000架飞机的数据，大约10家客户及运营商正在使用这个平台。

这种新的综合化数字模式的建立改变了民用航空器的运维模式，使得运维企业针对航空器可以实施更为精准的预测性维修。数字化、平台化、智能化是航空器预测性维修的基础，航空器维修亟需进行“数字化维修”技术攻关［20］。

2.2 研究态势

2.2.1 文献计量

进入21世纪以来，关于航空器预测性维修的研究成果虽然总量偏少，但已逐渐得到学界和生产商的重视。以“predictive aircraft maintenance”为关键词，检索Web of Science数据库，得到相关论文101篇，总被引频次达到1 480次，篇均14.65次被引，逐年发表量和逐年引文数量如图2所示，可以看出：预测性维修平均每6～7年会出现一次小的论文发表高峰，而论文被引频次的逐年上升则表明预测性维修热度不减。

论文高频词统计如图3所示，可以看出：该领域的热门研究方向涵盖了多种相互交叉的学科，包括工程、数学、计算机科学、经济学、材料科学、设备、自动控制系统、物理、机械、控制研究与管理科学、能源与燃油、机器人、远程通讯等，这些学科共同构成了预测性维修的理论基础。

图2 “预测性维修”相关论文统计Fig.2 Published paper statistics on predictive maintenance

图3 “预测性维修”研究热点Fig.3 Research focuses on predictive maintenance

2.2.2专利分析

以中英文“航空器预测性维修”作为关键词检索国内外数据库，得到12 069项专利，主要分布在计算、控制、通信、信号装置、节能减排等方面，专利技术领域及主要申请国如表2所示。

表2 预测性维修专利技术领域及申请国Table 2 Patent technical domain and applicant countries in the field of predictive maintenance

对2010～2019年航空器预测性维修相关专利的技术主题进行聚类，排序前10的技术热点如图4所示，加标签表示该聚类包含“IncoPat”高价值专利。

图4 “航空器预测性维修”相关专利技术主题聚类Fig.4 Techniques cluster of relative patents in the field of aircraft predictive maintenance

从图4可以看出：数据的远距离收集、报告和计算是近年来的研究热点，故障数据的实时记录和分析预测是未来的发展趋势，传感器等电子元器件的升级是主要技术基础，成本优化和调度决策是预测性维修技术研究的主要驱动力。

对该主题下的专利申请人及其技术主题进行排序，如图5所示。为了方便比较，本文给出国内外排名前10的技术主题专利IPC小组号及含义，如表3所示。

图5 “航空器预测性维修”国内外专利申请人及其技术热点Fig.5 Patent applicants and their technical focuses in the field of aircraft predictive maintenance in and abroad

表3 “航空器预测性维修”国内外专利TOP10及IPC编号含义Table 3 TOP Ten patens and their IPC number meaning in the field of‘aircraft predictive maintenance’in and abroad

从图4～图5和表3可以看出：计算机辅助下的数据监测和处理是目前航空器预测性维修的专利技术热点，其次分别为部附件优化、表面处理、流程优化；研发主题方面，国内呈现出高校为主、国企为辅、军民协同的景象，需进一步提高政产学研用的有效循环，促进成果落地转化；国外专利申请人以波音等“巨头”为主，各公司技术主题的分布呈现阶梯式、全覆盖的特点，形成了较为完善的产业链，产业生态的建设值得国内企业和管理部门重视。

3 预测性维修应用进展

3.1 可穿戴维修辅助设备

（1）数据实时获取及多屏显示。可穿戴计算机便于航线维修人员携带，利用APP快速获取维修手册、飞机履历、维修记录等维修数据，在多个设备实时共享。

（2）语音识别及数据对比技术。航线上的维修人员可以口头报告飞机轮胎胎压和其他状态信息，声控设备自动将这些数据与预设的参数值进行比对，并向维修人员反馈。机库中的维修人员也可口头报告部件的质量、状态和时寿，核查零备件的可用性，科学制定零部件订购和更换计划。

3.2 机器人辅助自动化维修

（1）替代重复性工作。由机器人替代人工完成绕机检查、飞机外表面清洁等重复性工作，可在很大程度上避免疲劳状态导致的人为差错。在对大面积区域进行缺陷寻找时，也可以利用机器人进行无差别检查，并将检查数据及时传给附近的无损检测工程师进行甄别。

（2）替代危险性工作。带吸盘的爬行机器人可爬行至目标区域，且不受暴雨、高温等天气影响。

（3）大幅提高工作效率。由无损检测工程师对不同站位的机器人发出批量指令，不仅可以缩短工作周期、降低人工成本，而且能精确发现部件和结构的内部裂纹，使损伤容限设计下的航空材料不至于被提前更换。

（4）辅助维修决策。在地面工程师的监视下，由自动飞行控制系统指挥无人机沿预设路线完成飞机外观检查，将飞行过程中自动拍摄的图片录入数据库，与3D电子模型对照，及时发现擦痕、凹痕和掉漆，提高损伤的可追踪性，进一步预防和减少损伤。

3.3 智能供应链技术

构建航材管理公共信息平台和支援系统、航材全生命周期质量认证及追溯系统、备件智能调度系统。加强智能化入库检验、分拣存储、装卸搬运、配送等自主装备的研发和推广应用，建设航材智能监控存储系统，提升航材运营管理水平和效率。采取智能供应链技术可以改善数据质量，实现单一可追溯的序列号记录，增强跨企业信任，降低互认成本，提高持续适航性等。

3.4 数字孪生技术与PHM

航空器装配和维护技术水平对其工作性能的影响十分显著。在航空器装配初期，利用数字孪生技术（Digital Twins，简称DT）建立物理世界和信息世界的匹配融合［21］，并在航空器运行过程中持续进行基线数据（Baseline Data）监控和收集，利用快速存取记录器（Quick Access Recorder，简称QAR）数据进行模型验证，从而实现对发动机剩余寿 命（Remaining Useful Life，简 称RUL）的 预测［22］。数字孪生和基线挖掘作为逆向工程技术的代表，对我国航空器预测性维修技术的自主可控具有重要意义，在突破OEM厂商技术壁垒的过程中发挥了重要作用。随着物联网（Internet of Things，简称IOT）及相关数据采集技术的普及程度逐步提高，故障预测和健康管理逐渐成为航空器预测性维修的集大成者，实现了数据采集与处理、状态监测与故障诊断、预见性维护、智能决策的完整流程，提高了协同保障效率，降低了维护费用，减少了停场时间。

3.5 AHM与APUs

如上所述，国际知名航空器制造企业在预测性维修方面均已开展多项研究和应用。波音公司（Boeing）在PHM的 基础上，提 出 了AHM（Air⁃plane Health Management），旨在通过预见性的维护数据分析（Predictive Maintenance Analytics）来提高航空器的实时性能［23］。该系统目前已在多架现役飞机上使用，利用飞机实时数据来提供快速的性能评估决策，通过系统和部件预警降低计划外维护的概率，通过实时监控来优化飞行计划、提高燃油效率。

航空发动机制造巨头霍尼韦尔公司（Honey⁃well）的航空器数据网关技术（Aircraft Data Gate⁃way），通过无线数据库和QAR数据，可将维修效率提高50%；该公司还开发了故障排除辅助动力单元（Troubleshooting Auxiliary Power Units，简称APUs）为客户提供预见性的航空器态势监控和诊断服务（Predictive Trend Monitoring and Diagnos⁃tics，简称PTM & D）［24］。

4 预测性维修自主化发展策略

（1）加快布局航空制造业互联机制。工业互联网是第四次工业革命的基石，工业、软件和通信技术的深度融合为行业发展带来了新的生命力。全面、合理部署智能设备，构建航空制造业的泛在感知、智能决策、敏捷响应、全局协同、动态优化能力［25］。通过工业互联，将航空器制造维修机理显性化、系统化、数字化，是预测性维修的基础。

（2）促进信息服务标准化。数字孪生是推进工业互联网建设的前提，其基础是信息化建设，而信息服务标准化是信息迁移、信息同步的前提［26］。在航空器运行初期即建立国际化、标准化的服务接口，确保运行信息的批量交换和跨企业互操作，从而实现更高效率的资源配置和维修决策。

（3）加大智能制造人才培养力度。目前，熟悉航空器维修、掌握AI算法和程序开发技术的综合性相关人才匮乏，工业软件基础薄弱，制约了预测性技术在航空器维护维修中的开发和应用。应加大产学研协同，遴选相关院校的优秀师生，联合企业建立培优机制，同步加强师资力量和人才培养，为航空器预测性维修的全面部署积蓄力量。

5 结束语

2020年初，美国政府对GE公司向中国出售C919选型发动机实施干预，引发国内航空业对自主制造技术、自主运营技术的强烈呼吁。本文在梳理航空器制造、维护技术发展趋势的基础上，从航空制造业互联机制、信息服务标准化、智能制造人才培养三个角度，提出航空器预测性维修自主化发展策略，为行业发展提供决策参考，提高相关技术自主化程度。

预测性维修是航空器维护的国际趋势，相关配套技术的广泛普及将带来行业的全面革新。后续研究将从工业互联、智能制造、工业软件开发等方面，持续追踪国内外相关研究热点，重点关注国内外主要专利申请人和高水平论文所在科研单位，深入分析国内外技术差异，增加对重点研发国家和企业在研发投入、研发备忘录等方面的系统梳理，为我国航空器制造企业和科研院所提供更加精准的技术情报。