基于SPC的直升机液压系统健康监测的应用研究

陈亚民，王俊杰

（31664部队，甘肃白银，730900）

0 引言

当前机载设备健康状态监测与评估、早期故障诊断以及故障预测是国内外PHM的技术研究热点。而机载液压系统作为直升机机电系统的重要组成部分，承担着直升机的特定操纵与驱动任务。直升机上很多部件的工作都依赖于它提供的压力，它担负着直升机操纵系统、收放系统、机轮刹车及地面转向驾驶等工作，对直升机的安全飞行和着陆等非常重要。因此开展直升机液压系统的故障诊断和健康评估技术研究具有很大的应用价值。

目前主要的机载设备故障诊断和健康评估方法可以大体分为基于失效物理模型的方法、基于数据驱动的的评估方法两种类型。基于失效物理模型的方法使用较多的是基于症状的方法，包括专家系统方法、模糊推理方法、模式识别方法、神经网络方法[1]。

考虑到液压系统状态参数较多，直接的检测量不能反映诸如磨损等失效量，因此完全建立液压系统失效模型是比较复杂的，同时液压系统在测试、使用过程中可以积累大量反映系统运行状态的参数，这些数据为基于数据驱动的健康监测技术提供了支持。因此本文采用基于统计过程的（Statistical Process Control）SPC状 态 监测算法，研究直升机液压系统的健康监测和健康衰退识别方法。

1 SPC理论

统计过程控制（SPC）借助数理统计方法对设备数据进行监控，科学地对随机波动与异常波动进行区别，提早对设备的异常变化提出预警, 从而达到及时采取措施消除异常的目的[2]。从性能过程的角度，也可称SPC为统计性能监控（Statistical Performance Monitor，SPM），用以及时发现过程故障隐患以避免发生事故。

统计过程控制的实施可以分为如下几个步骤：

(1)建立过程模型，选取过程变量，采集系统健康状态下的运行数据并提取均值、方差等统计特征；

(2)稳定性检测，对测试数据进行统计特征提取，并根据SPC控制图对系统的稳定性进行检测；

(3)故障识别，根据异常数据识别系统状态并采取必要措施应多异常。

2 某型直升机液压系统飞参数据提取

直升机的飞参数据中包含着系统健康状态相关的信息，系统性能改变时可以通过飞参数据的变化表现出来。本文对多架直升机主液压压力值这一飞参数据的进行分析，提取出液压系统的健康特征。考虑到每架次放起落架的时间较短，并且采样频率低，数据中包含的频域信息较少，因此通过时域分析提取系统健康特征是较好的方式[3]。

时域特征也称为信号的统计特征，时域特征的提取使用的是概率统计方法；根据每架次放起落架的时间内的主液压值的特点，选择均值、方差、均方根、峰峰值等特征，如图1所示，若该架次收起落架的过程中系统飞参信号中给出了告警信息则在图中用红点标识。可以发现随着系统健康的衰退，均值与均方根变小，即主液压压力值数值会有所下降；方差以及峰峰值变大则说明每架次中主液压的波动会变大同时范围段也有相应增大。

图1 某架机主液压压力时域特征

图1时域特征中，均值与均方值能够较好地与系统的告警相匹配，并且两者之间的数值较为接近，因此可以直接选择均值作为一种系统健康特征参数，而方差、均方根、峰峰值并不能很好地与系统的告警相匹配。接着对选择的均值特征时间序列进行自相关分析，如图2所示，发现均值特征参数是非稳定的时间序列。

图2 某架机主液压压力均值特征自相关分析

通过一阶差分方法对这些均值特征时间序列进一步处理，均值差分结果及对应的自相关分析如图3，图4所示，可以发现处理后的时间序列变成了平稳时间序列，并且经过差分处理的均值时间序列能够较好地同步告警信号，因此将液压系统的主液压压力均值差分序列数据作为该液压系统健康特征参数。

图3 某架机主液压压力时域健康特征

图4 某架机主液压压力均值差分特征自相关分析

3 直升机液压系统健康状态识别

■3.1 SPC控制图

SPC控制图是实现质量监测主要工具。是把SPC运用到具体检验量并以图片的形式呈现,利用样本统计量检验总体均值μ和标准差σ是否发生显著变化的过程[4]。SPC的控制图分为计量型和计数型控制图，在两个大的类别下又有很多小的分类，选择合适的控制图对统计量的检验是非常重要的。

质量特性为连续值时，正态分布是最常用的特性分布函数。若抽样得到的样本均值为，n为样本大小，满足条件：

则认为显著水平为α时，总体均值μ未发生显著变化，系统处于稳定状态。其中的上控制限、中心线和下控制限分别为UCL（Upper Control Limit：上控制界限）、CL（Center Line：中心线）、LCL（Low Control Limit：下控制界限）。

SPC控制图如图5所示。

图5 SPC控制图

在控制图中，控制界限的确定一般采用3σ准则，即取。3σ准则又称为拉依达准则，先假设一组检测数据只含有随机误差，计算该组数据的标准差，并按一定概率确定一个区间，凡超过这个区间的误差就不属于随机误差而是粗大误差。而对于正态分布，有

■3.2 直升机机载液压系统健康监测SPC模型构建

利用SPC理论对提取的健康特征参数均值差分时间序列进行统计分析，如图6(a)所示。同时拟合出其对应的概率密度直方图及估计所得的概率密度函数，图6(b)所示，其中参数估计的结果为，通过K-S检验在置信度α=0.01的情况下判定数据服从该参数下的正态分布，因此选择上述参数构建该型号直升机液压系统的健康监测SPC模型[5]。

图6 健康特征参数时间序列及其直方图

■3.3 基于上述SPC模型的飞机健康状态监测

根据上述构建的SPC模型对飞机液压系统的健康特征参数时间序列进行稳定性分析，并根据所得结果将系统的衰退过程划分为三个阶段，每个阶段同时也代表着系统的一种健康状态，判定规则如下：

（1）“正常阶段”：该阶段中系统性能良好。SPC判定这一阶段中的数据处于稳定状态并且飞参信号无告警。该阶段系统的健康状态为“正常状态”，性能稳定并且能够正常工作；

（2）“衰退阶段”：该阶段中系统性能发生了一定程度的退化，但没有引发故障。SPC长时间地判定这一阶段的数据处于非稳定状态而飞参信号无告警或告警极少。该阶段系统的健康状态为“衰退状态”，性能下降但依旧能够正常工作。

（3）“故障阶段”：该阶段中系统性能进一步退化至引发故障，飞参信号长时间的给出告警。该阶段系统的健康状态为“故障状态”，故障出现并且对系统的工作造成影响。

依据上述三个阶段的划分方法可以实现对飞机液压系统的健康状态进行监测，能够有效识别其工作状况，为直升机的维修保障提供决策支持。

4 结论

本文通过分析某型直升机机载液压系统的机理故障，结合其故障告警、主液压压力等飞参数据分析，确定了以其主液压压力均值作为该系统的健康状态评估参数，通过均值差分的方法重构均值序列数据，形成主液压均值差分时间序列作为直升机液压系统的健康特征参数。然后基于统计过程控制SPC理论对上述差分序列数据进行分析，建立了直升机液压系统健康评估模型，并在此基础上给出了该模型的飞机液压系统健康监测方法，可以较好的识别该型直升机液压系统的健康状态，对液压系统的潜在性能退化有一定的识别和预测能力，具有一定的应用前景。