CN107807628B - 民用飞机空调系统热交换器性能退化评估方法 - Google Patents

Abstract

本发明公开了民用飞机空调系统热交换器性能退化评估方法，应用于大型民机空调系统在线健康监测以及性能退化评估。本发明包括：首先采集关键性能参数，然后围绕关键性能参数建立热交换器监测参数体系，再利用无故障状态下的监测参数体系建立热交换器性能基线模型，当系统收到新的监测参数时，由热交换器性能基线模型计算得到关键性能参数的估计值，然后由实际监测值减去估计值，得到监测参数的偏差值，对偏差值进行监控与分析，当特征值出现异常时，发出故障预警。本发明解决了空调系统热交换器在线监测困难的问题，避免了由热交换器故障引起的空调系统非计划维修，减少不必要的热交换器清洗与更换，为航空公司节省维修成本，提高飞机利用率。

Description

民用飞机空调系统热交换器性能退化评估方法

技术领域

本发明涉及民用飞机机电系统的健康监测与评估领域，尤其涉及民机空调系统热交换器健康监测与性能退化评估方法。

背景技术

空调系统作为飞机环控系统重要子系统之一，是保证飞机座舱和设备舱内具有乘员和设备正常工作所需的适当环境条件的整套装置，是现代民用飞机必不可少的一个组成部分。空调系统的基本任务是在各种不同的飞行状态和外界条件下，使飞机的驾驶舱、客舱、设备舱及货舱具有良好的环境参数，既要保证机组人员和乘客的生命安全和适宜环境，又要保证设备正常工作和货物安全。

空调系统作为飞机的重要系统,直接影响着飞机客舱增压，其故障影响到飞机的派遣放行，导致飞机延误甚至取消，这给航空公司带来非常大的经济损失。空调系统组成主要包括：热交换器、流量控制与关断活门、空气循环机、回热器、冷凝器、水分离器及各类传感器和探测器等，其中,热交换器的故障率最高。

热交换器是飞机空调系统的重要部件，飞机空调热交换器主要使用板翅式换热器，其结构紧凑、轻巧，热交换效率高，能够很好减轻飞机负担；但该设备流道小易堵塞，给飞机维护时的清洗带来困难。以某型单通道民用飞机为例，其空调系统含有两套空调组件，每套组件都包含两套热交换器系统，每组热交换器都具有两组引气槽(热路端)和压缩机出口侧金属散热片(冷路端)，散热片之间的间距为1毫米左右。散热片之间的间距小，且容易结垢，散热表面结垢是国内民航飞机运行过程中普遍存在的问题。结垢导致热交换器性能迅速下降，进而导致空调系统出现故障。此外，污物长期留存在热交换器中腐蚀散热芯，造成冷热空气互渗，直接导致空调关断。随着运行时间的延长，大面积、几乎穿透性的腐蚀愈发严重，将不得不更换部分或全部散热芯，整个更换过程耗时耗力且成本高昂。国内运营的单通道飞机在夏季经常发生空调组件过热故障，是长期困扰国内航空公司的严重问题。

目前，各大航空公司关于空调系统热交换器的维修以及清洁都是采取定期清洁或更换的维修策略，在一定程度上浪费了空调系统本身设计的冗余度，造成了不必要的清洁或维修费用。

综上，由于现有技术中并没有可靠的结垢诊断方法，空调系统热交换器污染引起的空调性能退化是一个难以检测的问题，如何可靠的评估热交换器性能退化，在由于性能退化引起空调系统故障之前，即仅在必要的时候清洁或更换热交换器成了急需解决的问题。

发明内容

本发明提供一种民用飞机空调系统热交换器性能退化评估方法，实现空调系统热交换器的故障监测以及性能退化评估。

民用飞机空调系统热交换器性能退化评估方法包括：

S1、根据表征空调热交换器工作状态的关键性能参数，建立空调热交换器监测参数体系。关键性能参数是监测参数的一个子集。在飞行过程中，外部干扰较大，得到的实际监测数据波动较大，很难从中发现有效信息。因此，建立空调热交换器监测参数体系能够减少关键性能参数的外界干扰。关键性能参数包括上下游系统的各类温度、压力、转速等参数，以及飞机飞行参数，如飞行速度、高度参数，为评价热交换器工作状态提供数据基础。

S2、采集当前航班各飞行阶段中所述监测参数体系对应的最佳监测参数。飞机在一次完整航班中包括不同的飞行阶段，空调系统分不同的工作状况，不同工况下空调系统各部件工作状态不同，各监测数据的变化趋势不同。因此，需要根据空调系统在飞机不同工况下的工作状态来进行最佳工况及其对应的最佳监测参数的选择。

S3、根据所述最佳监测参数，构建所述飞行阶段对应的空调系统监控报文。

S4、采集健康状态飞机的空调热交换器监测参数体系中的监测参数，建立监测参数样本，根据所述监测参数样本建立热交换器性能基线模型。选择空调系统为健康状态的飞机，如热交换器维修过的或更换新的热交换器的飞机，采集特定工况下相对应的监测参数，选择健康状态下的监测参数样本，建立热交换器性能基线模型。

S5、解析所述空调系统监控报文，得到当前时刻关键性能参数监测值，根据所述热交换器性能基线模型得到当前时刻关键性能参数估计值，所述关键性能参数监测值和所述关键性能参数估计值作差得到关键性能参数偏差值，即表征热交换器性能的特征值。

S6、对所述关键性能参数偏差值，即特征值进行监控，当特征值超过阈值D1时，结合热交换器的性能退化程度发出相应的预警信息，否则热交换器为健康状态，进入下一周期的监控，重复步骤S5-S6。

进一步的，监测参数包括：压缩机出口温度、组件温度以及混合总管温度、发动机引气温度、发动机引气压力、APU(Auxiliary Power Unit辅助动力装置)引气活门、ACM(AirCycle Machine空气循环机)压缩机出口温度、混合总管温度、组件温度、飞行高度、飞行马赫数、大气总温、静温、发动机高低压转子转速、发动机防冰状态、机翼防冰状态。其中，ACM压缩机出口温度数据来源于压缩机出口温度传感器，ACM压缩机出口温度传感器位于连接空气循环机的压气机到副热交换器的管道内，功能是给压缩机出口控制器提供温度数据；空调组件温度数据来源于空调组件温度传感器，位于高压水分离组件的上方，功能是将空调组件的温度反馈给组件温度控制器；混合总管温度数据来源于混合总管温度传感器，位于混合总管上前壁位置，功能是测量混合总管温度，然后反馈给组件温度控制器。

进一步的，飞行阶段包括地面、起飞、巡航阶段。其中，地面阶段的定义是：发动机高压转子转速比小于11％或者低压转子转速小于11％；起飞阶段的定义是：空地逻辑处于空中、无线电高度大于35m小于1500m、空速大于100kts；巡航阶段的定义是：海拔高度超过20000英尺、马赫数大于0.6小于0.9。在每个航班中至少采集三个工况下的空调系统状态监控报文，通过空地数据链实时下传或航后QAR(Quick Access Recorder快速存取记录器)数据传输到航空公司地面服务器作进一步的分析。

进一步的，健康状态飞机的检测参数样本的筛选，在为了保证系统性能模型精度上的基础上减少计算负荷，选择最小-最大样本向量排序法的样本数据选择方法。首先从机队中空调系统为健康状态的飞机中选择足够的能够涵盖飞机特定工况下各种工作状态的样本数据，将所收集到的样本数据等分成N段，N为正整数，每一段中的每个传感器参数的最小和最大值所在的样本被选择来构造训练样本集。样本向量排序法是按照某种准则把所有收集到的健康样本数据排序，然后等间隔的抽取一定数量的观测样本来构造训练样本集，按照样本数据的欧几里德范数来排序。

进一步的，热交换器性能基线模型，根据非参数化基线建模方法建立，非参数化基线建模方法类似于自动联想核回归、非线性偏最小二乘法以及多元状态估计技术。

进一步的，所述空调系统热交换器性能基线模型建立方法包括：

SS1、采集所述健康状态飞机的监测参数,采用最小-最大样本向量排序法帅选出N个表征空调热交换器健康状态的M维的监测参数样本，利用这些样本构建一个M*N的训练矩阵；

SS2、根据所述训练矩阵建立所述热交换器性能基线模型，利用似于自动联想核回归以、多元状态估计技术可得到关键性能参数的估计值。进一步的，在S6中，阈值为D1，0<D1<D2，健康状态下的空调系统热交换器关键性能参数偏差值在0附近波动，当热交换器由于污染或者使用时间出现性能下降时，该关键性能参数偏差值开始由0逐渐增大。关键性能参数偏差值在增加的过程中可以对热交换器退化程度进行评估。关键性能参数偏差值在0-D1区间波动的时，热交换器标记为健康状态；关键性能参数偏差值超过D1在D1-D2区间波动时，热交换器标记为亚健康状态；关键性能参数超过D2时，热交换器标记为故障。

本发明的有益效果是，通过挖掘能够表征热交换器工作状况的关键性能参数，并围绕关键性能参数建立热交换器健康监测参数体系，然后当采集到空调系统新的报文参数，根据已建立的热交换器性能基线模型得到关键性能参数的估计值，将所述当前时刻的监测值与估计值做差，得到关键性能参数的偏差值，即表征热交换器性能的特征值，对所述特征值进行监控，根据特征值对其热交换器性能退化进行评估并发出相应的预警信息，解决了由于民用飞机空调系统热交换器健康监测与性能退化评估问题，进一步避免了由热交换器引起的空调系统非计划维修，使得热交换器由原来的定期维修可以转化为只在需要的时候进行维修即视情维修，减少不必要的热交换器清洗与更换，可为航空公司节省维修成本，提高飞机利用率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的流程示意图；

图2为本发明中关键性能参数传感器位置示意图；

图3为本发明实施例中关键性能参数在不同工况下的变化情况；

图4为本发明实施例中飞机空调系统巡航报文采集的温度随航班数变化图；

图5为本发明实施例中编号为C飞机的热交换器性能表征特征值监控图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步详细描述。

民用飞机空调系统热交换器性能退化评估方法，流程图如图1所示，包括：

S1、根据表征空调热交换器工作状态的关键性能参数，建立空调热交换器监测参数体系。在飞行过程中，外部干扰较大，得到的实际监测数据波动较大，很难从中发现有效信息。因此，空调热交换器监测参数体系因为能够关键性能参数，从而减少了关键性能参数的外界干扰。关键性能参数发动机引气温度、发动机引气压力、APU(Auxiliary Power Unit辅助动力装置)引气活门、ACM(Air Cycle Machine空气循环机)压缩机出口温度、混合总管温度、组件温度、飞行高度、飞行马赫数、大气总温、静温、发动机高低压转子转速、发动机防冰、机翼防冰。其中，ACM压缩机出口温度数据来源于压缩机出口温度传感器，压缩机出口温度传感器位于连接空气循环机的压气机到副热交换器的管道内，功能是给压缩机出口控制器提供温度数据；空调组件温度数据来源于空调组件温度传感器，位于高压水分离组件的上方，功能是将空调组件的温度反馈给组件温度控制器；混合总管温度数据来源于混合总管温度传感器，位于混合总管上前壁位置，功能是测量混合总管温度，然后反馈给组件温度控制器。其中ACM压缩机出口温度、组件温度以及混合总管温度在空调系统中的位置如图2所示。本实施例中选择国内常见的单通道窄体飞机空调系统为例来说明，其空调系统参数维修记录信息如表1所示。

表1编号C飞机的ACS的维修记录

S2、采集当前航班各飞行阶段中所述监测参数体系对应的最佳监测参数。飞机在一次完整航班中包括不同的飞行阶段，空调系统分不同的工作状况，不同工况下空调系统各部件工作状态不同，各监测数据的变化趋势不同。因此，需要根据空调系统在飞机不同工况下的工作状态来进行最佳工况及其对应的最佳监测参数的选择。飞行阶段包括地面、起飞、巡航阶段。其中，地面阶段的定义是：发动机高压转子转速比小于11％或者低压转子转速小于11％；起飞阶段的定义是：空地逻辑处于空中、无线电高度大于35m小于1500m、空速大于100kts；巡航阶段的定义是：海拔高度超过20000英尺、马赫数大于0.6小于0.9。在每个航班中采集特定工况下的空调系统状态监控报文，通过空地数据链实时下传或航后QAR(Quick Access Recorder快速存取记录器)数据传输到航空公司地面服务器作进一步的分析。图3所示为某飞机一次完整航班中参数在不同飞行阶段的变化情况，由图3可以看出，不同飞行阶段下各参数变化很大，有时甚至都不在同一量纲内，因此有必要对不同工况下的参数分开进行讨论。

S3、根据所述最佳监测参数，构建所述飞行阶段对应的空调系统监控报文。

S4、采集健康状态飞机的监测参数，建立监测参数样本，根据所述监测参数样本建立热交换器性能基线模型。选择空调系统为健康状态的飞机，如热交换器维修过的或更换新的热交换器的飞机，采集特定工况下相对应的监测参数，选择健康状态下的监测参数样本，建立热交换器性能基线模型。

健康或无故障热交换器监测参数样本的筛选，在为了保证系统性能模型精度上的基础上减少计算负荷，选择最小-最大样本向量排序法的样本数据选择方法。首先从机队中空调系统为健康状态的飞机中选择足够的能够涵盖飞机特定工况下各种工作状态的样本数据。本实施例中，首先选择了机队中空调系统为健康状态的飞机正常航班下收集的4000组健康监测参数，按照最小-最大和样本向量排序法选择合适的样本数据，用于构建热交换器性能基线模型。

图4所示为没有故障的某飞机空调系统一年中ACS巡航报文提取的空调组件温度、压缩机出口温度、混合总管温度原始数据图。从图中可以看出，由于空调系统本身在工作中由于其系统行为和传感器的数据受到操作模式、外界环境条件等因素的影响，关键性能参数波动性较大。因此，只依靠压缩机出口温度、混合总管温度以及组件温度参数的变化来对热交换器工作状态进行评价存在较大误差，需要利用与空调系统工况相关的一些上下游系统及外界环境参数中对这些关键性能参数进行修正，建立热交换器性能基线模型。热交换器基线模型的建立方法包括：采集健康状态飞机的所述监测参数,构建训练矩阵，根据训练矩阵建立热交换器性能基线模型。

S5、解析所述空调系统监控报文，得到当前时刻关键性能参数监测值，根据所述热交换器性能基线模型得到当前时刻关键性能参数估计值，所述关键性能参数监测值和所述关键性能参数估计值作差得到关键性能参数偏差值，即表征热交换器性能的特征值。

S6、所述关键性能参数偏差值，即特征值进行监控，当特征值出现异常时，发出故障预警，并进一步根据特征值评估热交换器的性能退化程度，否则热交换器为健康状态，进入下一周期的监控，重复步骤S5-S6。本实施例中共选择了4架飞机空调系统无故障时的数据样本作为构建热交换器性能基线模型的训练矩阵的初始监测参数样本。正常数据表示在该期间没有观察到异常行为，在此期间没有进行维护活动，共4000组数据。在本发明中使用最小-最大和样本向量排序的组合方法对初始监测参数样本进行筛选，最终从4000组数据中选择出405组数据作为训练矩阵来对热交换器进行建模。

采集监测参数体系，得到当前时刻关键性能参数监测值，并根据热交换器性能基线模型计算得到当前时刻关键性能参数估计值，进一步根据关键性能参数监测值和关键性能参数估计值得到表征热交换器性能的特征值。图4所示为实施例中编号为C飞机经计算得到的特征值序列图。通过对C飞机的维修记录查询可知，该飞机左侧空调系统热交换器以及右侧空调系统分别在7.23号以及6.7号发生了故障，经航空公司工程人员最终排故后，最终排故结果为热交换器污染引起的空调系统制冷效果下降，从而最终导致发生了空调组件跳开故障。其中左侧PACK的故障发生在7.23号，对应的飞行循环为805循环，从图4中可以看出，该飞机左侧空调系统热交换器性能特征值序列最开始为0,表示系统处于健康状态，在第450循环左右开始逐渐上升，到第800循环时，特征值已达到了20左右。最终在经过热交换器清洗过后，其特征值又回归到健康状态0附近开始波动。

右侧PACK的故障发生在6.7号，对应的飞行循环为600循环，右侧空调系统热交换器性能特征值序列也是从最开始的0健康状态开始波动，到400循环左右开始出现上升趋势，表征了热交换器性能开始出现退化，到第600循环的时候特征值已经达到了20左右。最终经过排故后进行了热交换器清洗的过程，其特征值又回归到健康状态0附近开始波动。

通过对热交换器性能特征值的分析可以对热交换器性能退化进行评估，在评估的基础上对特征值的波动提供一个阈值范围，当偏差值超过该阈值时提供预警信息，可以在热交换器性能退化引起的空调系故障之前提前发现异常状态，减少空调系统的非计划维修。

综上，本发明通过能够表征空调系统热交换器健康状态的关键性能参数，围绕关键参数建立热交换器监测参数体系，建立热交换器性能基线模型并提取表征热交换器性能的特征值，最后对该特征值进行实时监控，实现空调系统热交换器的故障监测以及性能退化评估。

本发明的有益效果是：

(1)基于空调系统飞行参数的热交换器建模是一种数据驱动的建模方法，不需要建立复杂的物理模型，通过历史健康数据对系统进行建模，挖掘数据中隐藏的有效信息，而且不同飞机由于其机龄以及部件、运行位置等的不同，其记录的参数信息能够分别表示个体之间的运行特性，而这种基于不同飞机之间数据驱动的监控方法，能够更加准确地反映个体系统在实际运行条件下的特性，为提高状态监控系统的灵敏度和可靠度奠定基础。

(2)飞机在一次完整的飞行循环中存在空调系统状态监测数据波动性大、故障难以检测的问题，本发明中选择地面、起飞、巡航3个飞行阶段的数据用于空调系统热交换器在线健康监测，能够全面监控空调系统热交换器不同飞行阶段的健康状态。

(3)空调系统本身在工作中由于其系统行为和传感器的数据受到操作模式、外界环境条件等因素的影响。因此，只依靠ACM压缩机出口温度、组件温度以及混合总管温度参数的变化来对热交换器工作状态进行评价存在一定误差，需要从与空调系统相关的一些参数中找到有用的参数对这些温度参数进行修正。最终，围绕热交换器重要性能参数所建立的热交换器监测参数体系包括：发动机引气温度、发动机引气压力、APU引气活门、ACM压缩机出口温度、混合总管温度、组件温度、飞行高度、飞行马赫数、大气总温、静温、发动机高低压转子转速、发动机防冰、机翼防冰等。用来对热交换器进行性能基线建模，解决了单参数噪音大、不稳定等问题，建立的参数体系能更全面的反应空调系统热交换器的健康状态.

(4)针对空调系统热交换器单部件开展实时监控，根据所述特征参数退化趋势对其性能进行评估，出现异常直接报警，故障隔离可以直接定位到热交换器上，省去了由于热交换器性能退化引起的空调系统故障而需要对整个空调系统进行排故的时间，大大缩短了排故时间。

(5)根据特征值对其热交换器性能退化进行评估并发出相应的预警信息，进一步避免了由热交换器引起的空调系统非计划维修，使得热交换器由原来的定期维修可以转化为只在需要的时候进行维修即视情维修，减少不必要的热交换器清洗与更换，可为航空公司节省维修成本，提高飞机利用率。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.民用飞机空调系统热交换器性能退化评估方法，其特征在于，包括：

S1、根据表征空调热交换器工作状态的监测参数中的关键性能参数，建立空调热交换器监测参数体系；

S2、采集当前航班各飞行阶段中所述监测参数体系对应的最佳监测参数；

S3、根据所述最佳监测参数，构建所述飞行阶段对应的空调系统监控报文；

S4、采集健康状态飞机的所述空调热交换器监测参数体系中的所述监测参数，建立监测参数样本，根据所述监测参数样本建立热交换器性能基线模型；

S5、解析所述空调系统监控报文，得到当前时刻关键性能参数监测值，根据所述热交换器性能基线模型得到当前时刻关键性能参数估计值，所述关键性能参数监测值和所述关键性能参数估计值作差得到关键性能参数偏差值；

S6、所述关键性能参数偏差值超过阈值时，发出故障预警，进入下一个监控周期，重复S5-S6；

其中，所述热交换器性能基线模型，根据非参数化基线建模方法建立，建立方法包括：

SS1、采集所述健康状态飞机的所述监测参数,采用最小-最大样本向量排序法筛选出N个表征空调热交换器健康状态的M维的监测参数样本，利用这些样本构建一个M*N的训练矩阵;

SS2、根据所述训练矩阵建立所述热交换器性能基线模型，利用自动联想核回归以及多元状态估计技术可得到关键性能参数的估计值。

2.根据权利要求1所述的民用飞机空调系统热交换器性能退化评估方法，其特征在于，所述监测参数包括：压缩机出口温度、组件温度以及混合总管温度、发动机引气温度、发动机引气压力、APU(Auxiliary Power Unit辅助动力装置)引气活门、ACM(Air CycleMachine 空气循环机)压缩机出口温度、混合总管温度、组件温度、飞行高度、飞行马赫数、大气总温、静温、发动机转子转速、发动机防冰状态、机翼防冰状态。

3.根据权利要求1所述的民用飞机空调系统热交换器性能退化评估方法，其特征在于，所述飞行阶段包括地面、起飞、巡航阶段。

4.根据权利要求1所述的民用飞机空调系统热交换器性能退化评估方法，其特征在于，在所述S6中，所述阈值为D1,0<D1<D2,所述关键性能参数偏差值在0-D1区间波动时，所述热交换器标记为健康状态，所述关键性能参数偏差值在D1-D2区间波动时，所述热交换器标记为亚健康状态，所述关键性能参数偏差值超过D2时，所述热交换器标记为热交换器故障。

Images