民用飞机飞控系统传感器故障诊断研究综述

导语

飞控系统中的各类传感器对飞机稳定与操纵起着至关重要的影响，是飞机的重要安全机载设备之一。传统冗余方法具有“安全性高，经济性低”的特点，通过多余度设计来提升系统的安全性给飞机的重量与结构设计、系统综合集成、维修与检测成本都带来了一定的难题。

针对民用飞机飞控系统中各类传感器故障，介绍了典型机载飞控传感器的故障模式，以及对故障容错的设计考虑;阐述了近年来基于模型方法和基于信息方法在相关领域内的研究与应用情况;分析了传感器故障诊断当前面临的挑战和未来发展方向，阐明了先进故障诊断方法在飞控系统中应用的巨大潜力。

引言

故障诊断是指在系统运行过程中能够发现故障的发生和获得故障的信息，具体包含故障检测和故障隔离两个关键部分。随着自动化技术和信息技术的发展，故障诊断技术被广泛应用于航空航天领域，在多种不同类型的飞行平台上得到实现，有效提升了飞行器的可靠性，保证了飞行任务的安全执行。

飞行控制系统是现代飞行器的关键系统之一，传感器是飞行控制系统实现反馈控制的重要环节。为了保证民用飞机的安全性和适航性达到要求，在设计上需要对关键传感器进行物理冗余，通过对不同源信息进行比较、投票、加权、平均、监控保护和切换等处理来判断和定位传感器故障，以保证信号安全。例如，波音777使用的大气数据惯性基准系统，包含容错大气数据和惯性参考单元，以及备用大气数据和惯性参考单元，备用部分可以形成重要数据的非相似备份。

除了传统硬件冗余方式，非硬件冗余方式也受到广泛关注。典型的非硬件冗余的故障诊断技术包含解析余度和信息余度。随着控制理论和计算机技术的发展，工业界和学术界均在积极探索利用软件方式来实现故障诊断和容错。本文基于该技术综述了飞机飞控系统传感器故障诊断技术的国内外研究现状，首先介绍了典型传感器故障模式，给出了文献综述的总体情况，其次分别阐述了近年来基于模型方法和基于信息方法在相关领域内的研究与应用情况，最后简明分析了传感器故障诊断当前面临的挑战和未来的发展方向。

传感器故障模式和设计考虑

民用飞机飞控系统一般包括陀螺仪、加速度计、大气数据系统中控制用传感器、北斗、GPS等传感装置。典型传感器的故障表征形式包含失效故障、短路故障、恒偏差故障、漂移故障和精度损伤故障。

上述故障可以分为两种类型:一种是与原信号有关，是在原有信号的基础之上出现对系统影响较大的误差、畸变或干扰，如恒偏差、精度损伤、噪声等;另一种是与原有信号完全无关的故障，如传感器失效、短路等。

二者相比，保持原信号信息的故障信号诊断更为困难，故障信号在正确信号中的占比也会对诊断的效果造成影响，弱小、慢变的故障信号误报和漏报的概率也会更大，需要更 高的检测精度和速度。

对于民用飞机来说，关键传感器故障的诊断需要同时考虑安全性和经济性两方面。

一方面，民用飞机的设计和运行首先要满足安全性和适航性要求。以运输类飞机为例，从CCAR25.1309条款规定可以看出，对于执行关键功能的飞控系统传感器来说，必须尽可能地降低各类故障对操纵的影响，将单一传感器的失效概率降为极不可能，满足航空器“失效－安全”的设计理念。这就要求系统具备一定的故障诊断和容错能力，及时发现和处理故障，确保反馈飞机状态信号的正确性，保证飞机的飞行安全。

另一方面，轻量化是未来民航用航空器发展的重要方向之一，是主流民用飞机厂商的重 点研制生产目标。轻量化设计不仅可以从经济上为航空公司节省成本、扩大收益，而且是实现绿色环保、降低污染物排放的重要途径。从设计角度考虑，除了对飞机结构和材料有着更高的要求以外，机载设备的配置和使用也要同时兼顾安全性和实用性。对于一般的冗余方法来说，双余度可以检测到故障的产生，但难以判断具体的故障信息;三余度和四余度技术可以定位故障传感器位置，但经济成本和设计代价较大，对于多故障同时发生的状况也较难诊断。由此可以看出，现有飞机的关键传感器硬件余度方法可以满足 CCAR25.1309条款要求，但多余度的设计也给重量和成本带来一定的负担。可见发展非硬件冗余方式具有一定的潜力。

基于模型方法研究现状

基于模型方法具有简单实用、物理概念性强等优点，工业界和学术界都在探索利用“软”余度来替代传统的物理硬件余度，在满足航空器的安全性要求的同时，提升飞机经济性。现有型号中，空客A380和A350利用基于模型方法诊断飞控作动器中的非指令信号故障，并通过局方适航审定。国内外学者围绕基于模型方法也对传感器故障诊断开展了广泛的研究，典型的算法有Kalman滤波器( KF) 、未知输入观测器、滑模变结构方法、LPV 滤波器、鲁棒控制等。

学者们利用滤波与估计的方式来预测系统状态，诊断传感器中出现的故障。KIYAK设计了未知输入观测器，利用产生的残差探测和隔离故障，并应用于大型客机的作动器和传感器故障检测;DELOZA等建立了高阶滑模微分器对状态进行预测，诊断波音747迎角传感器出现的故障，并且算法在Simona模拟器上得到了验证;OSSMANN等设计了基于LPV故障探测滤波器，用于诊断飞机迎角传感器出现的漂移、噪声和振荡等故障，仿真结果表明所设计的系统具有鲁棒性;ALWI 等也在鲁棒LPV方法的基础上，设计了滑模观测器来抑制模型不确定性对传感器故障诊断带来的影响;ALCALAY等设计了基于自适应扩展卡尔曼滤波算法( EKF) 的“虚拟传感器”，用于在线估计飞机纵向运动参数，以避免单一传感器故障对飞行造成影响; 

HENRY等分别设计了两种滤波器进行比较，其一是对故障信号 H 范数的最优估计，其二是基于H/H_算法的混合滤波器，实现对故障的敏感性增强和降低未知输入信号带来的影响; BERDJAG等专门针对飞机中惯性系统出现的非指令振荡信号，利用谐波滤波器来对故障进行诊断; ＲAFI等考虑强发动机喘振影响飞机速度传感器测量精度的情况，设计了基于观测器的诊断算法来平滑速度信号，最终在CJ-144飞机的试飞实验中得到验证; JOSHI 等利用增广状态来认定传感器偏置故障的充分必要条件; ZAHED等利用 EKF 设计了迎角与空速的“虚拟传感器”，加强信号的可靠性，增强控制品质; 胡锐等基于模糊逻辑和平均加权思想，设计出了一种随陀螺误差累积时间变化的自适应故障检测算法，并通过多种传感器重构故障信号。

传统的基于模型方法存在着动力学建模不精确和对非线性处理过于简化的弊端，尤其在处理复杂的气动力和力矩上较明显。许多学者为了回避这个问题，提出了利用基于非故障机载传感器信息建立的运动学模型来对故障进行诊断。VANEYKEＲEN等基于EKF算法，利用运动学模型解析余度诊断波音747中大气数据传感器(AirDataSensors，ADS)出现的故障;LU等在此基础之上设计了二阶自适应EKF算法，基于运动学模型实现了对惯性测量单元中偏航角速率故障信号的诊断，最后利用真实飞行数据表明了二阶自适应EKF算法具有强鲁棒性。

针对控制系统中可能出现的多故障情况，LU等同时考虑了作动器故障和传感器故障，针对航姿参考系统和ADS故障，设计了包含故障诊断系统和重构系统的飞行容错控制系统，这种设计打破了传感器故障诊断以作动器正确运动为前提的假设，为系统赋予更强的鲁棒性;BOŠKOVIC'等在考虑作动器故障和发动机慢变故障的基础之上，又引入了ADS失效故障，基于此设计了基于自适应方法和状态观测器的“虚拟传感器”，并给出了系统稳定证明;董文瀚等也针对大型运输机同时考虑了作动器故障和传感器故障，设计了基于神经网络的扩张观测器来实现系统的故障诊断与容错。

基于信息方法研究现状

基于信息方法(数据驱动方法和基于信号的方法)是利用过去和现在信号中包含的信息来判断故障是否存在的一种故障诊断手段。基于信息的核心思想是利用储存数据和其他各类传感器数据进行信息综合来判断信号是否在正确范围内，典型方法有信号处理、粗糙集、多元统计分析、信息融合、人工免疫、专家系统、智能学习算法等。

各国学者从20世纪80年代开始就围绕这一思路开展对于飞机传感器的故障诊断研究。HANDELMAN等在解析余度的基础上，通过建立基于规则的专家系统来增强对于传感器故障的监测能力;OOSTEＲOM等针对小型商务机的冗余传感器系统，研究了基于模糊逻辑的传感器信息综合系统，抑制单一传感器故障，并设计了“虚拟传感器”辅助投票，诊断二余度传感器的故障信息;OSSMANN等［24］利用基于模型和基于信息的复合诊断方式检测和定位大型商务机的迎角传感器，其中，基于信息方法主要应用了离散傅里叶分析和特征检测技术;张玉等基于飞控系统传感器故障产生的突变成分，通过小波包对原始信号进行分解，提取特征作为神经网络的训练数据;宁东方等结合遗传算法和小波变换，设计了针对飞控传感器3种不同故障的自适应诊断算法。

神经网络一直是基于信息方法的热门算法之一，许多学者的故障诊断研究都是基于神经网络开展的。WAN等提出了基于ＲBF神经网络的在线学习传感器故障诊断算法，同时在结构内引入内嵌滤波器增强对传感器故障的敏感程度，降低对噪声和干扰的敏感性;李刚等提出改进的经验模态分解－排列熵算法，对固有模态信号进行重构，以此为训练样本，建立概率神经网络模型预测陀螺故障。虽然现阶段已有学者对此进行了初步研究，但理论研究和实际应用都还有很大的空间待挖掘。

除神经网络以外，也有学者不断探索新的机器学习方法在传感器故障诊断上的应用，其中，支持向量机(SVM)凭借优异的分类性能受到多学者的关注。胡良谋等提出了基于最小二乘SVM的飞控系统故障诊断方法，在保证诊断精度的同时，对于学习的速度也有所提升;吴学钊等采用自适应局域均值分解提取电传飞控传感器故障的特征值，基于SVM方法对故障进行分类;尹伟等研究了基于差分交叉验证的SVM飞控系统传感器故障诊断算法，仿真结果表明，算法的分类效果在故障分类上具有一定的优势。除上述研究之外，化永朝等综述了可诊断性的概念，并分别从定性模型、定量模型和数据驱动3个角度对该概念进行解释，为航空器故障诊断提供了一种新思路。

当前面临问题及未来发展趋势

一、当前面临问题

随着飞机各系统的复杂度不断提高，机载先进传感器的种类也在不断增多，造成冗余技术复杂性提升。例如在冗余中要考虑到空间隔离、非相似信号和时间同步等问题。复杂系统的非预期故障或多故障组合的检测与隔离也是当前的技术难点之一。因此，在飞机的设计上，需要对机载设备的配置进行全局分析，结合先进方法，保证设计能覆盖所有指标。

从故障诊断算法角度来说，虽然可以从软件上解决飞控系统传感器故障诊断问题，为航空器带来成本上的优势，但软件的故障诊断始终无法从安全性角度充分表明其符合适航规章要求。一方面，从理论上无法充分表明符合性，其设计需求、稳定性判据等都与传统的算法有很大的区别。现阶段，故障诊断技术也围绕着越来越多的学习算法展开，但学习算法展现出的大量不确定性(如给定相同的输入时在不同学习阶段可能输出不同结果)是现有适航审定条款和常用符合性方法无法覆盖的。因此，如何表明先进算法设计的安全性始终是技术推广至应用的“鸿沟”。

另一方面，现阶段仍缺乏大量的实际飞行数据，不能用充分的试验来暴露问题，为适航审定积累信心。除上述问题外，各类不同算法虽然在理论证明和仿真试验中表现出具有一定程度的先进性和鲁棒性，但实际上也会面临依赖模型精度、设计和计算过程复杂、无法直接与物理概念挂钩等缺点。

未来发展趋势

一、硬件与软件复合冗余方式

传统的硬件冗余方法可以带来充分的安全性，已有多型号飞机通过适航审定并持续安全运行。软件方法可以在不增加额外设备的前提下，实现对飞控系统中故障的检测和分析。但现有大部分软件方法还较难表明其安全性达到适航要求，先进方法在飞机上的应用还需要在适航符合性方面加强。两种方法各有优缺点，现阶段复合冗余方式更为合适。利用硬件余度加强安全性，满足适航要求;同时，利用软件余度提升故障诊断性能，增加试飞数据，可以为下一步适航审定提供支撑。

二、多传感器的信息融合带来安全性的提升

现阶段机载传感器种类和数量不断增多，可以实现对多种飞机运动信息精确测量。飞机的传感器信息处理也在朝着综合化与交互化的方向发展。现阶段信息交互与信息融合是计算机和自动化技术发展的重要方向之一。下一步可以基于此技术，探索将其应用于某一类型传感器失效的情况下，利用其他多种类型传感器的信息融合，重构出高置信、高可靠的故障信号源(虚拟传感器)，抑制故障传感器对飞机稳定与操纵的影响，提升飞机的安全性。

结束语

本文针对民用飞机飞控系统中的常见传感装置，分析了典型故障模式和设计考虑; 分别介绍了基于模型方法和基于信息方法在传感器故障诊断领域上的应用和发展; 最后简述了当前面临问题并提出了若干建议。下一步的目标是实现更多先进方法应用于实际飞机机载设备和系统。