基于数据分析的预防性维护在仪表着陆系统运维中的应用

摘要：随着民航业高质量发展和航班量急剧增多，仪表着陆系统的运行维护面临着更高的保障要求。作为设备保障单位，除了采取计划性的维护维修外，设备维护人员应能够基于数据分析预测设备在短时间内可能出现的故障，从而对设备采取预防性维护，最大限度地减少设备故障次数，保证设备安全平稳运行。本文将从设备运行原理、故障特征变量、分析预测、具体案例等方面阐述数据分析和预防性维护在仪表着陆系统运维中的应用，为提高仪表着陆系统的持续可靠运行提供技术支撑和研究思路。

关键词：仪表着陆系统；故障；数据分析；预防性维护

引言

仪表着陆系统（Instrument Landing System，ILS）是目前国内各民航机场应用最广泛、性能最稳定的飞机精密进近和着陆引导系统，它在飞机的安全进近和着陆过程中发挥重要作用。目前，仪表着陆系统运行保障单位主要依托《民用航空通信导航监视工作规则》等规章和设备维护手册开展设备运维工作，维护方式以定期维护、飞行校验为主，巡检、维修、优化统调与大修为辅。随着交通运输业的迅速发展和民航业的高质量发展，航班量急剧增多，仪表着陆系统的运行面临着更高的保障要求。这就要求运维保障单位除了采取计划性的维护维修外，还应强化对预防性维护的研究，设备维护人员应能够预测设备在短时间内可能出现的故障，从而对设备采取预防性维护，最大限度地减少故障维修次数，保证设备安全平稳运行。本文以民航三亚空管站所辖仪表着陆系统运维工作为例，探讨运维人员基于数据分析的预防性维护在仪表着陆系统运维中的应用——从不正常现象或历史监控数据进行提取信息，结合设备状况、巡检数据、典型案例、电磁环境、校验图表、机载数据、测试验证等数据分析、识别并预测后，确定其故障对安全运行的影响程度，适时开展预防性维护，降低不正常事件发生的概率，为其日常运行维护工作提供技术支撑。

1 数据分析基础

设备故障的预测方法有很多种，数据驱动型预测是其中之一。基于数据驱动（分析）的预测主要是以采集的历史数据为基础，通过各种分析处理方法挖掘其中的隐含信息，从而对即将到来的时刻进行预测或干预。接下来将把仪表着陆系统（以SELEX型航向设备为例）作为研究对象，并分析其工作原理、工作特性和运行维护工作，同时针对航向设备监控系统的特性，将航向设备监控参数、历史数据、典型案例、校飞图表等作为故障特征变量，来表征与设备运行状态之间的关系。通过数据分析，预测故障特征变量的变化趋势来实现对航向设备故障的预测。

1.1 航向设备工作原理

航向设备的工作过程可以简单概括为：信号产生、信号调制、信号发射、信号监测。整个设备是由复杂的模块板件组成，如图1所示。

航道信号主要由CSB（载波和边带）信号和SBO（仅含边带）信号组成。CSB信号的主要部分是被90Hz和150Hz音频信号幅度调制的RF载波信号，而SBO信号是一个抑制掉载波的双边带信号，只含有90和150Hz边带信号。余隙发射机产生的余隙信号也包含CSB和SBO信号，这与航道发射机产生的信号相类似，不同的是余隙发射机的频率比台站载波频率低4kHz，也就是比航道频率低8kHz。

航向设备信号在天线阵处具有特定的幅度和相位关系，如图2所示，这个功能是由DU（天线分配单元）实现的。DU将送来的航道和余隙的CSB、SBO信号进行处理，产生正确的幅度和相位分配关系信号送到各个天线，从而得到所需的天线辐射波形。在每个天线阵子上有一个采样组件，对发射的信号进行幅度相位采样，并送回混合单元。混合单元将这些采样的信号进行分离，还原成CSB和SBO信号，通过两根线缆分别送回设备机柜。偏置余隙监控系统有另两路RF信号，通过CLR1和CLR2线缆送回发射机柜，这两路信号代表了跑道中线两侧约22°和35°位置的余隙信号。在设备机柜中，采样的CSB和SBO信号（包括偏置余隙监控系统的CLR1和CLR2）被送至完整性监控电路。

1.2 航向设备监控参数

航向设备的监控系统通过对发射信号进行数字化监控，实现设备自我故障检测、提醒和诊断，监控参数中包含了大量的设备状态和隐含的信息。在航向设备监控参数界面中，包含了航道（Course Centerline DDM）、宽度（Course Width DDM）、余隙（Clearance Centerline 1/2 DDM）、近场（Near Field）四种主要参数。其中，近场信号是通过近场监控天线获取的设备实际发射的近场信号。其他信号均是直接从天线系统中耦合取样，基本不受外界干扰。信号经监控系统通过数字化处理之后变成了设备监控参数。

由此可知，监控参数的变化与设备运行状态之间存在一定程度的映射关系。因此，将监控参数作为表征航向信标运行状态的故障特征变量，且航向设备定期维护所记录的监控参数的变化趋势，有利于监控参数信息提取、整理和分析。

除了设备监控参数可以作为故障特征变量用于研究分析可能发生的故障外，维护数据、设备巡检、校飞图表、机载DAR数据等都可以作为故障特征变量加以研究分析。基于数据分析的预防性维护，重点在于故障预测，而故障预测的关键在于故障特征变量的确定（设备故障时是否被准确地体现）和分析。

2 具体应用

2.1 SELEX型航向设备天线故障

2.1.1 不正常现象

2022年9月24日12：38，某地08航向设备双监控器告警并关机，故障现象为余隙RF Level、Clearance 1 DDM、Clearance 2 DDM告警，设备于13：02时在旁路维护模式下自行恢复，告警现象消失。10月2日10：09，08航向设备双监控器告警并关机，故障现象为Clearance 1 DDM、Clearance 2 DDM告警，10：10 在旁路维护模式下余隙参数告警消失，设备自动恢复正常。10月8日10：15，08航向设备双监控器告警并关机，故障现象为Clearance 1 DDM告警、Clearance 2 DDM预警门限变化，10：16 在旁路维护模式下余隙参数告警消失，设备自动恢复正常。三次故障现象。在后续的深入维护和排故过程中，技术人员消除天线电缆头紧固问题引发的隐患。排故中突发3L电缆头紧固问题导致监控参数、天线参数不稳定的情况，余隙RF Level、Clearance 1 DDM、Clearance 2 DDM均发生了不同程度的跳变，技术人员重新对3L天线端电缆头紧固后参数均恢复正常。经过一系列的维护和排查，并未直接排查出引起三次故障的直接原因。

2023年7月14日10：30，08航向设备出现08航向设备双机Clearance 1 DDM参数告警、Clearance 2 DDM参数预警、Course RF Level参数在预警门限漂移，且设备监控软件中的RMS Data》Antenna Faults显示3L的天线检测电压值为2.49，为“Open Cable”状态，呈现出时好时坏的现象。经故障排查，定位3L天线端发射通路电缆质量缺陷导致电缆头连接处芯线断裂造成08航向设备故障。同时也发现此类故障之处较为隐蔽，难于在日常维护中及时发现。

2.1.2 数据分析

2022年08航向设备三次故障发生后，运维人员逐一进行故障排查和深入维护，分别是：

9月24日故障后，对以下故障特征变量进行维护分析：1）设备双机各项发射机参数检查，频率合成器测试点信号波形，航道及余隙CSB、SBO功率值；2）室外天线分配及混合单元密封性检查，室外密闭空间中小动物活动痕迹检查；3）根据航向设备天线幅度和相位分配特点（如图2所示），检测1-5对天线A-M环路传输S21参数；4）使用PIR对由室外天线阵和近场监控天线送至机柜的监控信号NFM、CSB、SBO、CLR1、CLR2进行测量。与故障前维护、巡检数据对比，无异常。

10月2日故障后，对以下故障特征变量进行维护分析：1）对08航向设备信号进行外场测试；2）对中间1-5对航向天线，利用矢量网络分析仪检测监控端回波损耗、相位和A-M环路S21参数；3）打开室外分配箱及第1-5对航向天线后盖板，重点对天线顶端接缝处、后盖板、天线与支撑杆连接处空洞密封性进行检查；4）针对第1-5对天线，模拟震动情况下是否故障重现。经对比分析，并未发现异常。

10月8日故障后，对以下故障特征变量进行维护分析：1）在机房端对CU单元输出的CSB、SBO、CLR1、CLR2和NFM的DDM、SDM、RF参数进行测量；2）使用网络分析仪对20根天线馈线端、监控端回波损耗及发射监控端环路损耗再次进行测量；3）使用网络分析仪S21模式测量CU板合成信号；4）对整个天线系统进行外观检查；5）打开中间10根天线（辐射余隙信号）外罩，使用内窥镜对天线内部馈电管进行检查；6）模拟壁虎进入天线腔体实验；7）进行CU板输入损耗增大和相位变化模拟测试；8）对天线所有电缆头再次进行紧固。经采取以上深入维护措施，并没有查找出导致故障的直接因素。但在第三次隐患排查以后，尤其是在对所有08航向天线使用定制扳手对电缆头进行紧固后，设备监控参数Clearance 1 DDM、Clearance 2 DDM数值变化趋于平缓（以08航向设备TX2为例），如图3所示，设备运行稳定，效果明显。

虽然2023年7月14日08航向设备再次出现故障，但以结果导向来看，反向推理，在7月14日故障发生前，运行保障单位若是发现系统内有电缆头内部芯线断裂的典型案例，综合上述排查经过，结合设备状况、巡检数据、维护情况、测试验证等故障特征变量的分析，采取检查电缆头内部芯线连接情况等预防性维护，在一定程度上是能减少后续故障发生的概率。从排查的经历可知，技术人员已经针对SELEX型航向设备天线幅度和相位分配关系，判断故障参数与公共部分天线系统中的第1-5对天线密不可分，重点对第1-5对天线开展排查工作，但是未对电缆头内部连接情况进行检查，同时在7.14故障中发现，N型公头直角连接器（弯头）异常具有隐蔽性。当电缆头内部芯线存在质量缺陷且由于电缆的应力作用和热胀冷缩等因素影响下，会造成内部芯线断裂或者存在裂痕，而由于连接器电缆螺母和热缩套管的紧固作用，使得连接器内部芯线并未立即呈现断开的状态，从而导致设备参数性能存在不稳定的状态。

综上所述，虽然是事后分析，但在实际运维中，从不正常现象进行提取信息，结合设备状况、巡检数据、典型案例、测试验证等数据分析，识别并预测后开展预防性维护，一定程度上能降低故障的概率。

2.2 SELEX型下滑近场监控天线性能下降的隐患排查

2.2.1 不正常现象

设备运维人员通过日常对比发现，某地08下滑近场监控参数RF LEVEL数值在2023年3月7日后逐渐减小，而执行监控参数RF LEVEL基本无变化，近场监控器和执行监控器RF LEVEL的差值逐渐超过10个基准点（以1%为基准），并有增大的趋势。通过对比3月份以来08下滑设备1号发射机监控参数RF LEVEL的变化情况，发现08下滑近场监控参数RF LEVEL数值呈现异常趋势，如图4所示。

同时结合2023年4月9日晚20：06，此时天气为小雨，运维人员巡视发现08下滑设备近场监控RF LEVEL参数值降由15：57时的数据，85.2%（MON1）降至58.9%（MON1），而设备执行监控RF LEVEL参数值为97.1%（MON1），雨后三小时近场监控RF LEVEL数值逐渐恢复至85.2%（MON1），期间设备无告警现象。同样的情况在4月10日14：56分再次出现，天气同样为小雨，08下滑设备近场监控RF LEVEL参数值由85.2%（MON1）降至65.0%（MON1），此时执行监控RF LEVEL为97.0%（MON1），雨后三小时近场监控器RF LEVEL数值又逐渐恢复，期间设备无告警现象。

2.2.2 数据分析

根据上述现象，运维人员进行数据分析。在日常运行中，因为保护区地表湿度、近场监控天线表面湿度、空气温湿度变化等因素，下滑设备的近场监控参数在早晚以及雨天会有小幅度变化[1]。而3月份以来，尤其是在下雨时期，08下滑设备近场监控参数RF LEVEL数值波动范围更大，08下滑设备执行监控器和近场监控器RF LEVEL的差值由5%以内增大至10%以上，显然近期08下滑设备近场监控RF LEVEL参数变化范围呈现出异常状态。

综合上述1.2节，下滑设备运行原理基本一致。运维人员初步判断为08下滑近场监控天线存在着性能下降的隐患。立即开展对故障特征变量的分析：1）对比08下滑设备发射性能，监控器中的发射机参数对比；2）对比08下滑设备维护情况，尤其是发射机发射功率以及下滑发射天线性能的对比；3）对比场地保护区环境的变化；4）通过仪表着陆系统品质监视系统，利用机载DAR数据对比前后下滑设备发射信号是否变化；5）对比26下滑设备数据，为了验证同一种室外温湿度环境对近场监控参数RF LEVEL的影响；6）为了能还原雨天环境下近场监控参数RF LEVEL数值的变化，运维人员通过现场模拟测试，比对原监控天线和备件监控天线的回波损耗、驻波比、PIR（外场测试仪）测量值、软件监控参数等，在干燥和雨天两种不同环境下的变化情况，如表1所示。

通过对比测试，雨天时，更换天线备件的情况下软件中近场监控器RF level参数前后变化幅度为6.3%，而原监控天线的变化幅度则为25.2%。同时，使用PIR（外场测试仪）测量，天线备件在干燥和雨天情况下的RF值基本无变化，而原监控天线的RF值则有1.4dB的变化（等效于功率衰减了27.6%）。初步判断近场监控器RF LEVEL数值逐渐变小的原因为监控天线性能下降，而在雨天时这种现象愈发严重。

综合上述对故障特征变量的分析，在08下滑设备发射性能、维护情况、场地保护区、实际辐射信号等未发生变化的情况，通过现场模拟测试数据对比，可以判断为08下滑设备近场监控天线性能下降导致近场监控器RF LEVEL值逐渐减小，在雨天潮湿情况下，监控天线性能不稳定导致近场监控器RF LEVEL参数幅度跳变范围扩大。

为了在雷雨季到来前及时排除隐患，运维人员在4月12日采取预防性维护，快速更换备件。经后续观察记录，08下滑近场监控器RF LEVEL趋于稳定，未出现逐渐变小的趋势，也进一步验证了08下滑设备存在近场监控天线性能下降导致监控参数异常的设备隐患。

3 结束语

基于数据分析的预防性维护是作为比设备故障维修更有效率的维护维修管理方式，类似中医专业中的“望、闻、问、切”，需全方位对设备状态进行“诊断”，是一项综合的系统工程，它可以实现设备管理由计划维护、事后维修向视情维护维修方式的转变，提前预防和处理故障，避免设备故障对安全运行的影响，保障设备持续稳定运行。然而设备故障（状态）预测是一项复杂研究工程[2]，不仅仅要考虑特征变量是否存在噪声并降噪的问题，还需要关注特征变量的有效提取以及与设备、关键模块等故障模式的联系，甚至研究构建预测算法和模型[3]，通过仿真和训练模型，较好地反映出设备实际工作状态的发展趋势与状态信号之间的关系，最终快速、准确地预测特征变量的未来趋势实现对设备故障的预测，这也是对本文研究工作的展望和后续努力的方向。

参考文献：

[1]侯小青.浅析NORMARC 7000B仪表着陆系统近场监控信号漂移[J].中国新通信， 2018， 20（15）： 156-157.

[2] 韩晓， 赵昶宇.复杂电子设备故障预测方法研究[J].科技与创新， 2017（20）： 48-50.