前言：民航飞机维修中，严重的结构故障会影响飞机研制进程或飞机的正常使用。飞机的结构作为飞机的重要组成部分,特别是起落架系统的结构性能的好坏关系到飞机的起飞,着陆及地面停放时飞机是否安全.当飞机在跑道上滑跑时,起落架系统的减摆器吸收着飞机滑行时通用飞机起落架与地面产生的撞击和振动能量,使得通用飞机在跑道上平稳滑行,保证了飞机的运行安全。
1、大数据的定义
在当前，大数据已经不仅仅局限于以往狭隘的定了，其已经发展成了一种广义的概念，不仅是一种简单的数据形式，而且还涵盖了诸如采集、处理、分析等一系列相关技术手段，已经变成了一种统一的理念。
2、大数据技术在航空维修领域应用的短板
建立如此庞大的数据平台不是一朝一夕就可以实现的，需要旷日持久的流程整理和研发，以及配套的系统设计和人员培训，国航的机务二期开发时间之长、耗费的人力物力和财力之大可见一斑，大数据平台是一项花销不菲的工程，前期投入大、耗时长的特点使规模小的公司难以承受，况且平台投入使用后仍需要大量资金用于维护和完善。数据质量和广度对大数据分析产生巨大影响，低质量和窄维度的数据可能导致结论与实际偏差甚远，目前需要业务管理手段来配合保障，这也是该技术在应用方面的局限所在，不过随着可穿戴设备和立体显示等高新技术的不断成熟，借助这些设备和技术数据收集的质量和效率问题将会大大改善。
3、大数据分析技术在航空故障预测领域的应用现状
1970年左右，NASA官方就提出了基于传感器数据的航天器综合健康管理概念，而且在这个理论的基础上，技术人员还研发出了飞机状态监测系统、发动机监测系统以及综合诊断预测系统。上世纪末，随着军方F-35战机项目的开启，该方案完成了从理论过渡到实践的重大转变。步入本世纪之后，互联网技术和计算机信息技术迅猛发展，在航空航天领域，西方各国纷纷将关注点放在了机器学习方面，他们想借助该方法实现高维海量工业数据的整理，进而找到各种复杂设备系统内部故障的规律所在。对此，西方国家各大官方科学研究团体，或者是各个大型航空企业的科研团队都在进行该方面的技术攻关，其中多数进展及成果都属于保密阶段，就当前已知信息来看，被公布在公共视野内的少之又少，比如数据驱动的方法、基于深度学习的故障预测等。
4、飞机结构故障预测方法
4.1维修数据的预处理与标准化
飞机具有较为复杂的下级系统分类，在查询相关标准的基础上，将飞机分为控制系统、燃油系统、液压系统、电气系统、气压系统、环境控制系统、应急系统、旋转翼系统和其他系统，通过分类分析可以确定故障件所属的具体系统。目前飞机的维修记录大多根据维修人员的经验记录为描述性语句，因此无法直接对维修记录进行拟合处理，需要对维修记录进行量化分析和预处理（即标准化）。首先，选择影响故障分布的指标。在分析飞机结构故障的维修记录时发现，与故障分布相关的数据众多，从中可以择取相关的因变量。分析维修数据后，本文选出９个对飞机故障预测产生影响的变量（故障时间、飞机修后工作时间、故障件修后时间、故障件翻修次数、换上件工作时间、发现时机、专业、故障部位和故障责任）。其次，将数据标准化。对飞机维修数据进行标准化处理需要制定规则，用量化指标代表部分非结构化数据，为后面的大数据分析处理平台提供有效数据源。除开故障件翻修次数直接使用数值，其余各类时间时次运用区间分类，自然语言表述赋予对应值进行区分。本文编写Ｐｙｔｈｏｎ脚本语言对飞机质控数据和故障记录进行扫描，提取出选定的指标信息，根据数据统计结果，对出现的自然语言描述进行赋值。
4.2模型判断
就ＡＲＩＭＡ模型来说，常见的有３种模型分支．为了选出适合的ＡＲＩＭＡ模型，引入了序列的自相关图ＡＣＦ和序列的偏相关图ＰＡＣＦ。假设偏相关系数是ｐ阶，自相关系数为ｑ阶，在自相关系数拖尾时，应该选用ｐ阶段截尾的ＡＲ（ｐ）模型；在偏相关系数拖尾时，应该选用ｑ阶截尾的ＡＲＭＡ（ｑ）模型；如果自相关系数和偏相关系数都出现拖尾，则应选用ＡＲＭＡ（ｑ，ｐ）模型。在选定模型的基础上，对模型的适用性进行验证。本文对预测模型输出的残差进行分析，发现其满足均值为０的正态分布，说明在滞后阶数无论为何值的情况下，残差的自相关系数均为０，即拟合的模型适合对该数据集进行预测分析。
5、大数据在飞机维修保障中的应用
5.1保障信息感知
大数据条件下航空装备维修保障，在很大程度上体现为维修信息获取分析和保障资源调配速度的竞赛，对装备维修信息的实时性提出更高的要求。大数据及其技术在航空装备维修活动中，利用强大的数据处理和分析功能，将各种作业终端获取的故障、拆装、更换、改装、修理、调整等海量维修工作数据和任务计划、维修人员等自然信息进行快速准确的融合收集、处理、存储，形成全维一体的航空装备维修保障信息源，达成航空装备维修保障单元之间能够实时感知航空装备维修保障信息。
5.2保障决策
一是决策信息容量巨大。大数据以其强大的网络存储能力，为信息资源提供全方位、全天候的信息存储服务，存储各种航空装备维修保障数据资料，以及实时获取的海量维修保障信息，并提供维修保障信息处理服务。二是决策信息融合迅速。大数据以其庞大的服务器群，具备将复杂任务分解成多个子任务的能力，并提供多服务器同步运行任务服务，可对装备维修保障信息实施快速汇聚和融合，为保障指挥机构和指挥员随时、随地提供所需参考信息和决策模型，并能及时、同步更新信息，确保信息的新鲜度。三是决策信息使用方便。利用大数据技术，能够将最新的航空装备维修保障信息进行综合，融合形成各类实时态势图，同步推送给各级航空装备维修保障机构，使机关和保障指挥员能够基于可视化态势图进行快速有效的决策。
5.3保障精确控制
一是保障任务直达一线。利用大数据技术，统一各类数据编码和数据格式标准，建立格式化消息数据库，航空装备维修保障指挥员可利用广域分布的云计算网络，将武器控制信息直送一线维修保障人员，实现基于格式化数据的无缝式管控。二是维修保障精确度更高。利用大数据技术，将远程专家诊断系统、故障信息分析处理系统、维修保障资源库、维修人员能力素质信息系统实现互联互通，提供动态、实时、准确的航空装备故障信息，缩短航空装备维修信息的流转时间，提高数据的精度，为快速精确实现航空装备修复提供系统支持。
结束语：在大数据时代，飞机维修工作应有效利用大数据技术，并以此为基础制定故障判定、故障排除等方面的策略。在飞机维修作业中，对于具体维修任务及大数据技术应用，相关人员应明确两者之间的关系。同时，针对维修子任务，应明确相应子任务与整体维修活动的关系。
参考文献
[1]蓝楠.关于大数据技术在国内MRO领域发展现状的调查——“四大航”的机务大数据技术应用实践[J].航空维修与工程,2017(08):18-22.
[2]郎荣玲,潘磊,吕永乐.基于飞行数据的民航飞机故障诊断专家系统[M].北京:国防工业出版社,2014.
[3]俞黎铭.论大数据技术在飞机维修中的应用[J].建筑工程技术与设计，2018（2）.
