民用涡扇发动机健康智能监控技术研究（可编辑） .doc

《民用涡扇发动机健康智能监控技术研究（可编辑） .doc》由会员分享，可在线阅读，更多相关《民用涡扇发动机健康智能监控技术研究（可编辑） .doc（31页珍藏版）》请在三一办公上搜索。

1、民用涡扇发动机健康智能监控技术研究 天津大学 博 士学 位论文民用涡扇发动机 健康 智能监控技术的研究Study on civil turbofan engine health intelligent monitoring technologies学科专业 :机械 制 造及其自 动化 研 究 生:瞿红 春 指导教师 : 王太 勇 教授天津大学 机械工 程 学院 二零 一零年十二 月独创性声明本 人 声 明 所 呈 交 的 学 位 论 文 是 本 人 在 导 师 指 导 下 进 行 的 研 究 工 作 和 取 得 的研究成果, 除了文中特 别加以标注和致谢之处外, 论文中不包含其他 人已经发表或

2、撰写 过的研究成果, 也不包含为获得 天 津大学 或其他教育机构 的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名: 签字日期: 年 月 日学位论文版权使用授权书本学位论文作者完全了解 天 津大 学 有关 保留、使用学位论文的规定。特授权 天津大学 可 以 将 学 位 论 文 的 全 部 或 部 分 内 容 编 入 有 关 数 据 库 进 行 检索, 并采用影印、 缩印或扫描等复制手段保存、 汇编以供查阅和借阅。 同意学校向国家有 关部门或机构送交论文的复印件和磁盘。 (保密的学位论文在解密后适用本授权说明) 学位论

3、文作者签名: 导师签名:签字日期:年 月 日 签字日期:年 月 日中文摘要民用航空发动机的健康管理是民航管理和运营机构十分关注的热点问题, 发动机状态监控、 故障诊 断和寿命预测等发动机健康管理 关键技术,对 减少运营和维修成本, 有效避免重 大事故的发生 以及实现发动机视情维修 意义重大。 由于 民航发动机结构复杂 、 部 件繁 杂, 导致 其故障现 象与故障原因之间的映射关系复杂多变, 特别是 对于发动机气路故障, 相关性能参数变化 不明显,难以直观做出判断。 本文对民用涡 扇发 动机的健康智能监控技术进行研究, 主要研究 内容和成果如下: 1.首次把 QAR 数据用于民航发动机的故障检测

4、和故障分类诊断,将基于PCA 和信息熵的方法 用于民用涡扇发动机的气路健康监控。 把 PCA 方法用于发动机的气路性能排队和评估发动机的气路健康。 采用信息熵的方法分析故障征兆和故障原因之间的关系, 探究引起发动机整体 性能 衰减 的主要原因, 为发动机的状态评估提供 技术手段。 2. 在发 动机故障检测中, 采用超平面支持向量机算法研究真实样本的分布特征, 对发动机正常样本的分布特征进行学习, 优化 模型参数, 确定 最优分类边界,通过计算未知样本和支持向量的距离确定样本的类别归属。在 检测模型中 ,参数变化对检测准确率影响较大, 本文采用了 验证法进行模型选择, 研究表明 样本检出率达到

5、93.2% 。 3. 针对实际民航发动机故障样本少的特点, 将支持向量机用于发动机故障分类诊断中,在二元分类器的基础上构造并实现了两种多分类支持向量机算法,通过仿真测试对比两种算法在故障分类诊断中的性能差异。 同时对支持向量机三种核函数性能 进行研究, 包括核参数及模型参 数变化对分类结果的影响, 结果表明:径向基核函数稍优于其他核函数。 4. 为综合评估发动机在翼寿命, 采用系统工程中 模糊层次分析法、 均方根法来综合评定发动机的寿命。 用航线、 车间、 试车台和 工程管理数据等四个方面数据分析影响发动机寿命评估预测的因素, 用层次分析法构造了发动机评估预测的指标体系,并以综合测评值作为发动

6、机寿命预测 指标 ,结果和实际相符较好 。 5.根据民用 发动机的特点, 将 改进的LS-SVM 回归应用于航空发动机寿命预测,采用大修后 发动机的试车数据, 验证了 LS-SVM 回归 预测发动机 寿命 的有效性,在工程实际中具有理论 指导意义。关键词: 民用涡扇发 动机 健康管理, 故障诊断 支持向量机 信息熵 层次分 析法 寿命预测 模式识别iiiABSTRACT Civil aeroengine health management is a key issue for civil administration authorities and airlines, and engine c

7、ondition mornitoring, fault diagnosis and life predication are key parts of civil aviation engine heath managment system, which are the important means to reduce operation and maintenance costs and avoid serious accidents, then achieving on-condition maintenance. Because of the high complex system s

8、tructures and enormous components, the aeroengine faults vary a lot as well as the fault consequences and causes, especially in the gas-path fault which the relevant parameters change very slightly, thus it is hard to make an accurate diagnosis only by working experiences. Civil aviation engine faul

9、t diagnosis and life predication based on intelligent technologies are studied in this dissertation, The main researches are listed as follows: 1. QAR date are used for civil aeroengines fault detection amd fault diagnosisPCA and information entropy method are employed to monitor aeroengine health.T

10、he gaspath performance sort and health assessing are developed based on PCA,.and information entropy method is used to analyze relation between fault symptoms and cause.in order to develop the main cause of engine performance deterioration, then to assess engine health condition2. In fault detection

11、, the Hyper-plane SVM is employed to train and test the normal samples and make a data description, model parameters are selected to determine best classification boundary, then to decide samples classification by calculating distance between unknown samples and support vectors. Parameters are sensi

12、tive to accuracy in detection modle,so cross validation is used for model selection. The research shows that the diagnostic accuracy reaches 93.2%3. In fault diagnosis, the multi-classification algorithms are constructed and compared by simulation samples based on the Least-square SVM because ofinsu

13、fficient real civil engine fault samples , The three types of kernel functions are also studied, including the influence of function parameters and model parameters on the classification results, and finally compared the results with Back Propagation Neural Network. The research shows that radial ba

14、se kernel function gets better resules than others4. A sythetical assess method according to mean square root method based on Fuzzy AHP method is proposed to predict removal time for Aero-engines, in which date from airline ,shop, test cell and other information are analyze to determine theiiimain f

15、actors influencing engine life-on-wing by AHP. then remaining time of engine is forecasted by a new assessing parameter. The research shows that sythetical assess method is according with reality5 LS-SVM regression under Bayesian evidence framework is analysized and the civil aviation engine life pr

16、ediction model with error bars is built using the test cell data of overhauled engines. the results show the feasibility of prediction model KEY WORDS :Civil turbofane engine; Health managemet; Fault diagnosis; Support vector machine; Information entropy; Life prediction; Analytic Hierarchy Processi

17、v目 录第 一章 绪 论.1 1.1 民用发动机 健康监控 的研究背景 1 1.2 民用 发动机健康监控 的研究现状 3 1.3 民用 发动机健康监控的发展方向 7 1.3.1 基于人工智能的方法. 7 1.3.2 基于信息融合的方法. 8 1.3.3 发动机在翼使用寿命的预测方法8 1.4 本文的研究内容. 9 第 二章 民航 涡扇发 动机 状态 监控.11 2.1 发动机巡航趋势监控 12 2.1.1 数据筛选与获取. 13 2.1.2 相似修正. 14 2.1.3 功率修正. 15 2.1.4 数据平滑与小偏差 16 2.1.5 趋势图解释 16 2.1.6 影响发动机巡航趋势的故障类型

18、 17 2.1.7 实际案例分析18 2.2 基于主成分分析(PCA )的发动机气路健康监控 19 2.2.1 主成分分析原理. 20 2.2.2 标准化变量的主成分22 2.2.3 在发动机气路健康监控中的应用 23 2.3 基于信息熵的发动机性能分析26 2.3.1 信息熵的相关概念 26 2.3.2 应用实例. 27 2.3.3 结论 29 2.4 小结. 30 第 三章 基于 支持向 量机 的民 航发动 机故 障检测.31 3.1 统计学习理论 31 3.1.1 VC 维. 31 3.1.2 推广性的界 32 v -3.1.3 结构风险最小化 33 3.2 支持向量机研究现状 33 3

19、.3 支持向量机主要算法 36 3.3.1 线性支持向量机 36 3.3.2 广义线性支持向量机. 37 3.3.3 非线性支持向量机38 3.3.4 单分类支持向量机40 3.3.5 最小二乘支持向量机. 41 3.4 基于超平面 SVM 的发动机故障检测 42 3.4.1 样本准备 42 3.4.2 实例分析 44 3.4.3 基于 BP 神经网络的故障检测. 46 3.5 小结. 49 第 四章 基于 支持向 量机 的民 航发动 机故 障诊断. 50 4.1 基于支持向量机的多分类算法50 4.1.1 “一对一”算法 50 4.1.2 “一对多”算法 51 4.2 基于 SVM 多分类算

20、法的发动机气路故障诊断52 4.2.1 故障样本数据生成52 4.2.2 故障诊断应用实例53 4.2.3 模型参数的比较 62 4.2.4 核函数的比较. 67 4.2.5 基于 BP 网络的发动机故障诊断 74 4.3 小结. 76 第 五章 民航 发动机 在翼 寿命 预测的 研究. 77 5.1 民航发动机起飞 EGT 裕度监控 77 5.1.1 起飞 EGT 裕度定义. 77 5.1.2 起飞 EGT 裕度估算. 79 5.1.3 利用起飞 EGT 裕度估算预测发动机寿命. 80 5.2 基于模糊层次分析法的发动机寿命综合预测83 5.2.1 影响发动机寿命评估预测的因素84 5.2.

21、2 模糊层次分析法 86 5.2.3 发动机在翼寿命评估指标体系的 建立 87 vi -5.2.4 发动机在翼寿命的综合评估93 5.3 基于 LS-SVM 回归 的发动机寿命预测95 5.3.1 LS-SVM 回归的原 理 95 5.3.2 贝叶斯框架下的 LS-SVM 回归 96 5.3.3 发动机在翼寿命预测96 5.4 小结. 98 第 六章 结论 与展望100 6.1 结论 100 6.2 展望 101 参 考文 献102 发 表论 文和科 研情 况说明.110 附 录111 致 谢114v-iivii - i 第一章 绪 论 第 一章 绪 论 航空 发 动机 的性 能 监控和 故

22、障 诊断 长期 以 来一直 是 航 空工 业特 别 是航空 维修 界 科 学 研 究 和 技 术 开 发 的 热 点 。 航 空 发 动 机 作 为 飞 机 的 心 脏 , 一 直 是 航 空 器维护的重中之重。国 外很早就有了发动机 健康管理 EHM (Engine Health 1Management ) 的概念 。在80 年代早期, 美 国率先开展了多项重大研究。 这些项 目 是 由 工 业 界 、 政 府 和 学 术 界 共 同 攻 关 研 究 , 还 开 发 了 有 用 的 测 试 和 诊 断 工具 , 其 中 有 的 已 被 为 测 试 和 诊 断 领 域 共 认 是 优 良 的

23、。 例 如 , 国 际 上 三 大 航 空 发动 机 制 造 商 ( 通 用 、 普 惠 、 罗 罗 ) 分 别 开 发 了 针 对 自 己 机 型 的 发 动 机 性 能 监 控软件在发动机视情维修中发挥了重要作用。 航 空 发 动机 维修 已 从过去 的 “ 以预 防为 主 ”的维 修 思 想转 向“ 以 可靠性 为中 心 ” 的 维 修 思 想 , 相 应 的 维 修 方 式 也 由 简 单 的 定 时 维 修 转 向 状 态 监 控 , 视 情维 修 和 对 寿 命 件 的 定 时 维 修 相 结 合 的 方 式 。 发 动 机 状 态 监 控 、 故 障 诊 断 和 寿 命预测等发动

24、机健康管理技术正是为实现先进的维修思想于上世纪 70 年代开始逐步 发 展 起 来 的 。 发 动 机 状 态 监 控 的 主 要 内 容 是 评 估 发 动 机 当 前 状 态 ; 故 障 诊 断则包括故障检测 (判断是否存在故障) 、 隔离 (对 故障定位) 和辨识 (判断故障的严重程度) ;寿命预测是根据发动机状态对其在翼使用时间或循环进行预测。对 发 动 机 用 户 而 言 , 全 面 了 解 发 动 机 性 能 并 对 其 故 障 进 行 快 速 、 准 确 地 隔 离 和辨 识 , 就 可 以 更 好 地 有 计 划 换 发 以 及 确 定 发 动 机 送 修 的 工 作 范 围

25、和 深 度 , 从 而2大大地减少运营和维修成本,并有效避免重大事故的发生 。 1.1 民用发动 机健康监控的研究 背景 飞 行 器 健康 管理 技 术是一 项 将 对航 空维 修 产生革 命 性 影响 的重 大 技术。 飞行 器 健 康 管 理 技 术 的 发 展 和 应 用 将 会 彻 底 改 变 航 空 维 修 面 貌 。 飞 行 器 健 康 管 理1的研究来源于美国 NASA 的航空安全大纲(AVSP ) 。AVSP 的目 标是发展和验证能在 2007 年将航空灾难性事故率降到 1/5,到 2022 年降到 1/10 的关键技术,AVSP 强调能降低事故出现的技术,同时强调事故出现时能

26、减少伤害的技术。 AVSP 研究 EHM 的目标是开发一套发动机的健康监视系统, 并且验证它的有 效 性 , 具 有 防 止 飞 行 过 程 中 发 动 机 发 生 故 障 , 或 者 在 发 生 故 障 后 , 降 低 发 动机故障对飞行安全的影响的功能。 作为 EHM 的一个组成部分, 基于模型的控制和 诊 断 (Model-Based Controls and Diagnostics, MBCD ) 得 到 了 深 入 的 研 究。1 第一章 绪 论 MBCD 包括实时 的机载发动机模型和控制结构。模型通过一定的在线参数估计算 法 来 估 计 非 额 定 工 况 下 的 发 动 机 部

27、件 性 能 , 传 感 器 测 量 偏 移 以 及 执 行 机 构 的偏 移 。 这 一 机 载 模 型 的 好 处 在 于 能 够 实 时 跟 踪 发 动 机 的 健 康 趋 势 , 估 计 出 发 动机 的 不 可 测 量 健 康 参 数 , 从 而 对 发 动 机 的 工 作 性 能 做 出 判 断 。 另 一 方 面 , 得 到的 健 康 参 数 又 作 为 发 动 机 反 馈 控 制 系 统 的 一 个 组 成 部 分 , 通 过 健 康 参 数 实 现 在非额定工况下对发动机推力的直接控制。 飞 行 器 健康 管理 是 与飞行 器 健 康状 态直 接 相关的 管 理 活动 的集 合

28、 ,即基 于测试、诊断 及 预 测 的 信 息 , 监 视 和 验 证 飞 行 器 及 其 组 成 部 分 的 健 康 状 态 , 必 要时提供纠正和保护 措施,并为飞行器维修 提供决策支持的一种能力。 飞行器健康管理的内涵 分为以下方面 : (1)以信息为依据的使用和维修; (2)以测试(传感器) 、状态监控、故障诊断、预测为主要技术手段; (3)必要的自修复和保护措施; (4)为飞行器 维修提供决策支持; (5)目标:风险最小;效益最大。 传统的健康管理采用机队数据统计以及传感器信号处理来检测和隔离故障 。 与 此 相 比 , 现 代 的 健 康 管 理 技 术 则 有 了 很 大 的 进

29、 步 , 拥 有 了 发 动 机 物 理 建模 、 单 台 发 动 机 性 能 追 踪 、 预 测 算 法 以 及 决 策 支 持 的 能 力 。 系 统 跟 踪 发 动 机 的重 要 变 量 , 将 基 于 模 型 预 测 值 与 测 量 值 进 行 比 较 , 并 应 用 各 种 算 法 以 及 因 果 逻辑来做出健康管理决策。 3典型的健康管理系统的特点包括 : 能够自动 监控、 分析、 决策支持 ; 具有、准 确 的 结 果 以 及 较 高 置 信 度 ; 系 统 的 鲁 棒 性 强 , 以 克 服 噪 声 和 假 信 息 的 干 扰 ;能够全面地覆盖故障状态; 具备较好的预测能力;

30、使用尽可能少的传感器设备;采用模块化、开放式的结构,用户界面友好。 目 前 , 广泛 认可 的 健康管 理 系 统包 括两 个 部分: 机 载 子系 统与 地 面地子 系统。 通常, 机载子系统 负责收集数据、 进行自我测试、 以及飞行中的实时监控;机 载 系 统 的 数 据 传 回 地 面 由 地 面 系 统 进 行 深 层 次 的 分 析 和 决 策 。 在 此 基 础 上 ,系统大致可以划分为 4 大功能模块,监控结果需要综合 4 个功能模块的信息给出最合理的结果。 (1)气路分析以及性能趋势监控; (2)滑油相关监控; (3)振动相关监控; (4)使用以及寿命监控。 本文研究民用发动机

31、健康管理中的几个关键问题: 发动机气路的健康监控,2 第一章 绪 论 气路的故障检测和故障诊断,信息融合以及发动机在翼使用寿命的研究。 1.2 民用发动 机健康监控的研究 现状 在 国 外 , 各 种 故 障 预 测 与 健 康 管 理 (Prognostic and Health Management, PHM)系统已经逐步得到应用。PHM 技术首先在美国陆军装备的直升机上得到了应用,形成了健康 与使用监测系统(Health and Usage Monitoring System, HUMS ) 。在航天领域,美国早在 20 世纪 70 年代就提出了综合飞行器健康管理(Integrated

32、Vehicle Health Management, IVHM ) 的概念。 在美国国防部门, 随着故 障 诊 断 和 维 修 技 术 的 迅 速 发 展 , 开 发 应 用 的 有 飞 机 状 态 监 测 系 统 (Aircraft Condition Monitoring System, ACMS ) 、 发 动 机 监 测 系 统 (Engine Monitoring System,EMS ) 、综合诊断预测系统(Integrated Diagnosis and Prognostic System, IDPS )以及海军的综合 状态评估系统(Integrated Condition As

33、sessment System, ICAS ) 等 。在 关键 技术 研 究上 ,主 要进 行了健 康 管理 系统 的框 架结构 研 究, 主要 由 数 据 采 集 与 传 输 、 数 据 处 理 、 状 态 监 测 、 健 康 评 估 、 故 障 预 测 和 自 动 推 理决 策 等 组 成 。 在 状 态 监 测 、 健 康 评 估 和 故 障 预 测 等 的 研 究 , 已 经 逐 步 发 展 成 为从简单的阈值判断方法,发展成为基于规则、案例和模型等的推理算法。 2001 年 Jaw 提 出 一 个 基 于 web 平 台 的 基 于 状 态 的 发 动 机 管 理 软 件 系 统(I

34、ntegrated Condition-based Engine Management System ,ICEMS ) ,可 以实现发动机的故障预测与状态管理。2000 年 Fisher 讨论了气路磨粒监控在发动机故障预 测 与 状 态管 理 中的 应用 。Suarez 等 在故 障预 测 与 状 态管 理 基础 上研 究 开 发 了一种航空发动机旋转结构的寿命预测系统。S.Vittal 等人对发动机寿命管理作了比较全面的综述,归纳了多种航 空发动机常见的寿命管理方法,如 Life To First Crack (LTFC)、Retirement For Cause (RFC)、Risk-ba

35、sed Inspection&Repair 、the“2/3 dysfunction approach”、Damage Tolerant Lifing 等概率设计算法。 还有一种重要的寿命管理方法来自于可靠性工程, 即比 例风险模型 (PHM) , 用它将视情维修 CBM 数据与寿命信息综合起来,常见到形式是 Weibull 比例风险模型(WPHM)。Jardine 等人就将此模型应用到 发动机寿命管理中, 处理飞机或轮船发 动 机 的 故 障 数 据 与 滑 油 中 金 属 含 量 的 关 系 , 结 合 维 修 决 策 模 型 来 预 测 剩 余 寿命 。 当 前 主 要 采 用 时 间

36、延 迟 模 型 、 冲 击 模 型 、 比 例 危 险 模 型 和 马 尔 可 夫 决 策 模型(Markov decision model )进行寿命预测。 1数字式飞行 数据记录装置FDRFlight Data Recorder 被引入了民航界 。 这种 设 备 首 次 利 用 磁 带 作 为 存 贮 介 质 , 记 录 飞 机 飞 行 的 各 种 数 据 。80 年 代 美 国 军方首次采用了固态存储器 (solid-state memory ) 记录飞行数据。 但由 于在发生坠3 第一章 绪 论 机时早期固态存储器的生存 性无法满足当时的国际FDR 标准,因此直至90年代,固 态 存

37、储 器 才 被 应 用 于 民 用 航 空 领 域 。 飞 行 数 据 获 取 组 件FDAU (Flight Data Acquisition Unit ) 收集飞机上的各种传感器以及汇流条中的信息, 并将其以比特数据流的形式传送给FDR 中的固态存储器。 后来,航空公司发现从FDR 中获取数据并不方便,因而通常只在出现了重大 问 题 的 情 况 下 才 会 去 获 取 数 据 。FDR 记 录 装 置 需 要 首 先 从 飞 机 上 取 出 来 , 然后 拷 贝 下 载 数 据 , 整 个 过 程 需 要 几 个 小 时 之 久 。 并 且 由 于FDR 记 录 装 置 本 身 的1特性,

38、 这个过程还经常受到数据缺失和传输错误 的困扰 。FDR 的这 些问题导致了第一代快速存取记录装置QAR (Quick Access Recorder ) 的诞生。QAR 装置采用 可 移 动 的 存 储 媒 介 , 航 空 公 司 可 以 随 时 存取 并 更 换 存 储 介 质 。 大 多 数 早 期 的系统中,FDAU 向FDR 和QAR 传送完全相同的数据。 早 期 的 这些 数据 信 息对于 航 空 公司 来说 是 远远不 够 的 , 需 要记 录 更多的 数据 用 于 数 据 分 析 。 但 由 于 向FDR 中 添 加 数 据 类 型 和 数 量 涉 及 到 航 空 法 规 标

39、准 的问题,QAR 就成 为 了 数据 添 加 的 最好 选 择。 随着QAR 中 需 要添 加 的 数据 种 类 越来越多, 于是另一套完全独立的FDAU 加装到 飞机上, 从而 使用户可以自由地根据需要 决定QAR 记录飞行数据的种类 。 欧美 国家的航空公司 逐步 认识到飞行数据不仅可以用来进行 飞行 事故调查 , 还 可 以 作 为 监 控 飞 行 操 纵 品 质 以 及 飞机 排 故 的 重 要 依 据 , 实 现 “ 未 发 生 事故的事故调查” 。国际民航组织 ICAO 称 其为 FDA (Flight Data Analysis ) , 美 国称其为 FOQAFlight Op

40、erational Quality Assurance , 加拿大及 部分欧洲 国家称其为 FDM (Flight Data Monitoring)。 英国民航局认为:FDM 是主动和非 惩罚性的应用日常飞行 操纵数据, 用于1提高航空飞行安全 。2004 年 11 月, 英国民航局研究中心应用 Flightscape 公司的基于视窗操作系统的 Insight FDM 系统, 试图找到利用 QAR 数据分析来提高7飞行安全性的方法 。 该系统是 Flightscape 公 司专门开发出来用于航空公司飞行数 据 分 析 的 专 门 软 件 。 可 以 根 据 问 题 向 用 户 提 供 相 应

41、的 飞 行 数 据 分 析 , 具 有 强8大的 GUI 图形分析功 能 。 2004 年 9 月, 美国国家航空航天局 (NASA ) 启动了代号Morning Report的 研 究 项 目。 与 英国 民航 局 的 研 究相 比 ,NASA 的计划更进 了 一 步。 他 们 采 用9数据挖掘中的聚类方法, 依据相似性对航班飞行数据进行划分 。 通 过提供一些“ 非 典 型 ” 的 飞 行 数 据 , 建 立 一 套 机 器 识 别 数 据 异 常 的 模 型 , 实 现 在 海 量 的 飞行 数 据 中 发 现 问 题 , 并 由 工 程 师 进 行 深 层 次 分 析 。 在 此 基

42、础 上 NASA 开发了APMS (Aviation Performance Measuring System ) 软件, 实现了对 QAR 等飞行数据的监控。 4 第一章 绪 论 美国 SMI 公司(Scientific Monitoring Inc. )以 视情维修思想为指导,开发1了一款 专门 针对 民用 航 空发动 机的 状态 监控 软 件 I-Trend 。该软 件 结合了 数据挖掘、人工智能的相关方法(如人工神经网络) ,建立了监控对象的数学模型,可 以 对 一 些 故 障 的 早 期 征 兆 做 出 预 警 , 从 而 协 助 用 户 更 好 地 制 定 维 修 计 划 , 降低

43、生产成本。 国内学者也开展了相关的研究。 曾声奎等从 PHM 的人- 机- 环境完整 性认知7模型出发,对 PHM 技术进行了分类和综述 。木志高等研究了武器装备故障预8测及健康管理系统的设计 。 南京航空航天大 学的左洪福教授等对于航空发动机10的寿命预测与维修决策作了非常有意义的研究 , 并且所开发的 ECC 软件也已投 入 到 工 程 应 用 当 中 。 北 京 航 空 工 程 技 术 研 究 中 心 的 张 福 泽 从 飞 机 结 构 的 角 度探 讨 了 飞 机 日 历 寿 命 预 测 问 题 , 并 给 出 相 关 算 法 。 北 京 航 空 航 天 大 学 的 洪 杰 等9人建立

44、了航空发动机关键件的剩余寿命预测模型 。 中国民航大学针 对民航发动11机的全寿命管理,通过数据挖掘,研究出能预报飞机管理系统 。 气 路 故 障诊 断是 利 用带有 噪 音 或偏 置的 气 路参数 对 发 动机 性能 进 行诊断 。22气路诊断始于 1972 年 Urban 提出的故障影响 系数矩阵 , 该方法要 求测量参数的 数 量 大 于 或 至 少 等 于 故 障 种 类 数 。 随 着 维 修 思 想 的 转 变 , 发 动 机 状 态 监 控 和故 障 诊 断 受 到 越 来 越 多 的 重 视 。 目 前 新 的 机 型 为 了 诊 断 需 要 已 加 装 了 扩 展 传 感器测

45、量中间站位的温度和压力 (如低压压气机出口站位的参数) , 可用来评估发动机的健康状态。20 世纪 90 年代后, 是神经网络开始广泛应用于气路诊断, 美国空军研究实验室Air Force Research Laboratory 于 90 年代后期开发 的具有实时24诊断功能的 EHM 样机系统主要采用神经网络方法进行故障诊断 。 主要是将气路诊断和其它诊断技术相融合的发动机维修决策支持系统。 我国民航发动机监控与故障诊断系统 EMD 主 要是利用线性模型进行故障诊断,文献9 监控 9 个参数,其中包括 7 个 气路参数和 2 个机械参 数,它对每个单 项 参 数 指 标 采 用 功 效 函

46、数 来 衡 量 , 然 后 对 每 项 指 标 加 权 后 求 和 , 从 而 得 到综合指数,并对综合指数进行趋势监控。 气路诊断面临的主要困难是:1) 在大多数机型 上依然是测量参数个数少于故 障 类 别 数 ;2 ) 故 障 之 间 存 在 很 强 的 相 关 性 , 相 似 故 障 难 以 判 断 ;3 )测量参数 中 的 噪 音 与 故 障 造 成 的 测 量 参 数 偏 差 具 有 相 同 的 级 别 , 且 测 量 信 号 可 能 存 在偏置;4)发动机很强的非线性及复杂性,且工况及工作环境变化大。 目前, 发动机气路诊断方法可分为三类:1) 基于线性模型的小偏差故障方程法;2

47、) 基 于 非 线 性 稳 态 模 型 的 方 法 ;3 ) 基 于 人 工 智 能 的 方 法 。 小 偏 差 故 障方程法 是 目 前 较 常 采 用 的 方 法 , 非 线 性 模 型 法 目 前 主 要 集 中 于 仿 真 研 究 上 ,人工智能中,神经网络方法已在 一些 工程实践上得到应用。 5 第一章 绪 论 航空发动机是一个 相对成熟的产品, 在同一时间内出现多种故障 概率极低,3有人 提出了故障主因子的假设 , 认为同时发 生的故障类 型 数量不应超过测量参数的 数量 。从 数 理 统 计 的 角度来看 , 主 因 子 模 型 可 归为 选 择 最 优 变 量 子 集 进 行线性回归的问题。 基于线性模型的故障诊断 有下列 优点:1) 可同时进行故障的检测、 隔离和辨识;2)可对多故障 进行定量诊断,这 明显好于基于人工 智能的方法如 BP 神经网络 , 因 为 基