航空發動機健康監管科技發展以及走勢

導語：航空發動機健康監管科技發展以及走勢一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1發動機介紹

據國際民航組織統計，在1988—1993年的6年間，由于發動機起火、發動機葉片出現故障、發動機脫離機翼等而發生的飛行事故多達34起。及時地監測和診斷系統故障可以有效避免事故的發生，以保證飛機的飛行平安。

本文圍繞發動機健康管理，從故障診斷、故障猜測、性能評估和狀態監控4個方面，闡述了航空發動機健康管理技術發展的目前狀況和趨向。

2故障診斷技術

航空發動機故障診斷技術的發展經歷了3個階段。目前所處的智能診斷階段，以知識處理為核心，信號處理、建模處理和知識處理相融合。隨著計算機、人工智能技術的發展，各種診斷算法得到了深入探究和廣泛應用。

2．1遺傳算法

航空發動機結構復雜、工作條件多變，故障機理和故障原因復雜，故障和征兆之間沒有明顯關系，各類故障的特征參數也不完全相同。采用數學解析方法和試驗方法有時無法解決某些新問題。而遺傳算法具有較高的并行處理信息和求解非線性新問題的能力，能夠解決在尋優過程中輕易碰到的局部極小值新問題。

基于遺傳算法的故障診斷技術通常采用概率因果模型得到發動機故障征兆和故障成因之間的關系，然后通過在遺傳過程中所采用的選擇、交叉、變異等自然選擇方式，實現對發動機故障的分類和診斷，可以縮短診斷時間、提高診斷效率、減少運算量，在復雜故障診斷中具有良好的應用前景。

2．2小波分析和支持向量機技術

小波分析是1種先進的非線性分析方法，是通過比較在分解小波后的不同頻帶內信號盒維數的大小及其變化，來反映信號的不規則度和復雜度，刻畫信號的非平穩性。航空發動機在發生故障時，常出現非線性等動力學特性，振動信號具有非平穩性。因此，小波分析可以有效地解決航空發動機故障診斷中的振動新問題。

支持向量機技術是專門針對小樣本條件下的機器學習新問題而建立的新型學習機制，能有效解決小樣本、高維數據和非線性新問題，可以消除由樣本數目不足帶來的過學習新問題，克服了神經網絡中的合理結構難以確定和存在局部極小點的缺陷，具有較強的泛化能力和抗干擾能力。航空發動機各類故障樣本通常難以獲得，屬于小樣本、非線性新問題，因此，支持向量機技術在故障分類和狀態識別中得到了有效應用引。

2．3粗糙集理論

在發動機故障診斷中，經常要處理高維的海量數據，同時會碰到先驗性知識不能滿足發動機診斷要求等新問題。概率論和模糊集等方法對此無能為力；而粗糙集理論可以解決這些新問題。

3故障猜測技術

3．1神經網絡猜測技術

人工神經網絡具有逼近任意非線性函數的能力和較強的泛化能力，在多變量猜測領域顯示出了巨大的潛力和突出的優勢。如猜測發動機復雜磨損的趨向，充分考慮多種因素(加油、補油、換油和非等間隔等)，在實施多變量猜測方案時，采用神經網絡建立多變量猜測模型，能夠解決非等間隔的受加油因素影響的油樣分析數據的建模和猜測新問題。

3．2時序分析猜測技術

時序分析理論是對1個平穩的時間序列，通過建立線性時序模型，以測量數據和偏離量為基礎，進行多次擬合以確定加權系數，代人線性時序模型，進而進行猜測。影響航空發動機滑油成分含量的因素很多，包括發動機使用時問、取樣時發動機的狀態、發動機的磁堵、發動機的維修狀況、滑油的更換等。因此，可以采用時序分析理論，根據已有歷史數據，建立線性時序模型來猜測滑油成分含量，并和實際測量數據進行比較，從而確定是否需要維護發動機。

4性能評估技術

4．1粗糙集綜合評估技術

發動機被監測參數較多，各參數所反映的發動機性能重要程度無法確切得知，因此很難合理確定各參數的權重系數。可以用粗糙集理論中屬性的重要性來確定發動機各項參評性能因素的綜合評判權重系數，最后進行權值化處理，得到各參評發動機性能參數的權值。該方法有效克服了傳統定權方法的主觀性，使評價結果更具客觀性，提高了綜合評判的準確性和有效性。

4．2層次分析(AHP)評估技術

發動機健康評估屬于多目標決策新問題，需要運用系統工程理論的綜合評估法。層次分析法是1種靈活、簡便的多目標、多準則的決策分析方法。它將定量和定性分析相結合，把1個復雜的新問題按一定原則分而治之；根據新問題的性質和總目標，將新問題分解為不同的組成因素，并按照因素間的相互影響以及隸屬關系，將各因素按不同層次組合，建立遞階層次結構模型。最終把系統分析歸結為最低層(如指標層)相對于最高層(目標層)的相對重要性權值的確定或相對優劣的排序新問題，從而為決策方案的選擇提供依據。

4．3多元聯合熵評估技術

多元聯合熵變是1個狀態函數，只要系統狀態一定，相應熵值就可確定。由于發動機系統和外界的能量交換不為零，加之各子系統的無序性，因此系統總熵的增減可以預示演變方向是良性的還是惡性的。通過計算發動機的熵值來判定發動機的性能狀態，從而達到評估的目的。采用該理論對發動機的性能進行分析，其變化規律和浴盆曲線非常相似引。

4．4卡爾曼濾波評估技術

卡爾曼濾波器作為1種參數估計方法被廣泛應用于發動機性能評估中。它通過含有測量噪聲的發動機可測輸出偏差量，估計性能蛻化量。卡爾曼濾波器在無傳感器測量偏差時能準確診斷發動機的性能。但是，假如傳感器存在測量偏差，僅僅依靠卡爾曼濾波器就無法得到正確的診斷結果。該技術經常和遺傳算法等相結合，通過優化計算找出存在測量偏差的傳感器，確定其偏差，并最終消除測量偏差對性能評估的影響。

5狀態監控技術

開展發動機狀態監控，可做到對故障早期發現、早期診斷和早期排除。發動機狀態監測技術在對壽命、振動、性能的狀態監測中得到了廣泛應用。

5．1神經網絡監控技術

在實際工作中，對發動機氣動熱力參數的監視是發動機狀態監視的重點。通過對這些參數未來值的猜測，可以了解發動機性能衰退及故障情況。過程神經網絡在解決這類新問題時具有獨特的優勢，在發動機狀態監視的起動熱力參數猜測中得到了應用，并取得了很好的效果。

5．2基于混沌理論和遺傳算法的監控技術

利用混沌變量所具有的特征，可以將混沌狀態的變量引人航空發動機各參數權值的尋優方式中。利用遺傳算法和發動機實際工作(正常和故障時)數據，能夠自動生成發動機各被監測參數的權系數，也可得到表征發動機性能的綜合指數值。

6遠程診斷和監控技術

航空發動機遠程診斷系統是全球信息化的產物，也是航空發動機故障診斷領域的一個重要發展方向。系統能縮短收集設備狀態、故障信息和診斷排故的時間，能有效地提高故障診斷的效率和精度，有利于航空公司的飛行管理，提高發動機維護水平和運行經濟性。

在國內，南京航空航天大學、裝備指揮技術學院、海軍航空工程大學等在此方面進行了的探究。南京航空航天大學探究了發動機遠程故障診斷的關鍵技術，提出了發動機遠程故障診斷的體系結構，給出了診斷設備網絡化設計的COM組件技術、遠程故障診斷專家系統和協同診斷工作環境的技術方案。采用COM組件技術和網絡數據庫技術，實現了在Web服務器上進行知識的存儲和推理。如圖1所示。還于2001年，提出了基于WEB的航空發動機故障遠程診斷的C／S和B／S模式下的系統模型，將WWW信息檢索技術、數據庫技術和故障診斷技術相結合，跨地域地將發動機使用單位及基層技術部門、生產廠商、管理部門、科研院所以及航空維修企業組織起來，共享診斷專家知識和各種專用監測診斷設備。其關鍵技術主要包括：基于Intemet的跨地域遠程協作架構技術、網絡環境下的診斷技術、計算機協同工作技術、中心站點及企業站點開放平臺的保障技術、共享信息的標準化和規范化技術等。

裝備指揮技術學院于2003年提出了以故障智能診斷和維修中心為核心的三位一體的廣域維修保障體系。

海軍航空工程大學開發的基于Intemet和www的遠程診斷系統，主要由分布于各地的航空發動機監測現場、局域網Intranet和Intemet、遠程診斷中心和各診斷專家組成。系統主要完成發動機狀態的在線監測、離線監測、大量信息數據的處理和傳輸，并完成診斷請求和反饋診斷結果。

但是，目前提出和開發的遠程診斷系統大多數還只停留在試驗室探究階段，還存在以下的新問題：

(1)將ACARS的飛行中無線傳輸信息用于實時故障診斷；

(2)基于CORBA的并行遠程故障診斷專家系統技術；

(3)將知識挖掘技術應用于遠程故障診斷專家系統，完善知識庫。

7發動機健康管理技術發展趨向

7．1粗糙集診斷技術

反映發動機性能的大部分參數具有模糊性和連續性，而粗糙集只能解決離散的數據新問題，因此和其他理論和方法相結合是粗糙集診斷技術發展的趨向。

7．2故障猜測技術

故障猜測技術探究需要解決的新問題提前猜測故障發生的部位和等級以及發生的時問，在故障發生之前就排除。

7．3引入基于網格技術的分布式維修環境

網格技術的探究始于20世紀9O年代，是新1代信息處理設施，如圖2所示。

網格的最大優點在于能夠實現資源共享和人員協作。這一明顯優點使得越來越多的系統嘗試使用網格技術來構建所需的分布式環境。RR公司等單位和團體正在探究基于網格技術的分布式飛行器維護環境(DAME)，這是1個應用網格技術解決飛行器發動機故障診斷、預告和維護的示范項目。

7．4遠程診斷和監測技術實現實用化

發動機遠程診斷和監測技術實用化是實現實時診斷、監測的必然要求，具體表現在：(1)現場采集結果需要進行進一步的分析；(2)小公司需要借助大公司的技術資源；(3)需要借助專家的經驗；(4)需要得到發動機或有關零部件廠商的技術支持。

8結束語

發動機的健康是保證飛機飛行平安和機隊按時出勤的根本條件。隨著人們對航空平安關注程度的日益增強以及計算機技術的飛速發展，發動機健康管理的新技術、新方法取得了較大的進展。