徐鵬，曹云鵬，歐惠宇，李淑英

1 海軍駐大連船舶重工集團(tuán)有限公司軍事代表室，遼寧大連 116005

2 哈爾濱工程大學(xué)動力與能源工程學(xué)院，黑龍江哈爾濱 150001

0 引 言

燃?xì)廨啓C具有體積小、重量輕、功率密度大、機動性好等優(yōu)點，已廣泛用于各類水面艦艇及民用船舶［1］。由于船用燃?xì)廨啓C壓氣機、燃燒室和渦輪等氣路部件運行在高速、高濕和高鹽的工作環(huán)境中，使得船用燃?xì)廨啓C氣路部件在運行過程中發(fā)生各種故障的可能性增大［2］。作為主動力設(shè)備，燃?xì)廨啓C一旦發(fā)生故障就會影響船舶的運行安全和任務(wù)執(zhí)行，因此有必要開展船用燃?xì)廨啓C氣路部件的故障機理和診斷技術(shù)研究，及時排除故障，提升船舶燃?xì)廨啓C運行的可靠性與安全性。

早期的燃?xì)廨啓C故障診斷主要是基于廠家提供的設(shè)計信息、出廠試驗以及現(xiàn)場運行經(jīng)驗。20世紀(jì)70年代，Urban［3］提出基于線性模型的氣路分析法，推動了燃?xì)廨啓C故障診斷理論的發(fā)展，此后，發(fā)展了非線性氣路診斷方法［4-5］。由于基于模型的氣路診斷技術(shù)對模型的精度要求很高，故近年來人工智能技術(shù)在燃?xì)廨啓C故障診斷領(lǐng)域得到應(yīng)用［6］，其中聚類分析技術(shù)能夠充分利用歷史數(shù)據(jù)，是一種經(jīng)濟、有效的診斷方法。

本文將首先分析典型燃?xì)廨啓C氣路故障發(fā)生的機理和表征，給出9種典型氣路故障判據(jù)；接著采用小偏差技術(shù)建立船用三軸燃?xì)廨啓C故障仿真模型，得到9種典型故障仿真的結(jié)果；最后，將基于故障仿真結(jié)果，研究基于聚類分析的燃?xì)廨啓C故障診斷方法。

1 燃?xì)廨啓C典型故障分析

燃?xì)廨啓C壓氣機、燃燒室和渦輪組成高速氣流通道，稱為氣路。氣路故障通常是漸變性、衰退故障，如積垢、磨損和腐蝕等。也存在突發(fā)性故障，如外來物損傷。雖然不同的氣路故障其特征不同，但最終的影響都是引起性能參數(shù)的變化。因此，采用氣路部件性能參數(shù)作為燃?xì)廨啓C氣路健康指標(biāo)，根據(jù)性能參數(shù)與標(biāo)準(zhǔn)狀態(tài)下性能參數(shù)的偏差程度來判定氣路的健康狀態(tài)。綜合相關(guān)研究成果［7-9］，總結(jié)了9種典型氣路故障的判據(jù)，如表1所示。

1）壓氣機積垢：積垢故障占燃?xì)廨啓C運行過程性能損失的70%以上［10］。海水和鹽霧是船用燃?xì)廨啓C壓氣機積垢的外部原因，而軸承潤滑油泄漏后污染葉片以及葉片銹蝕則成為積垢的內(nèi)部原因［11］。積垢在增加葉片表面粗糙度的同時，改變了葉片型面，導(dǎo)致壓氣機流量和效率下降，嚴(yán)重時，會引起壓氣機喘振。

2）壓氣機葉頂間隙增大：壓氣機發(fā)生較強的葉尖磨損，將導(dǎo)致壓氣機葉頂間隙的增大。此外，轉(zhuǎn)子不平衡或者軸承損壞時，也會增大葉尖和機匣的間隙。葉頂間隙的增大嚴(yán)重影響壓氣機的效率和流量特性，從而影響燃?xì)廨啓C的整體性能［12］。

3）葉片磨損：船用燃?xì)廨啓C葉片磨損的主要原因是空氣中的鹽分造成葉片表面形成劃痕，從而使葉片粗糙度增大。磨損對流道面積的改變和對氣流流動的擾動會改變?nèi)細(xì)廨啓C的氣動性能，從而影響燃?xì)廨啓C的運行效率［13］。

表1 燃?xì)廨啓C典型氣路故障判據(jù)Tab.1 Typical gas path fault criteria for gas turbine

4）機械損傷：船用燃?xì)廨啓C機械損傷主要受內(nèi)來物的危害，如燃?xì)廨啓C運行過程中由自身脫落物導(dǎo)致的損傷。當(dāng)壓氣機葉片受到機械損傷時，會造成葉型損失，同時流動發(fā)生擾流，壓氣機的壓縮效率下降。

5）渦輪熱腐蝕：渦輪運行在高溫、高鹽、高濕的海洋環(huán)境，渦輪葉片熱腐蝕故障發(fā)生的幾率很高。腐蝕加速了機械疲勞和熱疲勞，從而導(dǎo)致零件破壞的加速，進(jìn)而降低燃?xì)廨啓C的工作效率［14］。

6）燃燒室故障：火焰筒是易發(fā)生故障的部件，約占燃燒室故障的2/3［15］。變形、翹曲甚至是裂紋損壞是燃燒室常見的故障模式。燃燒室故障表現(xiàn)為燃燒不充分，排氣溫度場不均勻，機組功率下降。

2 燃?xì)廨啓C氣路故障建模

關(guān)于氣路故障的分析方法有很多，但大多較復(fù)雜，而小偏差法是一種近似計算方法，簡單實用，在實際工程中具有較大的應(yīng)用價值［16］。小偏差法的實質(zhì)是取函數(shù)與原始數(shù)值的小偏差值近似等于其微分。例如，有函數(shù) y=f(x)，當(dāng) x=x0時函數(shù)值有 y=y0，那么自變量 x0有小偏差Δx時，相應(yīng)的函數(shù)增量Δy可用dy=f′(x)dx代替。

在本研究中，以船用三軸燃?xì)廨啓C為研究對象。首先，將燃?xì)廨啓C低壓壓氣機壓縮過程、高壓壓氣機壓縮過程、燃燒室能量守恒方程、高壓渦輪膨脹過程、低壓渦輪膨脹過程、動力渦輪膨脹過程、壓力平衡方程、功率平衡方程這8個過程的方程式小偏差化；接著，引入表1所示的氣路故障判據(jù)進(jìn)行參數(shù)分離，得到性能參數(shù)分離后的小偏差方程；最后，運用三軸燃?xì)廨啓C中的功率平衡、壓比平衡和流量平衡等條件求解得到測量參數(shù)的變化和性能參數(shù)變化6個方程，得到

式中：ΔZ為燃?xì)廨啓C測量參數(shù)的變化量；ΔX為燃?xì)廨啓C部件性能參數(shù)的獨立變化量；H為影響關(guān)系矩陣。具體氣路故障建模過程如圖1所示。

圖1 船用燃?xì)廨啓C氣路故障建模過程Fig.1 Gas path fault modeling process chart of marine gas turbines

式（1）中的ΔZ由低壓壓氣機轉(zhuǎn)速偏差δn1、高壓壓氣機轉(zhuǎn)速偏差δn2、動力渦輪轉(zhuǎn)速偏差δn3、低壓壓氣機壓比偏差δπLC、高壓壓氣機壓比偏差δπHC和燃油量偏差δwf組成；ΔX的組成則包括高壓壓氣機流量偏差、低壓壓氣機流量偏差、低壓渦輪流量偏差、動力渦輪流量偏差 、高壓渦輪流量偏差 、高壓壓氣機效率偏差、低壓壓氣機效率偏差、高壓渦輪進(jìn)口溫度偏差δT、高壓渦輪效率4偏差、動力渦輪效率偏差、低壓渦輪效率偏差、壓氣機進(jìn)氣壓力損失偏差 δσin、動力渦輪排氣壓力損失偏差δσout、燃燒室壓力損失偏差δσB和燃燒室效率偏差。

將式（1）右邊的性能參數(shù)作為燃?xì)廨啓C的健康狀態(tài)判據(jù)，計算得到H的逆矩陣，實現(xiàn)測量參數(shù)的變化和性能參數(shù)變化的轉(zhuǎn)換。

燃?xì)廨啓C的氣路故障診斷針對穩(wěn)態(tài)運行工況。因此，本研究假定選擇燃?xì)廨啓C輸出功率Ne不變作為判斷標(biāo)準(zhǔn)，并主要考察燃?xì)廨啓C0.8工況下的運行狀態(tài)，故障系數(shù)矩陣如表2所示。由于動力渦輪轉(zhuǎn)速n3與輸出功率成3次方關(guān)系Ne=，故動力渦輪轉(zhuǎn)速偏差δn3=0。

表2 0.8工況故障系數(shù)矩陣Tab.2 Fault coefficient matrix of 0.8 condition

以燃?xì)廨啓C發(fā)生壓氣機葉片積垢為例，說明氣路故障模擬計算方法。根據(jù)表1所示的典型故障判據(jù)可知，燃?xì)廨啓C積垢發(fā)展到一定程度后會造成壓氣機折合流量下降7%，壓氣機效率下降2%，而其它性能參數(shù)的獨立變化量無影響，均假定為0%。故障矩陣簡化為

由于動力渦輪轉(zhuǎn)速偏差δn3=0，求解得δT4=-0.01744。代入得

采用上述計算流程，可得到表3所示9種單一故障情況下相應(yīng)測量參數(shù)偏差的計算結(jié)果。

表3 典型故障測量參數(shù)仿真結(jié)果Tab.3 Measuring parameters simulation result of typical faults

3 氣路故障聚類診斷方法

聚類分析是一種模式識別的重要方法，用數(shù)學(xué)意義上的距離來劃分模式間的類別，屬于無監(jiān)督的分類算法。本文定義氣路故障模式間的相似度為

式中，cos αij為模式間相似系數(shù)，cosαij越接近1，表示兩個故障模式樣本的關(guān)系越相似。

Dij為模式間距離。距離D越小，表示兩個故障模式樣本越相似，反之越疏遠(yuǎn)。

基于聚類分析方法的燃?xì)廨啓C氣路故障診斷流程如圖2所示。具體流程為：在進(jìn)行氣路故障診斷前，首先對采集數(shù)據(jù)進(jìn)行歸一化處理，然后計算本次待測樣本與已有標(biāo)準(zhǔn)故障樣本的歐式距離和相似系數(shù)，接著，采用相關(guān)度指標(biāo)作為判別本次待測樣本符合哪類標(biāo)準(zhǔn)故障樣本的判據(jù)。如果與某種標(biāo)準(zhǔn)故障樣本的相似度滿足規(guī)定的判定條件（本研究中設(shè)定為0.9以上），則判定本次待測樣本屬于該類故障；否則，將本次待測樣本作為待定模式保留在數(shù)據(jù)庫中，交由相關(guān)專家聯(lián)合會診。

圖2 船用燃?xì)廨啓C聚類故障診斷流程Fig.2 Fault diagnosis process chart of marine gas turbine based on cluster method

假定將表3中的船用三軸燃?xì)廨啓C9種典型故障測量參數(shù)的變化作為標(biāo)準(zhǔn)故障樣本。具體測試實例如下：

1）假定某時刻采集到一組測試數(shù)據(jù)，進(jìn)行小偏差處理

2）計算本次測試數(shù)據(jù)與標(biāo)準(zhǔn)故障數(shù)據(jù)之間的相關(guān)度，計算結(jié)果如圖3所示。

圖3 實測參數(shù)與故障模式的相似度計算結(jié)果Fig.3 Similarity degree of measured parameters and reference fault patterns

3）模式間相關(guān)度判別。從圖3可以看出，本組測試數(shù)據(jù)與低壓壓氣機頂端間隙故障的相似度為0.9545，大于判定條件0.9；而與其他故障模式的相似度均在0.3以下。由此可以判斷，此時燃?xì)廨啓C可能存在低壓壓氣機頂端間隙增大的情況。

從仿真驗證過程和結(jié)果看，基于聚類分析的氣路故障診斷方法具有計算速度快、推理簡單的特點，同時，該方法也是可行和有效的。

4 結(jié) 語

本文以船用三軸燃?xì)廨啓C為研究對象，應(yīng)用小偏差法建立燃?xì)廨啓C典型氣路故障模型，得到了測量參數(shù)偏差和性能參數(shù)偏差的聯(lián)系方程。分析了燃?xì)廨啓C典型故障的機理，得到了燃?xì)廨啓C典型氣路故障模擬結(jié)果。開展了基于聚類分析方法的氣路故障診斷研究，通過計算所定義的模式相似度，發(fā)現(xiàn)聚類算法能有效區(qū)分不同的故障模式，具有計算速度快、推理簡單的特點，為船用燃?xì)廨啓C氣路故障診斷提供了一種思路。

［1］聞雪友，肖東明.現(xiàn)代艦船燃?xì)廨啓C發(fā)展趨勢分析［J］.艦船科學(xué)技術(shù)，2010，32（8）：3-6，19.WEN Xueyou，XIAO Dongming.Analysis of modern marine gas turbine development tendency［J］.Ship Science and Technology，2010，32（8）：3-6，19.

［2］宋兆泓.航空發(fā)動機典型故障分析［M］.北京：北京航空航天大學(xué)出版社，1993.

［3］URBAN L A.Gas path analysis applied to turbine engine condition monitoring［J］.Journal of Aircraft，1973，10（7）：400-406.

［4］URBAN L A，VOLPONI A J.Mathematical methods of relative engine performance diagnostics［R］.SAE Technical Paper 922048，1992.

［4］STAMATIS A，MATHIOUDAKIS K，PAPAILIOU K D.Adaptive simulation of gas turbine performance［J］.Journal of Engineering for Gas Turbines and Power，1990，112（2）：168-175.

［5］VOLPONI A J.Gas turbine engine health management：Past，present，and future trends［J］.Journal of Engineering for Gas Turbines and Power，2014，136（5）：051201.

［6］SIMANI S，PATTON R J.Fault diagnosis of an industrial gas turbine prototype using a system identification approach［J］.Control Engineering Practice，2008，16（7）：769-786.

［7］WONG P K，YANG Z，VONG C M，et al.Real-time fault diagnosis for gas turbine generator systems using extreme learning machine［J］.Neurocomputing，2014，128（27）：249-257.

［8］LI Y G.Gas turbine performance and health status estimation using adaptive gas path analysis［J］.Journal of Engineering for Gas Turbines and Power，2010，132（4）：041701.

［9］DIAKUNCHAK I S.Performance deterioration in industrial gas turbines［J］.Journal of Engineering for Gas Turbines and Power，1992，114（2）：161-168.

［10］LAKSHMINARASIMHA A N，BOYCE M P，MEHER-HOMJI C B.Modeling and analysis of gas turbine performance deterioration［J］.Journal of Engineering for Gas Turbines and Power，1994，116（1）：46-52.

［11］王祥鋒.葉頂間隙變化對多級壓氣機性能影響的數(shù)值研究［J］.科學(xué)技術(shù)與工程，2009，9（12）：3483-3486.WANG Xiangfeng.Numerical simulation study on multistage compressor performance with changing tip clearance［J］.Science Technology and Engineering，2009，9（12）：3483-3486.

［12］楊朔.基于熱力參數(shù)的燃?xì)廨啓C故障診斷的故障數(shù)學(xué)模型的研究［D］.鎮(zhèn)江：江蘇科技大學(xué)，2008.

［13］趙德孜.海洋環(huán)境下燃?xì)廨啓C渦輪葉片的熱腐蝕與防護(hù)［J］.裝備環(huán)境工程，2011，8（5）：100-103.ZHAO Dezi.Hot corrosion and protection of gas turbine blade in marine environment［J］.Equipment Environmental Engineering，2011，8（5）：100-103.

［14］侯曉春，季鶴鳴.高性能航空燃?xì)廨啓C燃燒技術(shù)［M］.北京：國防工業(yè)出版社，2002.

［15］宋江濤，雷勇.基于小偏差法的航空發(fā)動機氣路故障診斷方法［J］.科學(xué)技術(shù)與工程，2008，8（6）：1501-1504，1535.SONG Jiangtao，LEI Yong.Fault diagnosis of aeroengine gas path based on small deviation method［J］.Science Technology and Engineering，2008，8（6）：1501-1504，1535.