航空發(fā)動機部件性能故障融合診斷方法研究

鐘承豪 付夢澤 靳建祥 吳承靜

摘要：為了有效改善基于系統(tǒng)模型和基于分析數(shù)據(jù)的系統(tǒng)部件退化性能融合缺陷退化診斷的性能遺漏和被錯誤診斷的問題，我們已經(jīng)提出了一種主要用于進行飛機上和發(fā)動機系統(tǒng)部件缺陷退化性能融合缺陷診斷的模糊缺陷判斷法和融合治療機制，同時將傳感器測量值輸入到基于模型的自適應數(shù)據(jù)中?；谠\斷模塊使用卡爾曼濾波算法和最小二乘支持向量機（LSSVM）對關鍵部件的缺陷性能參數(shù)進行估計，然后使用模糊邏輯對決策權重進行如下調(diào)整：DS證據(jù)理論執(zhí)行晶體融合診斷渦扇發(fā)動機的單組件和雙組件退化模擬研究表明，與單獨基于診斷模型和分析數(shù)據(jù)的融合診斷分析方法應用相比，晶體管的融合診斷機制有效地大大提高了相關組件診斷精度。

關鍵詞：航空發(fā)動機;部件性能故障;融合診斷;方法

一、故障決策融合診斷機制

渦扇增壓發(fā)動機的渦輪風扇、壓氣機、高壓驅(qū)動渦輪和采用低壓驅(qū)動渦輪等零部件等都有一些缺陷。此外，隨著機械使用工作時間的不斷增加，部件發(fā)生磨損，氣流流動路徑發(fā)生變形，灰塵和液壓調(diào)節(jié)傳動機構(gòu)各個參數(shù)間的誤差也會增加，發(fā)動機性能逐漸偏離工作參數(shù)的正常值。因此，發(fā)動機工況參數(shù)根據(jù)發(fā)動機部件故障狀態(tài)的變化可以確定，部件故障模式可分為無錯誤、異常警告和錯誤三種。測量參數(shù)為實際8個傳感器的選擇：風扇速度Ni、壓縮機速度Ni、風扇出口總壓力pez、總溫度和壓力總出口壓力ps、總溫度T、低壓渦輪出口總壓力p6和總溫度T6。

飛機發(fā)動機部件缺陷判定融合診斷系統(tǒng)由四個模塊組成：基于兩種模型的融合診斷決策模塊、基于c和lssvm的融合診斷決策模塊、性能缺陷特征模糊回歸模塊和其與ds類型證據(jù)決策融合技術判定診斷模塊，傳感器通過測量性能參數(shù)作為診斷缺陷數(shù)據(jù)輸入。同時使用卡爾曼濾波處理算法和其他lssvm模糊回歸處理算法對各診斷部件的具有性能參數(shù)數(shù)據(jù)進行模糊估計，輸入后得到性能決策信息融合技術診斷系統(tǒng)，同時通過輸入中國航空工業(yè)自適應診斷模型和其他lssvm模型數(shù)據(jù)用以挖掘融合診斷模塊子系統(tǒng)。對具有性能參數(shù)數(shù)據(jù)進行模糊回歸處理，將連續(xù)的一個部件具有性能參數(shù)的值轉(zhuǎn)化成較為離散的性能失效診斷模式中所表示出的值，得到數(shù)據(jù)相應的基本概率函數(shù)，采用c和ds類型證據(jù)決策融合診斷決策判定模塊將基于兩種模型的診斷信息和基于兩種類型證據(jù)的決策信息直接融合在一起。獲得發(fā)動機部件在整個退化空間的失效模式。

二、故障診斷系統(tǒng)算法

一旦確定了輸入指令和輸入條件，發(fā)動機上的氣路控制元件的狀態(tài)故障識別診斷主要問題就是它可以直接轉(zhuǎn)化成作為氣路元件運行狀態(tài)的非線性信號識別和狀態(tài)估計診斷問題，因為元件狀態(tài)參數(shù)是影響發(fā)動機的主要因素。參數(shù)化設計健康參數(shù)平方根UKF濾波器估計算法為：

1.基于機載自適應模型的性能參數(shù)估計

機載自動化適應性能模型計算是在柴油發(fā)動機各個部件性能級計算模型上通過小粒子擾動的方法計算得到的一種線性計算模型，其中將一個部件的所有性能參數(shù)實時擴展而成為一個狀態(tài)變量，卡爾曼濾波器的算法同樣可以應用于：即對確定一個組件的所有性能參數(shù)實時進行估計。

2.基于LSSVM的性能參數(shù)估計

lssvm回歸性能綜合評估回歸模型的一個基本概念也就是通過非線性函數(shù)映射將統(tǒng)計數(shù)據(jù)y線性映射嵌入到一個高維度的特征計算空間，并在該特征空間之內(nèi)進行回歸估計。通過識別發(fā)動機傳感器的測量參數(shù)和發(fā)動機的劣化量，評估各部件的劣化量和故障程度。

3.部件特征模糊化

每個關鍵部件級別分為無故障、故障啟動警告和雙重故障三種主要故障警告等級，因此對于風機、壓縮機、高壓驅(qū)動渦輪和電機低壓驅(qū)動渦輪四個主要關鍵部件分別有8種單重雙故障警告模式和24種雙重單故障警告模式。錯誤級別定義空間{0，1，2}，其中0表示無錯誤，1表示警告，2表示錯誤。如果壓縮機發(fā)出錯誤警告，其錯誤模式為q=[0，1，0，0]。它是一種從連續(xù)性能退化空間中提取特征信息并將其轉(zhuǎn)換為離散元件失效模式空間的方法。變換模塊是通過清除元件性能參數(shù)，將連續(xù)退化參數(shù)直接轉(zhuǎn)化為元件失效程度和相應的概率函數(shù)，關鍵是選擇合適的特征概率函數(shù)。劣化參數(shù)根據(jù)操作的性質(zhì)，飛行時間的增加決定了零件性能的劣化，劣化速度變快，劣化越大，零件失效的概率就越大。選擇高斯分布函數(shù)作為變換概率函數(shù)。

4.D-S決策融合

ds型的晶體特征融合診斷機制主要用于分析融合電子組件晶體特征點的模糊化和經(jīng)處理后的兩個融合子系統(tǒng)相關證據(jù)的綜合診斷分析結(jié)果。DS證據(jù)理論融合是同時??使用來自獨立和不同信息源的兩個或多個子證據(jù)集。為大大提高一個事件的證據(jù)可靠性而近年提出的一種信息證據(jù)組合計算法則。ds&d證據(jù)組合理論分析推理計算規(guī)則：首先分配計算每個給定證據(jù)體的基數(shù)和概率后再分配計算函數(shù)，然后使用DS合成規(guī)則計算所有證據(jù)體作用下的組合基概率分配函數(shù)，最后確定支持最大證據(jù)的假設體選擇。根據(jù)特定的決策規(guī)則組合動作。

結(jié)束語

在本文中，我們基于通用航空器自適應系統(tǒng)模型的卡爾曼濾波設計算法研究構(gòu)建了一個新的并行l(wèi)ssvm健康性能參數(shù)回歸故障預測計算系統(tǒng)來通過估計健康性能參數(shù)，并提出使用每個組件中的退化性能參數(shù)進行模糊化的并行dsvm理論。通過評估兩個部件子系統(tǒng)互相結(jié)合性能融合的故障診斷測試結(jié)果，獲得系統(tǒng)的性能故障診斷模式可以避免兩種濾波算法應用中的系統(tǒng)建模計算錯誤和系統(tǒng)噪聲，并通過限制統(tǒng)計樣本量和統(tǒng)計數(shù)據(jù)驗證樣本的不可靠性通過單個部件發(fā)動機主要部件的故障模擬雙動機部件故障診斷驗證系統(tǒng)效率我們提出的單個部件系統(tǒng)故障模擬診斷系統(tǒng)可以具有較高的故障診斷性和準確性。

參考文獻

[1]黃偉斌，黃金泉.航空發(fā)動機故障診斷的機載自適應模型[J].航空動力學報，2008，（3）.580-584.

[2]趙世榮，黃向華.應用神經(jīng)網(wǎng)絡信息融合診斷航空發(fā)動機故障[J].航空動力學報，2008，（1）.163-168.

[3]馮志剛，信太克規(guī)，王祈.基于最小二乘支持向量機預測器的傳感器故障檢測與數(shù)據(jù)恢復[J].儀器儀表學報，2007，（2）.193-197.

[4]黃向華，丁毅.基于幾何模式識別的發(fā)動機傳感器故障診斷[J].航空學報，2006，（6）.1018-1022.

[5]陳恬，孫健國.粗糙集與神經(jīng)網(wǎng)絡在航空發(fā)動機氣路故障診斷中的應用[J].航空動力學報，2006，（1）.207-212.

[6]陳恬，孫健國，郝英.基于神經(jīng)網(wǎng)絡和證據(jù)融合理論的航空發(fā)動機氣路故障診斷[J].航空學報，2006，（6）.1014-1017.