基于UIO的航空发动机执行机构故障诊断

为了提高航空发动机诊断过程中对噪声干扰和模型参数变化的鲁棒性,应用UIO(Unknown Input Ob-server)理论估计发动机动态系统的工作状态,通过干扰正交投影弱化外界干扰对状态估计的影响,处理了航空发动机执行机构的故障诊断问题。对航空发动机执行机构设计一组UIO观测器,其中每个UIO用于监测估计对应执行机构的故障偏移量,计算系统输出理论估计值与发动机实际测量信号间的残差数据,分析残差队列的幅值特性,实现航空发动机执行机构系统的故障检测和隔离。某型涡扇发动机上的实验结果表明,与Kalman滤波算法相比,UIO诊断方法更能鲁棒地检测和隔离出执行机构故障。     

航空发动机故障诊断技术

<正>航空发动机是飞机的心脏,一旦发生故障,常常导致严重的飞行事故。因此,国内外航空界对发动机的故障诊断都进行过系统、深入的研究。发动机运行过程中,常常伴随故障的发生,必然产生诸如振动、噪声、温度、压力等物理参数的变化。航空发动机故障诊断技术就是依据这些参数的变化,来判断、识别发动机的工作状态和故障,对故障进行早期预报、识别,做到防患于未然,保证发动机安全、稳定、可靠地工作。故障诊断技术是实现航空发动机视情维修的重要一环,其关键在于连续监测或周期     

基于信息融合的航空发动机剩余寿命预测

利用航空发动机状态监测信息,考虑到信息本身具有的误差性和随机性等特点,采用贝叶斯线性模型融合了监测信息,实现了综合利用多源信息的进行航空发动机性能衰退评估;以性能衰退评估结果为输入变量,建立基于Gamma随机过程的可靠性评估模型,预测在指定性能可靠性水平下的剩余寿命.通过算例,分析了不同监测参数对剩余寿命预测的影响.该方法能将性能监测与可靠性分析集成到一个框架中,充分利用了多种状态监测信息,结果更加准确,更符合控制航空发动机维修决策风险的实际.      

航空发动机磨损故障分析及诊断技术述评

磨损类故障是航空发动机安全与高效运行的主要威胁之一。本文分析了发动机磨损类故障的组成以及相应诊断方法的研究现状,并结合机械设备故障诊断技术的发展趋势预测了航空发动机故障诊断技术的发展方向。     

航空武器装备维修检测与发动机的故障诊断

介绍了国内外航空武器装备维修检测技术的发展状况,概述了各种诊断航空发动机故障的油液分析技术,阐明了航空发动机故障诊断的意义及发展趋势。     

关于航空发动机健康监测与诊断技术的研究

主要介绍了当前航空发动机健康监测与诊断技术的主要方法,并对各种方法进行了分析。本文重点介绍了基于油液分析的发动机磨损状态诊断,并对这种诊断方法的发展趋势进行了预测,然后从技术和经济的角度分析了新技术的可行性。     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

航空发动机健康监测技术研究

介绍了几种目前油液分析技术常用的方法以及它们在航空发动机健康监测中的最新应用,重点介绍了涉及显微图像技术的磨损颗粒检测系统,并对未来健康监测技术的发展趋势进行了预测,阐明了在航空发动机预防性维修中应用此项技术的重要意义.     

考虑性能退化的航空发动机故障诊断量化评估

航空发动机全生命周期内的故障诊断一直是研究的热点,为保障航空发动机在性能退化条件下故障诊断算法的可靠性,对考虑性能退化的航空发动机进行故障可诊断性量化评估有着重要的意义。本文从状态量的可测量性以及最优观测器设计两个方面对退化状态下航空发动机的滑动窗口模型进行解耦处理。从故障可检测及可隔离两个方面对故障的可诊断性进行量化评估,以巴氏距离为量化标准,将量化评估问题转换为多元分布概率距离求解问题。同时,从故障空间的角度对故障可隔离性进行定义,剥离了参考故障模式的影响,将可隔离性转化为故障空间中故障模式的固有属性,并给出航空发动机故障可检测及可隔离的判据。仿真实验证明,本文所提出的方法可以在发动机性能退化条件下对控制系统传感器、执行机构故障以及发动机气路部件故障进行可诊断性量化评估。     

基于GA优化BP算法的滑油状态监测

滑油状态的监测与分析是航空发动机状态监测与故障诊断的重要手段。为了解决以往滑油金属质量分数预测模型算 法的局部性、收敛速度慢及预测结果误差大等问题,结合遗传算法（GA）收敛速度快、鲁棒性好等优点,对反向传播（BP）神经网络 算法进行GA优化,通过GA对参数寻优,并应用于发动机滑油金属质量分数预测。由于滑油的状态参数并不能确定部件故障与 否,利用贝叶斯（Bayes）决策规则对诊断结果进行了错误率计算。将所提方法应用于某航空发动机滑油铁质量分数预测,结果表 明：采用GA优化后的BP神经网络（GA-BP）得到的预测结果具有更高的精度,其最大预测误差不超过6%,平均预测误差为1.7%, 所测数据与原数据具有较好的拟合性,利用Bayes决策规则对诊断结果进行分析,对于部件故障与否的判别更具说服力。