基于隐马尔可夫的航空发动机视情维修研究

针对传统航空发动机维修方式存在的＂维修过剩＂或＂维修不足＂的弊端,研究了航空发动机的视情维修决策模型。采用隐马尔可夫过程对航空发动机劣化过程建模,解决了传统马尔可夫过程中故障率均假定服从指数分布的局限,同时考虑了检测过程中的不完全信息情况,更贴近实际工程,相关结果可为视情维修提供辅助决策支持。通过具体示例,验证了方法的有效性和合理性。     

视情维修理论综述及其在航空发动机维修管理中的应用

航空维修对飞机的安全和经济运营具有重要意义,合理地选择维修策略,可以在保证飞机安全飞行的前提下,为航空公司节省额外的维修费用。文章从一般航空维修理论的发展出发,解释了视情维修的概念,综述了视情维修理论的发展现状,并阐述了视情维修在航空发动机维修管理中的应用。     

航空发动机状态监控系统研究

航空发动机的维修方式正在由定期维修向视情维修转变,可以在保证发动机可靠性的前提下,降低发动机的维护费用。状态监控系统的研究是开展航空发动机视情维修的关键步骤。借鉴国外典型的发动机状态监控系统,提出了发动机状态监控系统的结构、功能需求、监控事件的选择,实现了机载状态监控系统的原理样机及其仿真平台,对状态监控系统的研究有一定意义。     

民航发动机状态监控与维修管理软件介绍

目前航空维修采用"以可靠性为中心的维修"(Reliability Centered Maintenance,RCM)的维修思想,视情维修(Condition Based Maintenance,CBM)是其中三大维修策略之一。发动机主要实行的就是视情维修策略,该策略要求对发动机进行状态监控,基于状态监控的结果,合理安排维修,这里就介绍一些民航领域常见的发动机状态监控与维修管理软件。     

提高民航发动机起飞EGT裕度的措施

随着航空发动机状态监控与故障诊断技术的不断完善与提高,目前航空发动机的维修思想已由"预防为主"转向"以可靠性为中心",维修方式相应地由"定时维修"转变为"视情维修".实现发动机视情维修的基础是对发动机的主要性能参数进行实时监控,而发动机起飞EGT裕度是衡量发动机性能的主要参数,EGT裕度越大表明发动机的健康状况越好.     

航空装备视情维修决策研究

航空装备从正常到潜在故障需要经过检测才能知道。本文建立了符合航空装备特点的视情维修决策模型,通过Markov状态分析,以装备的最大可用度为目标函数,确定了基于航空装备的可靠性的检测间隔期和视情维修阈值的求解方法,为航空装备开展视情维修提供了依据,并将所得结论应用于某型飞机的滑油系统进行验证,得出检测次数与装备可用度的关系。     

基于RCM 和模糊综合评判的航空发动机附件维修决策分析

针对RCM理论在定量决策中的不足引入模糊综合评判方法,分析影响航空发动机附件功能的因素,采用层次分析法确定了各因素的权重,再通过专家调查表确定了各因素隶属度,进行了定量计算,确定了航空发动机附件的维修方式。根据使用中对安全性、任务性、经济性的不同要求,建立了基于可靠性的维修间隔期模型。通过收集燃油增压泵的外场故障数据并进行分布拟合,得到故障数据服从2参数威布尔分布;最后应用维修间隔期数学模型进行计算,确定其定时维修间隔期为2000 h。     

发动机性能监控数据收集和处理

发动机性能趋势监控是视情维护的重要组成部分，数据是整个监控工作的基础，只有保证数据的及时准确、完整连续，才能保证发动机性能趋势监控工作的有效进行。本文总结了实际工作中ＣＦＭ５６－３Ｃ发动机性能监控数据收集处理的方法和经验。ＣＦＭ５６－３Ｃ发动机是一种典型的视 情维修发动机，目前南方航空公司有７４台该型号发动机，是国内最大的用户。发动机视情维修是通过孔探、性能趋势监控、磁堵屑末检查、滑油耗量监控来实现的，其中性能趋势监控是视情维修的重要手段。 发动机性能趋势监控是一个闭环过程，其流程图见图１。（ＤＦ…     

航空装备视情维修应用研究

视情维修已经成为航空装备维修保障系统广泛应用的维修保障手段。本文基于视情维修理论,阐述了视情维修的原理,结合当前新技术、新理论,总结了视情维修关键技术及其发展。     

航空燃气涡轮风扇发动机故障识别诊断方法研究

航空发动机的故障预测诊断研究是视情维修制度的主要应用,以状态监控为基础的维修制度需要对航空发动机进行状态监测与故障诊断。故障状态监测与诊断研究方法的多样性使初涉者毫无头绪,为了更好地把握航空发动机故障状态监测与诊断的研究方向,选择方法的最优面组合杂交出更加有效的故障检测与诊断技术,可以解决更加复杂的系统故障问题。本文对较为典型的航空发动机故障检测与诊断技术进行简析与评价,从而更加深刻地把握航空发动机故障预测技术。     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

An aero-engine life-cycle maintenance policy optimization algorithm: Reinforcement learning approach

An aero-engine maintenance policy plays a crucial role in reasonably reducing maintenance cost. An aero-engine is a type of complex equipment with long service-life. In engineering,a hybrid maintenance strategy is adopted to improve the aero-engine operational reliability. Thus,the long service-life and the hybrid maintenance strategy should be considered synchronously in aero-engine maintenance policy optimization. This paper proposes an aero-engine life-cycle maintenance policy optimization algorithm that synchronously considers the long service-life and the hybrid maintenance strategy. The reinforcement learning approach was adopted to illustrate the optimization framework, in which maintenance policy optimization was formulated as a Markov decision process. In the reinforcement learning framework, the Gauss–Seidel value iteration algorithm was adopted to optimize the maintenance policy. Compared with traditional aero-engine maintenance policy optimization methods, the long service-life and the hybrid maintenance strategy could be addressed synchronously by the proposed algorithm. Two numerical experiments and algorithm analyses were performed to illustrate the optimization algorithm in detail.     

基于寿命件的民航发动机送修目标确定方法

为了科学合理地制定维修工作范围,提出了一种面向全寿命周期的基于寿命件的民航发动机送修目标确定方法.首先以全寿命周期内送修次数最少、寿命件总成本最低、目标在翼总循环最长为优化目标,建立了多目标优化模型;在分析各优化目标的基础上,提出了一种基于分步求解策略的模型求解方法;最后,采用某航空公司一台航发动机的实际数据对提出的送修目标确定方法进行了验证.结果表明提出的方法能够基于妥协系数和各优化目标权重实现全寿命期内送修次数和寿命件总成本的平衡,能够为发动机送修目标的确定提供决策支持,避免了送修目标确定的随意性.     

某型涡扇发动机测量数据融合模型

为提高传感器测量数据的有效性、可信性,基于共同工作方程,采用原始对偶内点法对某型涡扇发动机测量数据进行了融合分析。通过案例研究了当可测量参数存在误差时融合模型对流量、温度及压力等参数的预测效果;使用两种初值更新法,测试了不同工况下的物理运算时间;研究了约束违反程度对数据融合效果的影响;测试了关键传感器失效情况下,动态数据融合模型对缺失参数的预测效果,提出了进一步加快计算速度的方法。结果表明:通过数据融合,测量数据和未测量参数的不确定度下降到1%以内;通过算法优化,运算时间减小到5s,为发动机状态监控、传感器维护和传感器失效情况下发动机控制策略的制定提供了支持。     

航空发动机多状态寿命控制策略与仿真研究

航空发动机寿命控制是航空装备维修保障工作的重要内容，针对当前航空发动机状态寿命多、使用控制策略单一、状态寿命消耗浪费严重等问题，利用多目标决策模型，分别考虑多种状态寿命消耗约束，提出基于航空发动机多状态寿命的控制策略；在利用Simio 3D 构建发动机使用流程仿真模型的基础上，将所提寿命控制策略进行注入，验证所提策略的合理性和可行性。研究结果能够为航空装备使用单位和维修人员制定发动机寿命控制策略提供技术支持和方法参考。     

民用航空发动机水洗效果量化评价方法

为了掌握水洗对民用航空发动机性能的改善效果,实现从定时水洗向视情水洗的转变,并为航空公司评估节能减排工作成效提供支持,提出一种发动机水洗效果量化评价方法。该方法选择延长在翼时间和节省燃油量作为评价发动机水洗效果的两个主要指标,给出评价指标的计算方法;建立基于成本的发动机水洗效果评价模型,基于该模型对水洗效果进行评价;采用某台水洗后发动机的实际数据对所提出的方法进行验证。最后,基于所提方法开发发动机水洗管理系统。结果表明:所提方法能够实现发动机水洗效果的定量评价,为视情水洗的实现和航空公司评估节能减排工作成效提供支持。     

基于深度信念网络的航空发动机维修等级决策

准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络（DBN）算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。      

基于序列二次规划算法的发动机性能寻优控制

提出用非线性序列二次规划(SQP,Sequen tial Q uadratic P rogramm ing)算法解决发动机性能寻优控制问题。分析了线性规划(LP,L inear P rogramm ing)算法用于发动机性能寻优的固有缺陷以及SQP算法的优点。给出了SQP算法与LP算法用于最大推力模式和最小油耗模式仿真结果对比曲线。数字仿真实验的结果表明,SQP算法具有比LP算法更好的优化效果,在工程实际中有很大的应用潜力。     

Regression model for civil aero-engine gas path parameter deviation based on deep domain-adaptation with Res-BP neural network

The variations in gas path parameter deviations can fully reflect the healthy state of aero-engine gas path components and units; therefore, airlines usually take them as key parameters for monitoring the aero-engine gas path performance state and conducting fault diagnosis. In the past, the airlines could not obtain deviations autonomously. At present, a data-driven method based on an aero-engine dataset with a large sample size can be utilized to obtain the deviations. However, it is still difficult to utilize aero-engine datasets with small sample sizes to establish regression models for deviations based on deep neural networks. To obtain monitoring autonomy of each aero-engine model, it is crucial to transfer and reuse the relevant knowledge of deviation modelling learned from different aero-engine models. This paper adopts the Residual-Back Propagation Neural Network (Res-BPNN) to deeply extract high-level features and stacks multi-layer Multi-Kernel Maximum Mean Discrepancy (MK-MMD) adaptation layers to map the extracted high-level features to the Reproduce Kernel Hilbert Space (RKHS) for discrepancy measurement. To further reduce the distribution discrepancy of each aero-engine model, the method of maximizing domain-confusion loss based on an adversarial mechanism is introduced to make the features learned from different domains as close as possible, and then the learned features can be confused. Through the above methods, domain-invariant features can be extracted, and the optimal adaptation effect can be achieved. Finally, the effectiveness of the proposed method is verified by using cruise data from different civil aero-engine models and compared with other transfer learning algorithms.     

基于状态维修的预防性维修策略优化模型研究

基于状态的维修着眼于系统的具体运行状况,对被监测装备的真实状态进行评估,克服了维修的盲目性,可有效减少由于维修不足而引起的意外故障和由于维修过剩带来的资源浪费。提出一种基于状态的多部件系统非周期预防性维修计划的优化方法,引入"机会维修阈值"概念,优化不同维修方式转移概率的表达式,将多个维修作业按照机会维修阈值进行归并,运用马尔可夫决策过程理论,给出不同维修方式转移概率的表达式和目标函数,并进行算例分析。结果表明:提出的优化模型减少了预防性维修活动,节约了维修工时和经费,可为系统预防性维修策略决策提供参考。