民航发动机远程故障诊断若干关键技术研究

本文提出的民航发动机远程故障诊断技术将Internet网络技术与民航发动机故障诊断技术有效地结合起来,旨在将民航发动机的维护和故障诊断手段提升到远程的网络环境,以极大提高故障诊断的水平和时效性。本文从工程应用角度出发,对其中的几个关键技术问题进行了讨论。首先分析了民航发动机故障诊断的技术现状,提出了民航发动机远程故障诊断系统的结构体系。提出一种诊断设备网络化的设计思想,即采用上下位机的结构和COM组件技术,实现远程操作、状态监视和控制。采用COM组件技术和网络数据库技术实现了在Web服务器上的知识的存储与推理。分别基于NI的Labview/GWebServer和DataSocket技术,开发了两种多功能的远程故障诊断的协同工作环境(CSCW)。      

基于SDAE的航空发动机燃油流量基线模型构建

为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并与基于BP神经网络的基线模型进行对比分析。结果表明:基于SDAE的燃油流量基线模型具有更高的精度和更强的鲁棒性。     

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。     

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用...     

基于RBF神经网络的航空发动机故障诊断

航空发动机的故障诊断研究在民航安全发面有着重要的意义，而故障诊断模型的建立尤其关键。采用径向基函数（RBF）神经网络建立发动机的故障诊断模型，论述了径向基函数神经网络的结构、学习和运行，并通过该模型对发动机参数进行辨识，结果表明RBF神经网络具有较高的故障诊断正确率。     

民航发动机远程故障诊断技术展望

航空发动机因其结构复杂及高温高速的恶劣工作环境，时刻都可能发生故障。作为飞机的心脏，民航发动机的健康状况将直接影响飞行的安全和正点。本文将Ｉｎｔｅｒｎｅｔ的网络技术与民航发动机故障诊断技术有效地结合起来，使民航发动机的维护和诊断手段提升到远程诊断的网络环境，可以极大地提高故障诊断的水平及时性，这基于当前网络化信息化的发展趋势，此种形式具有明显的社会效益和经济效益。     

飞行状态数据的有效性检查

ＥＭＤ（发动机状态监控和故障诊断）系统应用于ＭＤ－８２飞机上的ＪＴ８Ｄ－２１７发动机时，由于人工记录和人工键入飞行数据造成飞行数据存在严重的质量问题，给发动机的趋势分析和故障诊断带来很大的困难。本文介绍了ＥＣＭＩ对飞行状态参数进行有效性检查的方法，提出了采用主因子模型对发动机进行故障诊断时，用来识别是飞行状态数据的质量问题，还是发动机指示系统故障的判别准。则强调了记录飞行数据应达到的条件及数据质量的指标。所有这些对提高趋势分析和故障诊断的成功率都取得了很好的结果     

S-WFA方法改进关联度计算的民航发动机气路故障诊断研究

针对民航发动机气路故障诊断难度大、准确度不高等问题,提出一种基于改进关联度算法的故障向量识别方法,该方法首先从发动机气路测量参数入手进行发动机的故障诊断研究,利用发动机性能趋势图提取监控参数的偏差量,然后将Sigmoid函数改进后用于属性参数的重要程度计算。结合WFA属性权重分配方法改进了灰色关联度算法,并利用故障案例进行验证,验证表明改进后的算法诊断准确率较高。     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

Elman回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

涡扇发动机涡轮和机匣碰摩故障飞行试验研究

受装机空间限制,小涵道比涡扇发动机通常仅采用发动机振动值表征发动机的振动情况,无法准确对异常振动进行定位分析和排除。针对某台涡扇发动机在试飞中出现的发动机振动值异常现象,利用机载加装的应变片和振动传感器的测量数据,对故障现象进行了详细分析。结果表明:涡轮和机匣的碰摩导致发动机发动机振动值异常增大。总结了该型涡扇发动机涡轮和机匣碰摩中发动机振动值的发展趋势的特征,为迅速、准确定位后续飞行试验中的同类故障提供借鉴。     

航空发动机燃油系统执行机构及其传感器故障诊断

提出了基于执行机构模型和航空发动机逆模型的执行机构及其传感器单一故障诊断和定位方法.基于执行机构小闭环结构建立了3阶执行机构传递函数模型.基于两个并联的BP(back propagation)神经网络,建立了航空发动机稳态逆模块和动态补偿模块,形成航空发动机逆模型,以实现基于航空发动机输出的燃油流量估计.以执行机构模型输出和传感器输出之间的偏差为依据进行故障判别,以航空发动机逆模型输出和传感器输出偏差为依据对故障进行定位.以某型航空发动机及其燃油系统执行机构模型为对象进行的仿真,结果表明,该诊断系统可在航空发动机稳态、动态情况下准确地诊断出幅值在1.6%以上的执行机构及其传感器故障并进行定位,验证了所提出故障诊断方法的有效性.      

民用航空发动机振动监测方法研究

对民用航空发动机振动监测原理、监测算法和发动机振动位移量到飞机振动单位的转换关系进行了系统研究。并在此基础上,结合民用航空发动机典型的叶片磨损问题,分析了发动机振动值随不同叶片磨损程度的变化趋势;给出了发动机振动检查程序,便于在飞机地面维护和飞行过程中提早发现发动机存在的结构故障,保障飞行安全。本文结合发动机振动特点提出的工程检测方法,具有一定的工程使用价值和参考意义。     

基于模糊积分的航空发动机MTBF动态评估方法

针对传统评估方法无法解决航空发动机可靠性评估的滞后问题,采用模糊积分方法建立航空发动机动态可靠性评估模型.引入故障强度因子,建立降半正态型分布的故障强度因子函数表示故障纠正过程.通过故障强度因子得到模糊密度,采用Choquet模糊积分方法融合发动机各阶段可靠性指标,解决了航空发动机可靠性指标的动态评估问题.对在研的某小型涡扇发动机进行了应用研究,结果表明采用Choquet模糊积分数据融合方法进行动态评估能考虑到不同阶段故障数据的重要性,对发动机当前的可靠性水平能给予更加科学的评价.      

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

基于模糊粗集的航空发动机特征参数提取算法

提取发动机性能状态的特征参数,是提高发动机故障识别正确率和可靠性的必要条件.针对实际航空发动机故障参数所具有的模糊和连续性特点,提出了一种基于模糊粗糙集的特征参数提取算法,并应用到某型航空发动机故障识别.研究结果表明:属性约简的核则为导致发动机故障的特征参数,以此特征参数进行故障诊断,可保证较高的诊断精度;同时,该算法的抗干扰性提高了整个系统故障识别的正确率.该算法可用于航空发动机故障分类、故障诊断以及状态监控.      

航空发动机自动平衡技术发展综述

针对航空发动机在运行过程中不平衡振动过大的问题，采用自动平衡技术进行在线质量补偿，可有效降低其振动水平。目前自动平衡技术主要运用于航空发动机结构、控制算法、工程应用3个方面。基于影响系数法的电磁驱动型自动平衡在美国空军C-130H运输机上得到工程应用，飞行测试4个发动机螺旋处的振动均低于1.27mm/s，降低了94%，因螺旋桨振动导致的压气机处振动降低了75%。研究结果表明:航空发动机自动平衡技术可实现在线持续动平衡，能有效降低发动机及其组件的振动疲劳损伤，降低发动机维护费用，延长维修周期。自动平衡技术在航空发动机领域得到工程应用是一个循序渐进的过程，还需要进一步开展结构设计、控制策略、系统集成等方面的研究工作，并在航空发动机设计阶段就考虑纳入自动平衡结构。      

航空发动机整机振动故障模糊信息熵诊断方法

为了获得航空发动机整机振动故障征兆与故障原因之间难以确定的复杂隶属关系,提高故障诊断的准确率,基于模糊数学理论和信息熵理论,提出了基于模糊信息熵的发动机整机振动故障融合诊断方法。通过建立模糊信息熵融合诊断的数学模型,使定量分析与专家经验和定性分析相结合,并应用于某型航空发动机整机振动故障诊断。实际应用表明,基于模糊信息熵融合的诊断模型较单一的模糊诊断模型准确率明显提高,验证了该方法用于航空发动机整机振动故障诊断是有效的。     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.