融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

基于性能非线性退化统计模型的发动机剩余寿命预测

针对航空发动机在性能退化过程中普遍存在的非线性和不确定性问题,提出一种基于非线性退化数据的统计模型和剩余寿命预测方法。通过对发动机性能真实退化轨道的分析,采用统计回归的建模方法建立发动机退化轨道模型,利用发动机的历史数据,通过最小二乘估计求解模型中的未知参数;根据贝叶斯准则,以发动机实时监测数据与参数的先验分布对模型中的参数进行实时更新,以发动机性能退化量首次达到红线值作为失效依据,采用蒙特卡洛仿真的方法得到发动机剩余寿命分布,实现了对个体发动机剩余寿命的预测;通过试验数据进行发动机剩余寿命的预测,验证了该方法的准确性。结果表明：根据发动机退化数据结合退化模型得到的个体发动机剩余寿命实时预测值末端均方根误差为0.02588,可以辅助指导维修决策。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

基于改进的SENet航空发动机振动预测

为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet（squeeze-and-excitation network）模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR（quick access recorder）数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。      

多传感器数据融合方法在加力燃烧室试验中的应用研究

在航空发动机加力燃烧室试验中,为实现同一截面真实气流状态参数的多传感器精确测量,提出了1种多传感器数据融合方法。该方法运用格拉布斯准则剔除多传感器测量数据中的无效数据,运用方差自适应加权融合方法对有效数据进行融合计算并获取真实参数,并分别利用算术平均值方法和自适应加权融合方法对试验数据进行处理分析。结果表明:通过多传感器融合方法获取的数据均方差明显优于算术平均值方法获取的方差,具有更高的测试精度和可靠性。     

基于特征值和特征向量的测量参数选择

研究了航空发动机气路故障诊断中测量参数如何选择的问题。利用发动机故障诊断矩阵,提出了基于特征值和特征向量比较不同测量参数选择系统之间优劣的简易快速算法,该算法可以从几何角度直观地展现整体解空间和解矢量的方向等变化情况。通过一个单轴涡喷发动机测量系统对比案例有效地表明:地面测试系统的最大与最小特征值比为33,机载系统的最大与最小特征值比为1008,在该单轴涡喷发动机气路故障诊断方面,地面测试系统比机载系统明显更有利于气路故障诊断。该算法可用于优化机载发动机测量传感器布局、台架测量系统中测量传感器布局,指导工程中测量参数的选择等。      

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

基于非线性约束模型的发动机部件性能衰退研究

引入流量因子和效率因子,通过在稳态模型中修改流量因子和效率因子,模拟几种性能失效形式,分析了它们引起压气机和涡轮测量参数的变化.以发动机稳态模型为基础,构建优化部件性能参数的非线性约束模型,得到部件性能参数的衰退过程.在得到的性能参数基础上,代入到发动机稳态模型,得到对应的测量参数,同时滤掉噪声的干扰.又运用雅克比矩阵建立部件性能参数与测量参数的对应关系,得到的测量参数与非线性结果进行比较,证明了非线性约束模型计算发动机测量参数的优越性     

基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。     

基于卡尔曼滤波-遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,提出了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法.根据发动机可测参数偏离额定特性时的变化量,利用卡尔曼滤波器对发动机性能参数进行了估计.当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况.遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出了存在测量偏差的传感器,确定其偏差,并最终消除了测量偏差对性能诊断的影响.     

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

传感器故障下的航空发动机机载自适应模型重构

利用航空发动机测量参数偏离正常工作情况下的变化量,可以估计发动机的非额定工作状况,并以此对机载模型进行校正,使其与真实发动机工作状况保持一致。建立了包含发动机性能蜕化因素的状态变量模型并对其进行了增广,设计了卡尔曼滤波器,根据可测输出偏离量对发动机性能蜕化值进行了估计,并将性能蜕化值用于修正发动机不可测输出参数。考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。仿真结果表明,重构的自适应模型能够满足精度及实时性要求。      

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.      

基于喘振信息数据融合的发动机温度传感器

针对热电偶（阻）型温度传感器呈现较强的惯性，提出一种基于矩阵奇异分解的传感器数据融合方法，将喘振信息与温度传感器输出信号相融合，分别消除了发动机进口温度T1约1．2％和涡轮后燃气温度L约0．8％的静态误差；同时，还提出了利用喘振信息消除温度传感器动态误差的技术，补偿了热电偶（阻）的惯性延迟。实验和仿真结果表明，该数据融合方法和动态补偿技术不仅算法简单有效，而且温度补偿准确，提高了发动机电子调节器工作的可靠件．     

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.      

某型航空发动机起动故障试验

为解决某型航空发动机冷热态起动不兼容问题,基于发动机室内试车台,对起动过程进行研究,分析了起动故障原因。研究了起动机功率、起动机脱开转速及起动供油逻辑对起动性能的影响,通过多种调整措施,对起动过程进行了优化,并试验验证了措施的有效性。结果表明:起动机功率提高10%,起动时间缩短5%;起动机脱开转速提高2%,起动时间缩短18%～25%;调整优化起动供油逻辑,增加起动前中期供油量,减少后期供油量,可有效改善发动机的起动性能。      

航空发动机非线性模型实时计算的迭代方法研究

针对航空发动机非线性模型将作为未来机载应用而需要严格实时性的问题,研究了求解模型的迭代方法,综述其历史发展情况,并讨论收敛性问题,同时提出一种改进应用方案,即模型在过渡态仿真时可将上一状态点雅可比矩阵直接应用于下一点计算,能够在典型应用方案基础上直接减少气动热力模型计算次数,从而提高整体模型执行效率.通过实际算例对这些应用方案进行仿真比较与分析,结果表明:①Broy-den秩1法执行效率最高,更适宜用于模型实时计算;②改进应用方案简单、有效,为进一步满足非线性模型的严格实时性要求奠定基础.      

改善双轴发动机加速性的变喷管调节分析

基于发动机各部件特性,应用流动参数变化热容计算方法对某型双轴发动机加速过程进行了数值分析。发展了一种双层迭代方法,成功地模拟了变喷管喉道面积对发动机加速性的影响,并初步给出了改善发动机加速性的变喷管调节方案。     

整流支板和火焰稳定器的一体化设计及性能分析

针对航空发动机高推质比、高隐身的需求,提出一种加力燃烧室整流支板和火焰稳定器一体化设计的方法,并开展了相关模型加力燃烧室的计算和试验研究.研究结果表明:采用一体化设计加力燃烧室,能够缩短加力燃烧室长度,大幅降低非加力状态的冷态流阻,明显改善发动机加力燃烧室的性能,提高发动机的推质比.可为解决高推质比、高隐身发动机技术提供了一种新的思路和研究方向.      

航空发动机传感器故障诊断方法研究

介绍航空发动机试验过程中,常见的传感器卡死、传感器恒增益变化和传感器恒偏差失效等故障,以及当传感器数据出现异常时,对传感器进行故障诊断的理论方法。对传感器故障诊断有待解决的问题和发展方向做了一定探讨。