在翼航空发动机剩余寿命预测

作为飞机的心脏,发动机的健康状况将直接影响飞机的安全飞行和出勤。对于航空公司,不仅要考虑飞机的安全性,还要考虑公司的经济性。在确保发动机安全的条件下,对在翼发动机的寿命预测已成为各大航空公司考虑的课题。     

基于SVM方法的APU故障预测方法

针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。     

基于状态监测数据的航空发动机剩余寿命在线预测

针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程构建带比例关系的航空发动机隐含退化模型;其次,基于多台同类发动机的历史状态监测数据,对退化模型参数进行离线估计;然后,基于目标发动机的实时状态检测数据,利用贝叶斯原理同步更新退化模型漂移/扩散系数;最后,推导出航空发动机的剩余寿命概率密度函数。结合实例分析,验证了本文所提方法较传统方法具有更高的预测准确性与精度,具备潜在工程应用前景。     

基于二元相关的器件级可靠性建模与剩余寿命预测研究

器件作为部件及设备的主要组成部分,其可靠性及健康状态对设备功能完好性及任务可靠性具有重大影响。本文针对复杂应力条件下单一性能退化的可靠性建模不能全面地评估器件的状态和退化,提出基于Copula函数的二元性能退化联合建模的流程和方法,将联合建模分解为边缘退化模型选择与确定和性能参数之间关联性的构建两部分。同时,基于卡尔曼滤波方法,提出二元性能退化的剩余寿命预测方法,并利用芯片试验数据进行验证,应用于基于两焊点退化的芯片可靠性建模和剩余寿命预测。     

监测复合材料结构剩余疲劳寿命的剩余刚度方法

通过疲劳试验获得了复合材料层合板刚度退化的两参数模型,基于此模型提出了复合材料结构剩余疲劳寿命监测的剩余刚度方法,它以实验室中获得的归一化的剩余刚度曲线为基准,结合复合材料结构疲劳危险点的实测剩余刚度值,预测该危险部位的剩余疲劳寿命。该方法抓住了复合材料结构刚度退化的本质,借助实测刚度值,消除了疲劳性能分散性的大部分影响。通过4种玻璃/环氧复合材料光滑试验件和中心孔试验件的疲劳试验结果对该方法进行了验证。结果显示,本方法可以准确地预测复合材料结构的剩余寿命,且仅需利用前20%左右的剩余刚度数据,预测结果便与试验结果吻合较好。     

随机疲劳下复合材料剩余刚度-剩余强度关联模型及寿命预测

剩余刚度和剩余强度作为描述复合材料疲劳损伤程度最常见的方法,在应用过程中都存在各自的优缺点。刚度试验成本低,但缺少明确的失效判据使得其实际工程中的应用受到限制,强度虽然存在天然的失效判据,但破坏性试验导致试验成本较高。考虑复合材料结构大多在随机交变载荷下服役,如噪声、振动等。本文通过复合材料常幅疲劳数据推导了随机疲劳下的剩余强度曲线,提出了一种随机载荷下的剩余刚度-强度关联模型,减少了试验时间和成本,并通过关联模型预测了结构随机疲劳寿命,预测值与试验值具有较好的一致性。     

基于寿命包线的飞机金属结构寿命预测方法

飞机结构寿命包线是飞机结构在安全使用条件下疲劳寿命与日历寿命的边界线;在其概念的基础上,考虑疲劳寿命与日历寿命的相互影响关系,提出了通过预腐蚀疲劳试验确定飞机结构寿命包线的腐蚀影响系数法,建立了典型服役环境下飞机金属结构腐蚀疲劳关键件的剩余寿命预测方法,并给出了在飞行强度变化条件下的剩余寿命预测实例。飞机结构寿命包线确定方法与剩余寿命预测方法的建立,为飞机结构单机寿命(疲劳寿命与日历寿命)监控奠定了基础。     

考虑脆弱性的航空发动机剩余寿命预测

比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。     

基于Gamma过程的碳化钨涂层磨损剩余寿命

通过对碳化钨涂层磨损数据的分析,引用Gamma过 程,提出了一种有效融合现场监测数据和先验历史数据的碳化钨涂层磨损剩余寿命预测方法。首先,在历史磨损数据的基础上,确定了Gamma过程参数的先验值;其次,采用贝叶斯方法融合最新磨损监测数据,得到Gamma过程参数的更新值;然后,通过建立碳化钨涂层的实时 可靠度函数,实现剩余寿命预测;最后,通过实例对该方法进行了验证,结果表明精度比采用固定参数下的预测方法有所提高,满足工程实际的需求。     

基于多退化量的动量轮剩余寿命预测方法

动量轮是卫星姿态控制系统的关键部件,对卫星的可靠性及整体寿命有直接影响。针对卫星动量轮的剩余寿命预测问题,提出一种基于Copula函数的多退化量下的寿命预测方法。首先,分析了影响动量轮寿命的关键因素,选择润滑剂剩余量和电流作为退化量;其次,分别对单个退化量进行退化建模,得到动量轮剩余寿命的边缘分布函数;然后,通过Copula函数族来描述多退化量之间的相关性,并对边缘分布进行融合,得到动量轮剩余寿命的联合分布函数;最后,提出基于赤池信息准则（Akaike information criterion,AIC)模型评价的Copula函数选择方法。     

装备系统剩余使用寿命预测技术研究进展

社会的稳定发展离不开制造业的高水平发展,生产是制造业的关键步骤,长期持续稳定的产出依赖于装备系统的稳定运行。系统故障引起的停产势必会造成一定的经济损失。如何尽早地发现装备系统的故障来避免停工停产带来的经济损失,已经成为了当前应用研究中的热点。采用定期人工检查的传统方法不仅提高了生产成本,还使得问题发现较为滞后,达不到实时监控的目的。而且,随着信息技术的高速发展,装备系统的监测也变得更加智能化。利用装备系统的历史数据检测其状态能够更敏捷、更高效地发现装备运行中的“亚健康”问题,能给装备管理者提供有益的决策支持。基于装备剩余使用寿命的数据预测,能够提供高效智能的解决方案,在工业领域有着宽广的应用前景。因此,本文聚焦于装备系统剩余使用寿命预测技术的研究进展,对近年来剩余使用寿命预测的研究进行归纳总结,并讨论各剩余使用寿命预测理论与方法的优缺点。最后,总结并展望装备系统剩余使用寿命预测技术的未来研究方向和发展趋势。     

Remaining Useful Life Prediction of Rolling Element Bearings Based on Different Degradation Stages and Particle Filter

A method is proposed to improve the accuracy of remaining useful life prediction for rolling element bearings,based on a state space model(SSM)with different degradation stages and a particle filter. The model is improved by a method based on the Paris formula and the Foreman formula allowing the establishment of different degradation stages. The remaining useful life of rolling element bearings can be predicted by the adjusted model with inputs of physical data and operating status information. The late operating trend is predicted by the use of the particle filter algorithm. The rolling bearing full life experimental data validate the proposed method. Further,the prediction result is compared with the single SSM and the Gamma model,and the results indicate that the predicted accuracy of the proposed method is higher with better practicability.     

Remaining Useful Life Prediction for Aero-Engines Combining Sate Space Model and KF Algorithm

The key to failure prevention for aero-engine lies in performance prediction and the exhaust gas temperature margin(EGTM)is used as the most important degradation parameter to obtain the operating performance of the aero-engine.Because of the complex environment interference,EGTM always has strong randomness,and the state space based degradation model can identify the noisy observation from the true degradation state,which is more close to the actual situations.Therefore,a state space model based on EGTM is established to describe the degradation path and predict the remaining useful life(RUL).As one of the most effective methods for both linear state estimation and parameter estimation,Kalman filter(KF)is applied.Firstly,with EGTM degradation data,state space model approach is used to set up a state space model for aero-engine.Secondly,RUL of aero-engine is analyzed,and expected RUL and distribution of RUL are determined.Finally,the sate space model and KF algorithm are applied to an example of CFM-56aero-engine.The expected RUL is predicted,and corresponding probability density distribution(PDF)and cumulative distribution function(CDF)are given.The result indicates that the accuracy of RUL prediction reaches 7.76%ahead 580 flight cycles(FC),which is more accurate than linear regression,and therefore shows the validity and rationality of the proposed method.     

基于局部应力应变法估算高周疲劳寿命

以往用局部应力应变法计算结构高周疲劳寿命不好的主要原因是在损伤与寿命计算中没有考虑缺口应力梯度等的影响。文中利用疲劳缺口系数对应变－寿命曲线的弹性分量进行修正,从而可以较好地反映缺口根部应力梯度等对疲劳寿命的影响,使得局部应力应变法不仅可适用于低周疲劳寿命分析,也用可以用于高周疲劳寿命分析。文中给出的方法简单,精度了,便于工程应用。     

基于故障树分析法的APU故障诊断研究

故障树分析（FTA）是故障分析和故障诊断中广泛应用的一种方法。结合APU的工作特性,对APU启动困难的原因进行了分析,建立APU启动困难故障树,并对故障树的基本原因事件进行了定性、定量分析,进而提出了排除APU故障的方法,以达到预测与预防故障发生的目的。