涡轴发动机尾气静电监测信号影响因素分析

 针对某型航空涡轴发动机试车台实验所获得的尾气静电监测信号,结合发动机台架试车状态和性能数据,分别在两个时间尺度上展开分析研究。研究发现发动机的工作状态和健康状态均对尾气静电信号产生重要影响。在小时间尺度上的分析发现,无故障情况下影响尾气静电信号变化的主要因素为燃油供给量,尾气静电信号能量随燃油供给量的增加近似按指数规律上升;而在大时间尺度上的分析发现,在一定的燃油供给和恒定的自由涡轮转速条件下,尾气静电信号能量随着发动机性能的缓慢衰退而逐渐上升。实测尾气静电信号所反映的趋势与初步的理论分析结果相一致,为建立涡轴发动机尾气静电信号的健康"基线",进而用于气路状态监测及故障识别提供了初步的依据。研究还发现,静电监测技术不仅能够为突发性故障提供预警信息,而且能够反映发动机整机性能衰退,进一步拓展了静电传感器的监测能力及其在航空发动机健康管理中的应用。     

某型航空涡轮轴发动机尾气静电监测探索性实验

 在某型航空涡轮轴发动机上进行了尾气静电监测探索性实验,成功地获得了尾气静电感应信号。根据实测的108 h有效数据,对信号的特征参数活动率水平(AL)、正事件率(PER)、负事件率(NER)和轴频分析(SOA)展开分析。研究结果表明：基于静电感应原理的发动机气路监测技术是可行的;发动机功率对特征参数有明显的影响。在一个完整试车循环中,随着功率的增大,AL参数呈现二次多项式变化规律;PER和NER参数呈现线性增长规律。随着试车阶段的推移,AL参数值在各个功率下均呈上升趋势,PER和NER参数没有明显的变化;水洗对发动机AL参数有明显的影响,但对PER和NER参数没有明显的影响。     

航空发动机气路故障静电监测技术研究

航空发动机气路中任一部件的故障都会严重影响发动机的性能,甚至造成严重后果。本文研究了基于静电监测机理的发动机气路碎屑监测技术,设计了一套航空发动机气路故障静电监测系统,并在发动机模拟试验台上进行了两种典型故障模拟试验。研究表明,该系统通过监测发动机排气颗粒的静电电荷水平和变化规律,可判断发动机气路部件的故障情况,为发动机故障诊断和健康管理提供关键技术手段。     

航空发动机增强型机载自适应模型气路故障诊断方法

针对航空发动机在工程应用中气路健康状态的评估问题,提出一种基于增强型机载自适应模型的气路故障诊断方法。 该方法在机载模型中加入神经网络补偿算法,在线修正机载模型的输出误差,提高了卡尔曼滤波器估计精度,以此为基础建立了 发动机增强型自适应模型和性能基线模型。增强型自适应模型可实时评估健康参数状态,并指导性能基线模型跟踪发动机正常 性能降级趋势,确保剪裁精准的故障信息用于检测和诊断。基于发动机性能仿真模型模拟故障特征数据库,采用RBF神经网络训 练样本,完成了故障模式判定和故障隔离。通过构建某型涡轴发动机气路故障诊断平台进行仿真验证,结果表明：该方法能够有 效监视发动机在全包线、全寿命周期的气路健康状况,在实际工作流程中具备可行性。     

航空发动机气路颗粒静电监测技术模拟实验

探讨了航空发动机气路颗粒静电监测技术的工作原理和技术特点。为进行该技术的可行性研究搭建了模拟实验台,利用电晕模拟了气路故障发生时尾气中不同大小的带电颗粒,使用自制的探针式静电传感器对运动带电颗粒进行监测,信号调理器将感应电荷放大并转换为对应的电压,结果显示：①静电传感器能够监测到运动带电颗粒;②感应电压幅值与颗粒大小有关;③感应电压波形与颗粒性质有关;④大量小颗粒和单个大颗粒混合物的感应电压表现出两者各自的特征。     

涡喷发动机尾气静电监测及气路故障特征

利用涡喷发动机试车台和新研制的小型涡喷发动机完成了一系列静电监测实验,获取了涡喷发动机尾气静电信号特性,并通过分析静电信号特征证实了尾气静电监测技术对发动机气路部件机械故障的监测.研究发现发动机尾气静电信号的细微变化与发动机工况相关,通过分析第102试车阶段的静电信号发现活动率水平出现了与发动机工况同步变化的情况,验证了活动率水平是一种可作为表征尾气中微小颗粒的带电情况的特征参数;在102～108试车阶段中,发动机出现了燃烧室内壁积炭、燃烧室内壁轻微烧蚀和气路润滑油泄漏故障,根据静电信号的统计分析以及大时间尺度的趋势分析,发现活动率水平、正(负)事件率可作为预警参数来反映因这些故障而导致尾气静电整体水平的变化.      

发动机基线方程的建立和应用

本文介绍了应用正交试验设计原理及最小二乘曲线拟合原理建立航空发动机基线方程的方法,将此拟合基线方程应用到航空发动机状态监控与故障诊断系统中,满足了趋势分析和故障诊断的要求。     

某型航空涡扇发动机静电传感器机载化监测实验

计了一种特定尺寸的静电传感器,并将其装配在涡扇发动机低压涡轮出口附近的尾喷管管壁,以民用涡扇发动机为静电传感器载体及监测对象开展静电监测实验.以一个完整性能试车过程为周期,采集周期内的尾气静电信号.进一步对静电信号和发动机性能参数进行数据对比分析,同时对测试过程中异常状态下活动率水平（AL）和负事件率（NER）进行计算.实验验证了航空发动机静电监测技术具备机载化的可行性,实验结果表明:正常状态下静电信号电压幅值大小约为5mV,静电水平跟随运行功率变化并呈正相关性;静电传感器对尾气中存在的异常颗粒具有良好的监测效果,在发动机富油状态下静电信号的活动率水平和负事件率分别达到14pC及8%.      

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。     

气路颗粒静电监测技术及实验

介绍了发动机气路荷电颗粒产生的机理、静电传感器原理以及气路静电监测技术的原理,然后介绍了模拟试验装置和试验过程,并通过实验的方法对静电监测技术进行了研究,最后通过小波分析的方法对实验信号的能量分布特征进行了研究,结果为大颗粒产生的感应信号的幅度要大而能量分布集中在低频段,而细小颗粒产生的感应信号幅值较小,信号能量分布集中在高频段,实验结果为在气路监测中辨别异常颗粒提供了参考依据,同时也表明了基于颗粒静电监测方法的可行性.      

基于数据的航空发动机排气温度裕度及剩余寿命计算方法

针对航空发动机重要监控参数排气温度裕度(EGTM)计算及预测困难的问题,根据航空工业标准实施指南,建立了一种基于数据的EGTM计算方法及剩余寿命预测模型。分解EGTM影响因素并基于修正后的相似理论对风扇转速及排气温度进行修正。对部分换算/修正公式参数的离散试验数据进行拟合,得到关系曲线。利用支持向量机学习发动机引气系统影响因素,通过遗传算法优化支持向量机的惩罚因子及核函数参数,获得经引气系统参数修正后的EGTM值。利用小波变换对EGTM进行降噪和特征提取。运用多项式回归拟合特征参数,确定单发/平均机队EGTM性能衰退率,计算EGTM剩余寿命。该模型实现了从数据输入到剩余寿命预测的全过程计算,EGTM计算结果与发动机厂商提供的结果对比拟合优度达0994。剩余寿命衰退曲线拟合效果与小波变换后EGTM曲线对比拟合优度达098。结果可作为维修计划制定及经济成本计算的理论支撑和参考依据。     

航空发动机状态监视、故障诊断研究及验证

提出了发动机状态监视、故障诊断的理论方法并搭建了该系统的软硬件平台,为建立机载发动机健康管理系统奠定了坚实的基础。首先,建立并验证了含有健康参数的发动机线性化模型,在模型的基础上设计了用于故障诊断的卡尔曼滤波器;其次,用设计好的滤波器可以准确估计出反应发动机运行状态的不可测参数;随后又用了一组卡尔曼滤波器诊断、隔离了传感器故障;最后,介绍了该部分机载系统原理样机的软硬件配置,并进行了算法平台验证,从操作和实现方式上验证了软硬件平台。该设计满足算法需求且界面人性化、易于操作。     

基于KPCA 和DBN 的航空发动机排气温度基线模型

为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生的快速存取数据作为原始的数据样本,利用核主成分分析进行降维处理,选用高斯函数作为核函数,将降维后的数据作为深度置信网络的输入,建立航空发动机EGT基线模型,通过大量QAR数据验证了模型的有效性和正确性。与传统神经网络建模方法相比,所提出的建模方法不但降低了网络结构的复杂度,同时也提高了模型的精度。     

主成分分析在发动机状态监控与故障诊断中的应用

讨论了主成分分析在发动机状态监控与故障诊断中的应用,即利用主成分分析对近似线性相关的多个向量进行降维的问题。特别讨论了一般文献中很少注意的两个特殊问题,即测量数据的等方差化问题和中心化限制问题。以ＪＴ９Ｄ发动机故障、故障系数向量以及ＪＴ９Ｄ和ＰＷ４０５６发动机维修指标的降维问题为例说明主成分分析的应用。研究结果表明,利用主成分分析可以将ＪＴ９Ｄ发动机的２６个故障因子综合成９个、或者将５个单元体的１０个故障因子缩减到５个综合变量,并且改善了故障方程的病态特性,因而可以有效地提高故障诊断的可靠性。文中还对用于降维处理的主成分分析方法与线性回归分析（最小二乘法）进行了比较,表明主成分分析方法是解决所提出的降维问题的更为有效的手段。