基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

多传感器监测飞机部件非线性退化评估

飞机部件一般采用多传感器进行状态监控,针对退化过程具有非线性特征的民机典型部件剩余寿命（RUL）预测及评估问题,首先建立了部件性能参数的一般非线性Wiener退化过程,推导出基于多传感器监测数据的剩余寿命预测框架和概率密度函数,随后利用状态空间模型进行隐退化状态估计并同时利用最大期望算法（EM）实现参数递推估计,最后形成了飞机部件多传感器监测下的剩余寿命非线性退化评估方法。通过数值仿真案例和民航发动机剩余寿命预测案例,对比线性退化模型和基于单一传感器监测数据的非线性退化模型,验证了所提方法在提高剩余寿命预测精度的有效性,可为飞机及其部件的剩余使用寿命预测和视情维护决策提供技术支撑。     

基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

基于定部件效率的航空发动机通用性能仿真系统构建

根据飞机设计阶段对航空发动机性能仿真简便、快速和有效的要求,在基于定部件效率的航空发动机性能仿真方法基础上,对航空发动机部件进行通用性建模,并采用面向对象技术构建通用航空发动机性能仿真系统。采用定部件效率模型对航空发动机性能进行仿真,降低了航空发动机性能仿真过程的专业性要求;同时,采用面向对象技术建立通用的航空发动机性能仿真系统,提高了仿真代码的重用性及仿真系统的适用性。利用该仿真系统建立双转子混排涡扇发动机和自由涡轮式单转子涡轮螺旋桨发动机仿真对象模型,并对某型双转子混排涡扇发动机稳态特性进行仿真,验证了仿真系统的有效性。     

民用涡扇发动机燃油系统健康指标选取

针对民用涡扇发动机燃油系统工作环境恶劣、性能衰退情况频发、表征健康状态的量化指标缺乏的现状,通过机理分析 对发动机燃油系统关键部件（燃油计量装置、压差控制器、主燃油泵和增压关断活门）的健康指标选取策略进行了研究。基于已验 证的某型民用涡扇发动机燃油系统AMESim模型,注入计量活门内泄漏、电液伺服阀零偏增大、压差活门内泄漏、主燃油泵外泄漏 等典型的性能衰退模式进行了性能衰退仿真,并根据燃油系统可测量信息选取了计量活门组件、压差控制器、主燃油泵等作为特 定性能衰退模式的健康指标。仿真结果表明：所选取的健康指标对于典型性能衰退模式表现出了良好的监测能力,可作为燃油系 统健康状态量化指标评估标准,为燃油系统健康管理和视情维修策略的制定提供参考。     

航空发动机燃油调节执行机构及其传感器的故障诊断与半物理仿真

为了提高航空发动机控制系统的可靠性,针对航空发动机燃油调节执行机构回路,提出了一种基于执行机构数学模型及发动机燃油逆映射模型的故障诊断方法,以实现对执行机构自身故障及其线性可变差动变压器(LVDT)位移传感器故障的检测和隔离。基于非线性回归方法极端学习机(ELM)算法建立了发动机燃油逆映射模型,保证了燃油估计的精度和实时性。为了验证该方法的可行性和有效性,以涡扇发动机主燃油调节执行机构为研究对象,在半物理仿真试验平台上进行了故障诊断的半物理仿真试验。结果表明,该故障诊断方法能快速准确地检测并区分出幅值在2%以上的执行机构故障和LVDT传感器故障。     

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

基于工况聚类和残差自注意力的发动机剩余使用寿命预测

针对多工况的航空发动机剩余使用寿命（RUL）预测精度较低的问题，本文提出了一种基于工况聚类分析和残差自注意力的发动机剩余使用寿命预测方法。首先，通过聚类将不同的工况进行划分，并构建线性回归分析模型筛选出符合发动机性能变化的退化参数；其次，通过卷积神经网络，获取数据中隐含的发动机性能退化特征；再次，利用双向长短期记忆神经网络挖掘时序退化特性并对其进行记忆；最后，结合残差自注意力机制对退化特征分配不同的权重来实现发动机剩余使用寿命预测。在美国国家航空航天局（NASA）的C-MAPSS多工况数据集上进行了消融试验，验证了该方法的有效性。结果表明，该方法评分和均方根误差均最优，可为发动机剩余使用寿命预测提供一定的参考。     

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。     

Remaining useful life prediction based on the Wiener process for an aviation axial piston pump

An aviation hydraulic axial piston pump’s degradation from comprehensive wear is a typical gradual failure model. Accurate wear prediction is difficult as random and uncertain char-acteristics must be factored into the estimation. The internal wear status of the axial piston pump is characterized by the return oil flow based on fault mechanism analysis of the main frictional pairs in the pump. The performance degradation model is described by the Wiener process to predict the remaining useful life (RUL) of the pump. Maximum likelihood estimation (MLE) is performed by utilizing the expectation maximization (EM) algorithm to estimate the initial parameters of the Wiener process while recursive estimation is conducted utilizing the Kalman filter method to estimate the drift coefficient of the Wiener process. The RUL of the pump is then calculated accord-ing to the performance degradation model based on the Wiener process. Experimental results indi-cate that the return oil flow is a suitable characteristic for reflecting the internal wear status of the axial piston pump, and thus the Wiener process-based method may effectively predicate the RUL of the pump.     

多退化变量下基于Copula函数的陀螺仪剩余寿命预测方法

针对惯性导航系统中陀螺仪多退化变量条件下的剩余寿命（RUL）预测问题,提出了一种基于Copula函数的多退化变量剩余寿命预测方法。首先,针对退化变量间不同的退化轨迹,采用不同的方法进行退化建模,并对于陀螺漂移系数样本标准差数据波动性随时间递增的特性,提出了一种方差时变的正态随机过程退化建模方法,得到了陀螺仪剩余寿命的边缘分布函数。然后,通过Copula函数来描述退化变量之间的相关性,将得到的剩余寿命的边缘分布进行融合,得到了陀螺仪剩余寿命的联合分布函数。最后,通过陀螺仪实例分析验证了方法的适用性和可行性。     

Remaining useful life estimation for deteriorating systems with time-varying operational conditions and condition-specific failure zones

Dynamic time-varying operational conditions pose great challenge to the estimation of system remaining useful life (RUL) for the deteriorating systems. This paper presents a method based on probabilistic and stochastic approaches to estimate system RUL for periodically moni-tored degradation processes with dynamic time-varying operational conditions and condition-specific failure zones. The method assumes that the degradation rate is influenced by specific oper-ational condition and moreover, the transition between different operational conditions plays the most important role in affecting the degradation process. These operational conditions are assumed to evolve as a discrete-time Markov chain (DTMC). The failure thresholds are also determined by specific operational conditions and described as different failure zones. The 2008 PHM Conference Challenge Data is utilized to illustrate our method, which contains mass sensory signals related to the degradation process of a commercial turbofan engine. The RUL estimation method using the sensor measurements of a single sensor was first developed, and then multiple vital sensors were selected through a particular optimization procedure in order to increase the prediction accuracy. The effectiveness and advantages of the proposed method are presented in a comparison with exist-ing methods for the same dataset.     

Remaining useful life prognostics for aeroengine based on superstatistics and information fusion

Remaining useful life（RUL） prognostics is a fundamental premise to perform conditionbased maintenance（CBM） for a system subject to performance degradation. Over the past decades,research has been conducted in RUL prognostics for aeroengine. However, most of the prognostics technologies and methods simply base on single parameter, making it hard to demonstrate the specific characteristics of its degradation. To solve such problems, this paper proposes a novel approach to predict RUL by means of superstatistics and information fusion. The performance degradation evolution of the engine is modeled by fusing multiple monitoring parameters, which manifest non-stationary characteristics while degrading. With the obtained degradation curve,prognostics model can be established by state-space method, and then RUL can be estimated when the time-varying parameters of the model are predicted and updated through Kalman filtering algorithm. By this method, the non-stationary degradation of each parameter is represented, and multiple monitoring parameters are incorporated, both contributing to the final prognostics. A case study shows that this approach enables satisfactory prediction evolution and achieves a markedly better prognosis of RUL.     

An adaptive-order particle filter for remaining useful life prediction of aviation piston pumps

An accurate estimation of the remaining useful life (RUL) not only contributes to an effective application of an aviation piston pump, but also meets the necessity of condition based maintenance (CBM). For the current RUL evaluation methods, a model-based method is inappropriate for the degradation process of an aviation piston pump due to difficulties of modeling, while a data-based method rarely presents high-accuracy prediction in a long period of time. In this work, an adaptive-order particle filter (AOPF) prognostic process is proposed aiming at improving long-term prediction accuracy of RUL by combining both kinds of methods. A dynamic model is initialized by a data-driven or empirical method. When a new observation comes, the prior state distribution is approximated by a current model. The order of the current model is updated adaptively by fusing the information of the observation. Monte Carlo simulation is employed for estimating the posterior probability density function of future states of the pump’s degradation. With updating the order number adaptively, the method presents a higher precision in contrast with those of traditional methods. In a case study, the proposed AOPF method is adopted to forecast the degradation status of an aviation piston pump with experimental return oil flow data, and the analytical results show the effectiveness of the proposed AOPF method.     

部分可观测信息条件下装备剩余寿命预测

 针对部分可观测信息条件下退化系统的剩余寿命(RUL)预测问题,综合利用装备的历史寿命信息和性能退化信息,采用隐马尔可夫模型(HMM)对系统进行状态评估,得到系统的转移概率矩阵和观测概率矩阵;采用Bayes方法不断更新系统状态空间的条件概率分布;利用比例故障率模型(PHM)对系统进行可靠性分析,得到系统的故障率和可靠度函数,进而得到装备的剩余寿命分布。研究表明,该方法可较准确地预测装备的剩余寿命,为保障人员提供科学的维修决策依据。     

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。