航空发动机健康监管科技发展以及走势

导语：航空发动机健康监管科技发展以及走势一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

1发动机介绍

据国际民航组织统计，在1988—1993年的6年间，由于发动机起火、发动机叶片出现故障、发动机脱离机翼等而发生的飞行事故多达34起。及时地监测和诊断系统故障可以有效避免事故的发生，以保证飞机的飞行平安。

本文围绕发动机健康管理，从故障诊断、故障猜测、性能评估和状态监控4个方面，阐述了航空发动机健康管理技术发展的目前状况和趋向。

2故障诊断技术

航空发动机故障诊断技术的发展经历了3个阶段。目前所处的智能诊断阶段，以知识处理为核心，信号处理、建模处理和知识处理相融合。随着计算机、人工智能技术的发展，各种诊断算法得到了深入探究和广泛应用。

2．1遗传算法

航空发动机结构复杂、工作条件多变，故障机理和故障原因复杂，故障和征兆之间没有明显关系，各类故障的特征参数也不完全相同。采用数学解析方法和试验方法有时无法解决某些新问题。而遗传算法具有较高的并行处理信息和求解非线性新问题的能力，能够解决在寻优过程中轻易碰到的局部极小值新问题。

基于遗传算法的故障诊断技术通常采用概率因果模型得到发动机故障征兆和故障成因之间的关系，然后通过在遗传过程中所采用的选择、交叉、变异等自然选择方式，实现对发动机故障的分类和诊断，可以缩短诊断时间、提高诊断效率、减少运算量，在复杂故障诊断中具有良好的应用前景。

2．2小波分析和支持向量机技术

小波分析是1种先进的非线性分析方法，是通过比较在分解小波后的不同频带内信号盒维数的大小及其变化，来反映信号的不规则度和复杂度，刻画信号的非平稳性。航空发动机在发生故障时，常出现非线性等动力学特性，振动信号具有非平稳性。因此，小波分析可以有效地解决航空发动机故障诊断中的振动新问题。

支持向量机技术是专门针对小样本条件下的机器学习新问题而建立的新型学习机制，能有效解决小样本、高维数据和非线性新问题，可以消除由样本数目不足带来的过学习新问题，克服了神经网络中的合理结构难以确定和存在局部极小点的缺陷，具有较强的泛化能力和抗干扰能力。航空发动机各类故障样本通常难以获得，属于小样本、非线性新问题，因此，支持向量机技术在故障分类和状态识别中得到了有效应用引。

2．3粗糙集理论

在发动机故障诊断中，经常要处理高维的海量数据，同时会碰到先验性知识不能满足发动机诊断要求等新问题。概率论和模糊集等方法对此无能为力；而粗糙集理论可以解决这些新问题。

3故障猜测技术

3．1神经网络猜测技术

人工神经网络具有逼近任意非线性函数的能力和较强的泛化能力，在多变量猜测领域显示出了巨大的潜力和突出的优势。如猜测发动机复杂磨损的趋向，充分考虑多种因素(加油、补油、换油和非等间隔等)，在实施多变量猜测方案时，采用神经网络建立多变量猜测模型，能够解决非等间隔的受加油因素影响的油样分析数据的建模和猜测新问题。

3．2时序分析猜测技术

时序分析理论是对1个平稳的时间序列，通过建立线性时序模型，以测量数据和偏离量为基础，进行多次拟合以确定加权系数，代人线性时序模型，进而进行猜测。影响航空发动机滑油成分含量的因素很多，包括发动机使用时问、取样时发动机的状态、发动机的磁堵、发动机的维修状况、滑油的更换等。因此，可以采用时序分析理论，根据已有历史数据，建立线性时序模型来猜测滑油成分含量，并和实际测量数据进行比较，从而确定是否需要维护发动机。

4性能评估技术

4．1粗糙集综合评估技术

发动机被监测参数较多，各参数所反映的发动机性能重要程度无法确切得知，因此很难合理确定各参数的权重系数。可以用粗糙集理论中属性的重要性来确定发动机各项参评性能因素的综合评判权重系数，最后进行权值化处理，得到各参评发动机性能参数的权值。该方法有效克服了传统定权方法的主观性，使评价结果更具客观性，提高了综合评判的准确性和有效性。

4．2层次分析(AHP)评估技术

发动机健康评估属于多目标决策新问题，需要运用系统工程理论的综合评估法。层次分析法是1种灵活、简便的多目标、多准则的决策分析方法。它将定量和定性分析相结合，把1个复杂的新问题按一定原则分而治之；根据新问题的性质和总目标，将新问题分解为不同的组成因素，并按照因素间的相互影响以及隶属关系，将各因素按不同层次组合，建立递阶层次结构模型。最终把系统分析归结为最低层(如指标层)相对于最高层(目标层)的相对重要性权值的确定或相对优劣的排序新问题，从而为决策方案的选择提供依据。

4．3多元联合熵评估技术

多元联合熵变是1个状态函数，只要系统状态一定，相应熵值就可确定。由于发动机系统和外界的能量交换不为零，加之各子系统的无序性，因此系统总熵的增减可以预示演变方向是良性的还是恶性的。通过计算发动机的熵值来判定发动机的性能状态，从而达到评估的目的。采用该理论对发动机的性能进行分析，其变化规律和浴盆曲线非常相似引。

4．4卡尔曼滤波评估技术

卡尔曼滤波器作为1种参数估计方法被广泛应用于发动机性能评估中。它通过含有测量噪声的发动机可测输出偏差量，估计性能蜕化量。卡尔曼滤波器在无传感器测量偏差时能准确诊断发动机的性能。但是，假如传感器存在测量偏差，仅仅依靠卡尔曼滤波器就无法得到正确的诊断结果。该技术经常和遗传算法等相结合，通过优化计算找出存在测量偏差的传感器，确定其偏差，并最终消除测量偏差对性能评估的影响。

5状态监控技术

开展发动机状态监控，可做到对故障早期发现、早期诊断和早期排除。发动机状态监测技术在对寿命、振动、性能的状态监测中得到了广泛应用。

5．1神经网络监控技术

在实际工作中，对发动机气动热力参数的监视是发动机状态监视的重点。通过对这些参数未来值的猜测，可以了解发动机性能衰退及故障情况。过程神经网络在解决这类新问题时具有独特的优势，在发动机状态监视的起动热力参数猜测中得到了应用，并取得了很好的效果。

5．2基于混沌理论和遗传算法的监控技术

利用混沌变量所具有的特征，可以将混沌状态的变量引人航空发动机各参数权值的寻优方式中。利用遗传算法和发动机实际工作(正常和故障时)数据，能够自动生成发动机各被监测参数的权系数，也可得到表征发动机性能的综合指数值。

6远程诊断和监控技术

航空发动机远程诊断系统是全球信息化的产物，也是航空发动机故障诊断领域的一个重要发展方向。系统能缩短收集设备状态、故障信息和诊断排故的时间，能有效地提高故障诊断的效率和精度，有利于航空公司的飞行管理，提高发动机维护水平和运行经济性。

在国内，南京航空航天大学、装备指挥技术学院、海军航空工程大学等在此方面进行了的探究。南京航空航天大学探究了发动机远程故障诊断的关键技术，提出了发动机远程故障诊断的体系结构，给出了诊断设备网络化设计的COM组件技术、远程故障诊断专家系统和协同诊断工作环境的技术方案。采用COM组件技术和网络数据库技术，实现了在Web服务器上进行知识的存储和推理。如图1所示。还于2001年，提出了基于WEB的航空发动机故障远程诊断的C／S和B／S模式下的系统模型，将WWW信息检索技术、数据库技术和故障诊断技术相结合，跨地域地将发动机使用单位及基层技术部门、生产厂商、管理部门、科研院所以及航空维修企业组织起来，共享诊断专家知识和各种专用监测诊断设备。其关键技术主要包括：基于Intemet的跨地域远程协作架构技术、网络环境下的诊断技术、计算机协同工作技术、中心站点及企业站点开放平台的保障技术、共享信息的标准化和规范化技术等。

装备指挥技术学院于2003年提出了以故障智能诊断和维修中心为核心的三位一体的广域维修保障体系。

海军航空工程大学开发的基于Intemet和www的远程诊断系统，主要由分布于各地的航空发动机监测现场、局域网Intranet和Intemet、远程诊断中心和各诊断专家组成。系统主要完成发动机状态的在线监测、离线监测、大量信息数据的处理和传输，并完成诊断请求和反馈诊断结果。

但是，目前提出和开发的远程诊断系统大多数还只停留在试验室探究阶段，还存在以下的新问题：

(1)将ACARS的飞行中无线传输信息用于实时故障诊断；

(2)基于CORBA的并行远程故障诊断专家系统技术；

(3)将知识挖掘技术应用于远程故障诊断专家系统，完善知识库。

7发动机健康管理技术发展趋向

7．1粗糙集诊断技术

反映发动机性能的大部分参数具有模糊性和连续性，而粗糙集只能解决离散的数据新问题，因此和其他理论和方法相结合是粗糙集诊断技术发展的趋向。

7．2故障猜测技术

故障猜测技术探究需要解决的新问题提前猜测故障发生的部位和等级以及发生的时问，在故障发生之前就排除。

7．3引入基于网格技术的分布式维修环境

网格技术的探究始于20世纪9O年代，是新1代信息处理设施，如图2所示。

网格的最大优点在于能够实现资源共享和人员协作。这一明显优点使得越来越多的系统尝试使用网格技术来构建所需的分布式环境。RR公司等单位和团体正在探究基于网格技术的分布式飞行器维护环境(DAME)，这是1个应用网格技术解决飞行器发动机故障诊断、预告和维护的示范项目。

7．4远程诊断和监测技术实现实用化

发动机远程诊断和监测技术实用化是实现实时诊断、监测的必然要求，具体表现在：(1)现场采集结果需要进行进一步的分析；(2)小公司需要借助大公司的技术资源；(3)需要借助专家的经验；(4)需要得到发动机或有关零部件厂商的技术支持。

8结束语

发动机的健康是保证飞机飞行平安和机队按时出勤的根本条件。随着人们对航空平安关注程度的日益增强以及计算机技术的飞速发展，发动机健康管理的新技术、新方法取得了较大的进展。