航空发动机健康监管科技发展以及走势.docxVIP

　　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。