基于氣路性能參數(shù)的航空發(fā)動機故障診斷方法研究.pdf

1、航空發(fā)動機是一個復雜的系統(tǒng)工程，任何故障都會對飛行造成不良影響，甚至會導致災(zāi)難性事故。我國使用的航空發(fā)動機大多由國外發(fā)動機廠家制造，雖然提供了手冊，但是對安全保障的核心技術(shù)方法仍對航空公司封鎖。為突破此“瓶頸”，挖掘可以用于航空發(fā)動機故障診斷的方法顯得尤為重要。本文針對民航發(fā)動機故障診斷開展了如下研究工作。
　　首先，本文研究了基于性能參數(shù)相對梯度的發(fā)動機故障診斷方法。通過分析原始設(shè)備制造商(Original Equipment

2、Manufacture，OEM)提供的客戶通知報告(Customer Notification Report，CNR)可以判斷OEM廠家是采用性能參數(shù)變化趨勢進行故障診斷。為獲取故障診斷的性能參數(shù)變化量，本文建立了發(fā)動機氣路參數(shù)相對梯度數(shù)學模型，通過大量飛行循環(huán)性能參數(shù)相對梯度的試驗分析，得到了基于給定正常飛行循環(huán)的性能參數(shù)相對梯度安全閾值。本文利用排氣溫度指示故障(EGT_F)、進口總溫指示故障(TAT_F)和可調(diào)放氣活門故障(VBV

3、_F)對相對梯度安全閾值進行了驗證，結(jié)果證明了該方法對故障點判別的準確性。
　　然后，本文研究了基于多性能參數(shù)趨勢分析的發(fā)動機故障診斷方法?？紤]到發(fā)動機性能參數(shù)具有時序性，本文利用神經(jīng)網(wǎng)絡(luò)模型具有的高度非線性逼近性能對發(fā)動機氣路性能參數(shù)進行學習，將性能變化趨勢映射為[-1，1]之間的趨勢評估值，將待診斷樣本與故障樣本趨的勢評估值進行對比獲得故障診斷結(jié)果。本文進行了兩種趨勢評估值學習方法研究：將性能參數(shù)時序樣本直接作為神經(jīng)網(wǎng)絡(luò)輸入；

4、將時序樣本進行擬合后獲得的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入。將兩種方法分別應(yīng)用于發(fā)動機的特定故障判別和多故障分類中，結(jié)果證明這兩種方法在故障判別和多故障分類方面具有較高的準確性。
　　最后，本文研究了一種基于加權(quán)D-S證據(jù)融合的發(fā)動機故障診斷方法。通過確定證據(jù)體及上述兩種方法：相對梯度法和性能趨勢分析法的基本概率分配，利用改進的證據(jù)理論求解其加權(quán)概率分配、多證據(jù)體聯(lián)合作用下的信度區(qū)間及不確定度，將上述兩種故障診斷方法的診斷結(jié)果進行融合判