基于航空发动机状态诊断技术的航空发动机健康管理综述样本.doc

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。基于航空发动机状态诊断技术的航空发动机健康管理综述摘要: 航空发动机状态诊断技术对避免飞行事故和降低飞行器运行成本是非常重要的。本文总结了航空发动机状态诊断的一些的方法, 同时在总结国内外有关文献的基础上, 简要回顾了航空发动机健康管理的发展历程, 根据诊断技术说明了实施发动机健康管理的价值, 最后提出了中国实施发动机健康管理的一些建议。关键词:航空发动机; 状态诊断; 健康管理; 信息融合; 预测。一、 引言航空发动机状态诊断方法又称故障方程法, 是基于航空发动机热力状态故障方程的故障诊断法, 是气路分析方法之一, 包含两方面的意义: ( 一) 、 所采用的故障诊断法是故障方程法, 即要根据航空发动机的气动热力学模型及故障建立航空发动机的故障方程并求解; ( 二) 、 它的应用对象是航空发动机与热力性能有关部件。随着性能的不断提升和复杂程度的不断增加, 当前大型复杂系统面临的可靠性、 可用性、 经济性等各种问题。统计资料表明, 发动机故障在所有飞机方式不但耗费资源、 效率低下, 而且航空发动机与热力性能有关部件维修费用居高不下。因此有效的、 经济的发动机健康管理( EHM) 是十分必要的。而维测与健康管理的概念是指利用传感器获取系统的数据信息, 借助各种智能模型和算法来评估自身的健康状态, 在系统故障发生之前进行预测, 并结合可利用的资源信息提供一系列的维护保障措施建议以实现系统的视情维修。 二、 原理当系统处于某一状态S时, 它将具有确定的特性Y,即存在映射g:S Y.反之, 一定的系统特性也对应着确定的状态, 即存在着映射f:Y S.如果f和g是双射函数, 即特征空间存在一对一的映满的映射, 则由特征空间能够唯一确定系统的状态。诊断的基本方法分为间接方法和直接方法。而不同点在于间接方法是根据发动机可测参数的变化确定航空发动机的部件性能, 再根据航空发动机的部件性能最终达到故障定位。直接方法是由航空发动机性能参数的变化直接判断航空发动机的物理故障。航空发动机的故障方程的建立过程: 1、 建立正常状态下的航空发动机的原始数学模型; 2、 建立故障因子, 建立故障状态下的数学模型; 3、 对所得的数学模型进行线性化处理, 得出线性化故障方程。航空发动机的原始数学模型的一般形式为: F(Y,X,Z)=0 或 f( Z) =0由以上公式可知, 故障与状态是建立在同一个方程中, 由于航空发动机的零件物理故障( 叶片断裂、 变形、 外来物损伤等)常表现为航空发动机的性能衰退, 如转速、 燃油流量、 排气温度和功率输出的改变, 从而导致航空发动机可测参数的变化, 这样就可根据参数的变化相应进行状态诊断。而EMS系统则是根据发动机状态监测及相关知识经过信息融合而开发出的健康管理系统, EMS系统是EHM各研究内容在发动机实际工作应用的集成体现。EHM系统采用柔性、 可扩展的体系结构保证EHM各部分内容的顺利实施, 支持EHM系统烦人机载部件和地面部件, 而且与机载控制系统、 维修保障系统和任务管理系统有接口。EHM系统实行以信息为依据的运行和决策, 即获取、 处理及融合发动机的健康信息, 进而做出以信息为依据的决策, 确保发动机安全和任务成功。从本质上说, EHM系统是一个层次化的分布式信息系统。其结构如下图1。三、 应用( 一) 预测技术预测技术是EHM中最高层次的推理, 是对诸如故障检测、 故障隔离等内容的结果的进一步融合。就EHM范围而言, 预测主要包括预报部件故障发生的时机, 计算关键部件的剩余寿命。分析发动机性能衰退的趋势。预测技术与状态监视、 故障诊断的最大区别在于预测更强调定量分析, 预测技术从本质上能够分成3类: ( 1) 基于模型的预测采用基于模型的预测的前提条件是必须有精确的发动机数学模型和部件的失效模型。基于模型预测的最突出优点是能够满足实时性要求因此基于模型的预测一般见在机载EHM系统上, 由于发动机是一个复杂的非线系统, 难以建立精确的数学模型, 因此基于模型的预测在实际应用中的范围和效果都受到一定的限制。 ( 2) 基于知识的预测基于知识的预测的特点是不需要精确的数学模型能够充分利用发动机各个学科的专家知识和经验。基于知识的预测的最典型的两种应用形式是专家系统和模糊逻辑。故障诊断是专家系统一个传统的应用领域。近年来专家系统也被引入到预测中来。而且经常是与其它技术如神经网络等相结合。然而, 由于专家系统存在着知识获取和知识表示的”瓶颈”问题使其有一定的局限性。模糊逻辑提供了表示和处理模糊概念的机制, 具有处理不确定性信息的能力。模糊预测能够利用专家知识构建模糊规则库, 能够充分利用专家的知识和经验, 而且一个适当设计的模糊逻辑系统能够在任意精度上逼近某个给定的非线性函数。由于模糊预测当前尚处于研究阶段, 有些问题还需着重解决。( 3) 基于数据的预测基于数据的预测的最大优点是不需要精确的发动机数学或物理模型, 最典型的代表是神经网络。神经网络技术在预测中的应用比较广泛, 而且还经常与其它技术结合, 衍生出多种形式的神经网络结构。除神经网络结构之外, 还有其它一些基于数据的预测方法, 如贝叶斯网络、 隐式马尔可夫模型、 数据挖掘等。对于发动机这样的复杂系统而言, 由于预测研究的困难性, 使用单一方法进行预测往往难以保证其应用效果。采用混合预测方法不但能充分吸收各自方法的优点, 同时也能弥补其各自的不足。因此, 将多种不同的预测方法有机结合, 进一步提高预测的综合性能, 是预测技术发展的一个必然趋。( 二) 集成技术(1)EHM系统自身的集成EHM系统是一个复杂的信息系统, 需要用不同学科的专家知识、 技术、 模型来分析和开发。EHM系统由各种不同的模块组成, 但它们的数据流程大致相同, 例如从信号源、 信号调节、 数据处理、 数据存贮到数据检索。经过集成能够提高EHM系统开发效率, 实现各模块能力共享, 使EHM系统各模块和系统都获得好处。集成能够把EHM系统作为一个整体对待, 有助于权衡分析系统满足不同功能需求、 不同配置或体系结构。集成为EHM系统满足不同需求提供了一组选择和解决方案。(2)EHM系统与发动机控制系统的集成当前先进发动机基本上都采用全权限数字电子控制(FADEC)系统。EHM系统与FADEC系统之间联系非常密切。EHM系统所必须的参数大部分也是FADEC系统所必须的, 如高低压转子转速、 排气温度、 燃油流量、 发动机进气总温等。EHM系统的有些功能在FADEC系统中也是必须的, 如传感器故障诊断和超限检查。在EHM系统中超限检查用于向机组人员和地勤人员告警, 而FADEC系统则根据EHM系统输出的发动机健康状态报告改变控制规律, 缓解异常状态的影响, 以保证发动机工作安全。鉴于两者之间的密切联系, EHM系统和FADEC系统的综合集成以是新一代发动机的重要发展趋势。( 3) 与其它机载系统的集成其它机载系统如座舱显示系统、 飞行管理系统、 任务管理系统等也和EHM系统中的多个环节发生联系。利用数字系统和数据总线, 能够使EHM系统和其它机载系统实施一体化设计, 从而提高各系统的开发效率, 降低成本, 减少所占空间和重量。四、 结论( 1) 加强基础研究硬件产品是实施EHM的物质基础。传感器作为采集发动机数据的设备, 是EHM各项内容所需的信息源泉。为了更全面地获取发动机信息, 应该根据EHM的需求, 研制新型传感器以便测量当前不能测量而且对全面评估发动机健康状态起关键作用的参数。如国外已经研制成功的光纤传感器和微波传感器能够分别监视发动机的静子和转子的结构健康状况。在EHM系统工作过程中, 需求和产生的信息将是海量的。这对信息处理和存储设备特别是机载设备如机载计算机、 存储器、 通信设备提出了很高的要求: 需要有能在恶劣环境下可靠工作的计算机和大容量高速存储设备以及通信设备来EHM对于实时性的要求。不但要大幅提升硬件产品的性能, 而且在可靠性、 安全性、 严酷环境适应性等方面都要加强。同时也要对各种硬件资源进行优化调度使其能够得到充分合理的利用并实现整个硬件体系的最优总体性能。( 2) 加深基础理论的研究充分掌握材料性能中有关疲劳、 断裂、 蠕变、 腐蚀等方面的力学性能数据, 并与发动机研制的先进性、 可靠性和安全性紧密联系在一起。材料的力学性能数据对是发动机关键部件寿命计算中不可缺少的组成部分。发动机关键部件的疲劳断裂过程是在交变载荷作用下累积损伤的过程。因此, 分析确定部件承受的载荷谱和深入研究部件的失效机理是取得精确可信的预测结果的关键。只有这样。才能建立准确的预测模型, 根据环境条件、 发动机的运行情况以及部件的当前状态来描述故障随时间的发展趋势。( 2) 将EHM融入发动机设计虽然实施EHM的大部分活动都在发动机的使用与维修保障阶段进行, 可是从并行工程角度看, 应该将EHM作为发动机设计的一个组成部分。在发动机设计和研制阶段, 将EHM作为发动机的一项设计特性给予重视。从信息科学角度看, EHM是对发动机信息进行感知获取、 处理再生并最终利用再生决策信息对发动机施效的过程。在这个过程中与发动机直接相关的是信息获取和施效。因此在设计中考虑EHM, 主要就是考虑如何更方便准确、 尽可能多地获取发动机信息, 以及如何安全可靠平稳地施效给发动机。将EHM的对于发动机的需求反馈给新型号设计, 从设计上提高发动机的可监视性、 可诊断性、 可预测性、 可缓解性。只有尽早将EHM的问题考虑到设计中去, 才能使EHM取得最大的效益。