CN111581763A - 航空发动机气路故障诊断结果评价方法 - Google Patents

Abstract

本发明提供了一种航空发动机气路故障诊断结果评价方法，其包括以下步骤：S₁、根据FMECA分析，获得需要诊断的气路故障模式对发动机性能的影响；S₂、将气路部件性能变化趋势注入发动机性能仿真软件中，分析气路故障对应的传感器参数变化；S₃、分析可诊断气路故障的最小割集及对应传感器；S₄、设计气路故障诊断算法；S₅、对气路故障诊断效果进行排序；S₆、进行HIL集成仿真，确认气路故障诊断系统的需求；S₇、所述航空发动机气路诊断结果评价方法结束。本发明通过仿真等手段分析发动机性能变化对传感器参数的影响，可以实现气路故障诊断系统需求分解、设计开发以及验证确认。

Description

航空发动机气路故障诊断结果评价方法

技术领域

本发明涉及航空发动机故障监测与诊断领域，特别涉及一种航空发动机气路故障诊断结果评价方法。

背景技术

在航空发动机总体故障中，气路部件故障约占90％以上，其维护费用占发动机总体维护费用的60％。因此，气路故障诊断在发动机性能监控与故障诊断中占有重要的地位。

目前，现有的气路故障诊断大多数是基于单个诊断算法或信息融合的理论实现方法，缺少对整个故障诊断系统的需求分析与验证确认。

例如，专利CN101230803A介绍了一种使用卡尔曼或类似类型滤波器估计参数来初始化动态模型状态的系统和方法。该专利侧重于建立对象模型，并提供控制系统使用。该专利使用这些算法对气路进行诊断，属于健康管理系统。

再例如，专利CN102855349A介绍了一种航空发动机气路故障诊断的快速原型设计方法及平台。该专利中粗略描述了快速原型设计步骤，缺少对多种不同诊断算法的评估与选择。

专利CN105021403A介绍了航空发动机起动系统故障诊断方法及故障模拟系统。该专利采用BP神经网络对起动系统进行故障诊断，仅采用一种诊断算法，不涉及系统的设计步骤。

专利CN105372071A，介绍了一种航空发动机气路部件故障检测方法。该专利针对航空发动机气路部件故障与传感器故障设计了融合诊断方法，，缺少对多种不同诊断算法的评估与选择。

专利US7020595B1介绍了描述了一种广泛适用的基于模型的故障诊断方法。该专利所述方法为故障诊断功能的架构，本专利侧重故障诊断系统的设计。

有鉴于此，本领域技术人员亟待研究一种新的航空发动机气路故障诊断结构评价方法，以期克服上述技术问题。

发明内容

本发明要解决的技术问题是为了克服现有技术中气路故障诊断缺少对整个故障诊断系统的需求分析和验证确认等缺陷，提供一种航空发动机气路故障诊断结果评价方法。

本发明是通过下述技术方案来解决上述技术问题的：

一种航空发动机气路故障诊断结果评价方法，其特点在于，所述航空发动机气路故障诊断结果评价方法包括以下步骤：

S₁、根据FMECA分析，获得需要诊断的气路故障模式对发动机性能的影响；

S₂、将气路部件性能变化趋势注入发动机性能仿真软件中，分析气路故障对应的传感器参数变化；

S₃、分析可诊断气路故障的最小割集及对应传感器；

S₄、设计气路故障诊断算法；

S₅、对气路故障诊断效果进行排序；

S₆、进行HIL集成仿真，确认气路故障诊断系统的需求；

S₇、所述航空发动机气路诊断结果评价方法结束。

根据本发明的一个实施例，所述步骤S₁具体包括：

S₁₁、判断FMECA分析中是否包含气路故障；若是，则进入步骤S₁₂；若否，则进入步骤S₇；

S₁₂、判断FMECA分析中是否包含对应气路部件性能变化；若是，则进入步骤S₂；若否，则进入步骤S₁₃；

S₁₃、分析气路故障对应的气路部件性能变化。

根据本发明的一个实施例，所述步骤S₃还包括：将强线性相关的气路故障合并形成可诊断单故障最小割集。

根据本发明的一个实施例，所述步骤S₃还包括：将完整的故障影响矩阵进行条件数计算，然后分别排除不同传感器，对计算结构进行比较。

根据本发明的一个实施例，所述步骤S₃具体包括：

S₃₁、输入完整影响矩阵；

S₃₂、直接进行条件数计算，进入步骤S₃₃；或者排除第i个传感器，再进行条件数计算，判断是否遍历，若是，则进入步骤S₃₃，若否，则返回排除第i个传感器的步骤；

S₃₃、取条件数最接近1的传感器组合；

S₃₄、判断是否达到最少传感器数量，若是则结束；若否则返回步骤S₃₁。

根据本发明的一个实施例，所述步骤S₅还包括：气路故障诊断输出值的期望值为

误差的期望值为

使用

对气路故障诊断输出值的顺序与误差进行综合评价，评价值范围为[0,2]。

根据本发明的一个实施例，所述步骤S₅还包括：使用新发动机气路特征进行标准化

若新发动机气路特征数值为0，则略去。

根据本发明的一个实施例，所述步骤S₅还包括：使用

对气路故障诊断输出值的振荡幅值与收敛速度进行评价，评价值范围在[0,+∞)的区间内。

根据本发明的一个实施例，所述步骤S₅还包括：使用气路故障诊断输出值的期望值的幅值作为重要性权重

使用最大测量值方差消除输入的影响，系数为

根据本发明的一个实施例，所述步骤S₅还包括：

使用重要性权重和归一化系数进行标准化σ_N＝w_RSDw_Iσ^T；使用两个评价分量的加权方根值

全面评价不同诊断方法，结合计算资源进行方法选择和融合设计。

本发明的积极进步效果在于：

本发明航空发动机气路故障诊断结果评价方法通过仿真等手段分析发动机性能变化对传感器参数的影响，根据航空发动机现有测点，确定可诊断的气路故障最小割集，以及诊断最小割集所需使用的传感器输入。其提供了一个新的评价诊断效果方法，对不同诊断方法进行选择与融合，可以实现气路故障诊断系统需求分解、设计开发以及验证确认。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1为典型双轴燃气涡轮发动机及传感器的布局示意图。

图2为本发明航空发动机气路故障诊断结果评价方法的流程图。

图3为本发明航空发动机气路故障诊断结果评价方法中传感器优化的流程图。

图4为本发明航空发动机气路故障诊断结果评价方法中用于多输出的总体性能评价方法示意图。

图5为本发明航空发动机气路故障诊断结果评价方法中10种配置下的卡尔曼滤波器输出结果的示意图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

现在将详细参考附图描述本发明的实施例。现在将详细参考本发明的优选实施例，其示例在附图中示出。在任何可能的情况下，在所有附图中将使用相同的标记来表示相同或相似的部分。

此外，尽管本发明中所使用的术语是从公知公用的术语中选择的，但是本发明说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。

此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本发明。

图1为典型双轴燃气涡轮发动机及传感器的布局示意图。图2为本发明航空发动机气路故障诊断结果评价方法的流程图。图3为本发明航空发动机气路故障诊断结果评价方法中传感器优化的流程图。图4为本发明航空发动机气路故障诊断结果评价方法中用于多输出的总体性能评价方法示意图。

如图1至图4所示，本发明公开了一种航空发动机气路故障诊断结果评价方法，其包括以下步骤：

步骤S₁、根据FMECA分析，获得需要诊断的气路故障模式对发动机性能的影响。

其中，所述步骤S₁具体包括：

步骤S₁₁、判断FMECA分析中是否包含气路故障；若是，则进入步骤S₁₂；若否，则进入步骤S₇；

也就是说，若FMECA分析中尚未包含气路故障，则认为不需要进行气路故障诊断。

步骤S₁₂、判断FMECA分析中是否包含对应气路部件性能变化；若是，则进入步骤S₂；若否，则进入步骤S₁₃；

也就是说，若FMECA分析中没有明确气路故障模式所对应的气路部件性能变化，则需要参考文献或者安排气路仿真及试验对气路故障的影响进行分析，给出故障时气路部件性能变化的趋势。

步骤S₁₃、分析气路故障对应的气路部件性能变化。

步骤S₂、将气路部件性能变化趋势注入发动机性能仿真软件中，分析气路故障对应的传感器参数变化。

如图1所示的典型传感器布局。若存在发动机正常运行数据以及气路故障数据，则可以直接分析传感器参数的变化。所得到的传感器参数变化，通过归一化形成故障影响矩阵，其每一行代表某一个传感器参数，每一列为各故障对应的各传感器参数变化。

步骤S₃、分析可诊断气路故障的最小割集及对应传感器。

优选地，所述步骤S₃还包括：将强线性相关的气路故障合并形成可诊断单故障最小割集。

具体地说，由于航空发动机现有测点有限，不同的故障可能导致相同的(或耦合的)传感器变化以及无传感器变化，对故障影响矩阵的各列作为目标值，剩余列作为输入进行线性拟合，若存在线性拟合留数极小的状况，说明该列与剩余各列存在线性相关性，若拟合结果中某些剩余列的系数远大于其他剩余列系数，则表明这些剩余列与目标列存在强线性相关性。将强线性相关的气路故障合并形成可诊断单故障最小割集。

例如，通过对某型民用航空发动机故障影响矩阵拟合分析，如下表1所示，可知高压涡轮效率故障特征与低压涡轮效率、流量之间存在强线性相关性，高压涡轮效率降低1％可能被误诊为低压涡轮效率上升1.063％、低压涡轮流量下降-2.174％。因此三者只能被划分在同一个可诊断单故障最小割集内。

表1某型民用航空发动机故障影响矩阵拟合分析

进一步优选地，所述步骤S₃还包括：将完整的故障影响矩阵进行条件数计算，然后分别排除不同传感器，对计算结构进行比较。

所述步骤S₃具体包括：S₃₁、输入完整影响矩阵；

S₃₂、直接进行条件数计算，进入步骤S₃₃；或者排除第i个传感器，再进行条件数计算，判断是否遍历，若是，则进入步骤S₃₃，若否，则返回排除第i个传感器的步骤；

S₃₃、取条件数最接近1的传感器组合；

S₃₄、判断是否达到最少传感器数量，若是则结束；若否则返回步骤S₃₁。

具体地说，对航空发动机备份、耦合传感器进行排除，提供一个输入参数优化的方法：将完整的故障影响矩阵进行条件数计算，然后分别排除不同传感器，对计算结果进行比较。

选取条件数最接近1的传感器组合。对选取的传感器组合继续进行条件数计算与对比，直至传感器组合的数目达到最小可估计的数目，即传感器数量与待估计参数数量相同，或直至出现最小条件数的传感器组合，以确定诊断最小割集所需使用的传感器输入。

例如，某型民用航空发动机故障影响矩阵计算条件数后结果如下表2所示。横轴和纵轴均代表排除的传感器，即第一行数据为分别排除一个传感器的条件数，第二行值最后表示分别排除两个传感器的条件数。可以发现排除P3B与TC时条件数最小，其实际含义为由于PS3、P3B、TC三者相近，后两项完全相同，因此导致条件数过高。因此排除P3B、TC后，可以最大保留故障影响矩阵的特征。

表2某型民用航空发动机排除单个与两个传感器后的故障影响矩阵条件数

	N1	N2	PS13	T25	P25	T3	PS3	P3B	TC	T495	T5	P5
													-	160	148	147	157	156	153	143	135	135	162	136	147
N1		163	163	177	163	170	157	149	149	181	150	162
													N2			149	159	164	157	144	137	137	164	138	149
PS13				159	155	154	143	136	136	163	137	148
													T25					162	166	156	145	145	180	146	159
P25						175	148	147	147	172	145	154
													T3							149	142	142	171	142	154
PS3								128	128	173	132	145
													P3B									<u>123</u>	146	125	135
TC										146	125	135
													T495											151	165
T5												136

步骤S₄、设计气路故障诊断算法。

此处设计包括但不限于基于数据、基于模型、基于专业知识或混合型的气路故障诊断方法。

步骤S₅、对气路故障诊断效果进行排序。

如图4所示，基于气路故障诊断输出的特殊性，提供一个可以用于多输出的评价方法。

优选地，该方法结合了传统的评价指标：气路故障诊断输出值的期望值为

误差的期望值为

使用

对气路故障诊断输出值的顺序与误差进行综合评价，评价值范围为[0,2]区间内，评价值越小越好。

进一步地，使用新发动机气路特征进行标准化

若新发动机气路特征数值为0，则略去。使用

对气路故障诊断输出值的振荡幅值与收敛速度进行评价，评价值范围在[0,+∞)的区间内，评价值越小越好。

更进一步地，使用气路故障诊断输出值的期望值的幅值作为重要性权重

使用最大测量值方差消除输入的影响，系数为

使用重要性权重和归一化系数进行标准化σ_N＝w_RSDw_Iσ^T；使用两个评价分量的加权方根值

全面评价不同诊断方法，结合计算资源进行方法选择和融合设计。

例如，对于某型民用航空发动机气路诊断所使用的卡尔曼滤波器，其配置参数Q有10种不同配置方案(如下表3所示)，但结果相差不明显(如图5)，通过使用上述评价方法可以得到最优的结果(如下表4和下表5所示)。绝对误差的排序有误，相对误差与本专利的评价结果相同，但本发明得出的结果差异度更大，更利于设计人员的选择。

表3十种卡尔曼滤波器配置

配置序号	Q(归一化)
		1	[10，1，1，1，1，1，1，1，1，1]
2	[1，10，1，1，1，1，1，1，1，1]
		3	[1，1，10，1，1，1，1，1，1，1]
4	[1，1，1，10，1，1，1，1，1，1]
		5	[1，1，1，1，10，1，1，1，1，1]
6	[1，1，1，1，1，10，1，1，1，1]
		7	[1，1，1，1，1，1，10，1，1，1]
8	[1，1，1，1，1，1，1，10，1，1]
		9	[1，1，1，1，1，1，1，1，10，1]
10	[1，1，1，1，1，1，1，1，1，1，10]

表4总体性能评价排序

表5估计参数排序

步骤S₆、进行HIL集成仿真，确认气路故障诊断系统的需求。

将设计完的气路故障诊断系统集成至发动机电子控制器(EEC)或发动机监视单元(EMU)等硬件设备中，进行硬件在回路(HIL)仿真确认气路故障诊断系统的需求。

步骤S₇、所述航空发动机气路诊断结果评价方法结束。

综上所述，本发明航空发动机气路故障诊断结果评价方法通过仿真等手段分析发动机性能变化对传感器参数的影响，根据航空发动机现有测点，确定可诊断的气路故障最小割集，以及诊断最小割集所需使用的传感器输入。其提供了一个新的评价诊断效果方法，对不同诊断方法进行选择与融合，可以实现气路故障诊断系统需求分解、设计开发以及验证确认。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种航空发动机气路故障诊断结果评价方法，其特征在于，所述航空发动机气路故障诊断结果评价方法包括以下步骤：

S₁、根据FMECA分析，获得需要诊断的气路故障模式对发动机性能的影响；

S₂、将气路部件性能变化趋势注入发动机性能仿真软件中，分析气路故障对应的传感器参数变化；

S₃、分析可诊断气路故障的最小割集及对应传感器；

S₄、设计气路故障诊断算法；

S₅、对气路故障诊断效果进行排序；

S₆、进行HIL集成仿真，确认气路故障诊断系统的需求；

S₇、所述航空发动机气路诊断结果评价方法结束。

2.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₁具体包括：

S₁₁、判断FMECA分析中是否包含气路故障；若是，则进入步骤S₁₂；若否，则进入步骤S₇；

S₁₂、判断FMECA分析中是否包含对应气路部件性能变化；若是，则进入步骤S₂；若否，则进入步骤S₁₃；

S₁₃、分析气路故障对应的气路部件性能变化。

3.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₃还包括：将强线性相关的气路故障合并形成可诊断单故障最小割集。

4.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₃还包括：将完整的故障影响矩阵进行条件数计算，然后分别排除不同传感器，对计算结构进行比较。

5.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₃具体包括：

S₃₁、输入完整影响矩阵；

S₃₂、直接进行条件数计算，进入步骤S₃₃；或者排除第i个传感器，再进行条件数计算，判断是否遍历，若是，则进入步骤S₃₃，若否，则返回排除第i个传感器的步骤；

S₃₃、取条件数最接近1的传感器组合；

S₃₄、判断是否达到最少传感器数量，若是则结束；若否则返回步骤S₃₁。

6.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₅还包括：气路故障诊断输出值的期望值为

误差的期望值为

使用

对气路故障诊断输出值的顺序与误差进行综合评价，评价值范围为[0,2]。

7.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₅还包括：使用新发动机气路特征进行标准化

若新发动机气路特征数值为0，则略去。

8.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₅还包括：使用

对气路故障诊断输出值的振荡幅值与收敛速度进行评价，评价值范围在[0,+∞)的区间内。

9.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₅还包括：使用气路故障诊断输出值的期望值的幅值作为重要性权重

使用最大测量值方差消除输入的影响，系数为

10.如权利要求1所述的航空发动机气路故障诊断结果评价方法，其特征在于，所述步骤S₅还包括：

使用重要性权重和归一化系数进行标准化σ_N＝w_RSDw_Iσ^T；使用两个评价分量的加权方根值

全面评价不同诊断方法，结合计算资源进行方法选择和融合设计。

Images