CN111795824B - 机械动力系统故障诊断方法及系统 - Google Patents
机械动力系统故障诊断方法及系统 Download PDFInfo
- Publication number
- CN111795824B CN111795824B CN201910280121.9A CN201910280121A CN111795824B CN 111795824 B CN111795824 B CN 111795824B CN 201910280121 A CN201910280121 A CN 201910280121A CN 111795824 B CN111795824 B CN 111795824B
- Authority
- CN
- China
- Prior art keywords
- fault
- working condition
- indication
- available
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种机械动力系统故障诊断方法,包括:工况划分和阈值设置步骤,该步骤包括:收集工况指示;划分机械动力系统的多个可用工况;获取各个可用工况时的工况记录数据;截取相应的数据,计算可用工况的故障状态指示;针对每一个可用工况,单独计算故障状态指示的阈值;以及故障或早期故障诊断步骤,该步骤包括:收集状态指示参数;确定是否处于可用工况;若处于可用工况,计算其实际的故障状态指示;将实际的故障状态指示与阈值进行比较,以进行机械动力系统的故障或早期故障诊断。本发明还提供一种机械动力系统故障诊断系统、航空发动机故障诊断方法以及航空发动机故障诊断系统。本发明可以分工况进行故障诊断,防止虚警或漏检。
Description
技术领域
本发明涉及一种机械动力系统故障诊断方法及系统,还涉及一种航空发动机故障诊断方法及系统。
背景技术
关于飞行器例如飞机发动机故障诊断的基本流程通常包括下面几个步骤:收集原始故障相关数据;从原始数据提取故障特征指示;针对各个故障特征指示,采用阈值判断相应的故障是否发生。上述流程中的阈值根据现有的飞行数据可以采用统计方法来确定。然而,现有的国内外针对飞行器例如其发动机故障阈值的设置方法不区分工况影响,因而容易导致虚警、漏检。
例如,中国发明专利CN102768115A采用时域和频域分析(包含包络谱分析) 方法得到时频域特征,并采用聚类法将运行空间划分为子空间;在每一个运行子空间内,以健康系统数据中提取出的时频域特征作为训练数据得到“标准非故障”系统特征;在每一个运行子空间内,将当前系统提取特征与相应运行子空间“标准非故障”系统特征加以对比,距离超过相应阈值则判断故障。
又如,中国发明专利CN101393049A描述了一种基于振动信号的风电系统机械系统故障诊断方法。其要旨在于,依据跨工况正常运行数据设置所谓“阈值曲线”,通过比较阈值曲线值与实际值得到当前诊断。
本发明旨在提供一种适用于飞行器的机械动力系统故障诊断方法,可以区分工况进行故障诊断。
发明内容
本发明的目的在于提供一种机械动力系统故障诊断方法,可以区分工况进行故障诊断,从而分工况预警,防止虚警或漏检。
本发明提供一种机械动力系统故障诊断方法,包括:工况划分和阈值设置步骤,该步骤包括:收集工况指示;根据所述工况指示,划分所述机械动力系统的多个可用工况,所述可用工况能由所述工况指示唯一标记确定;获取所述机械动力系统在各个可用工况时的工况记录数据;从所述工况记录数据中截取相应的数据,计算所述可用工况的故障状态指示,所述故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;针对每一个所述可用工况,采用统计方法单独计算所述故障状态指示的阈值;以及故障或早期故障诊断步骤,该步骤包括:收集状态指示参数;根据所述状态指示参数确定机械动力系统是否处于所述可用工况;若处于所述可用工况,计算其实际的故障状态指示,所述实际的故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;将所述实际的故障状态指示与所述阈值进行比较,以进行所述机械动力系统的故障或早期故障诊断。
在一个实施方式中,机械动力系统包括机载PHM系统,所述多个可用工况包括第一工况和和相对于所述第一工况之后的至少一个其它工况;在所述故障或早期故障诊断步骤中,在所述第一工况时初步确定可能的故障类型,并据此推荐机载 PHM系统在所述至少一个其他工况时增加数据收集采样频率及数据收集时长。
本发明还提供一种适用于机械动力系统的故障诊断系统,包括:工况划分和阈值系统,其存储有:工况指示;根据所述工况指示划分的所述机械动力系统的多个可用工况,所述可用工况能由所述工况指示唯一标记确定;针对每一个所述可用工况,采用统计方法单独计算出的故障状态指示的阈值;以及故障或早期故障诊断系统,其被配置为:收集状态指示参数;根据所述状态指示参数确定机械动力系统是否处于所述可用工况;若处于所述可用工况,计算其实际的故障状态指示,所述实际的故障状态指示包括时域故障状态指示或频域故障状态指示或时频域混合状态指示;将所述实际的故障状态指示与所述阈值进行比较,以进行所述机械动力系统的故障或早期故障诊断。
在一个实施方式中,所述故障诊断系统包括机载PHM系统,在工况划分和阈值系统中,所述多个可用工况包括第一工况和和相对于所述第一工况之后的至少一个其它工况;故障或早期故障诊断系统还被配置为,在所述第一工况时初步确定可能的故障类型,并据此推荐机载PHM系统在所述至少一个其他工况时增加数据收集采样频率及数据收集时长。
本发明还提供一种航空发动机故障诊断方法,包括:获取工况指示信息和状态指示信息;根据所述工况指示信息划分出多个可用工况,并且针对每个可用工况,单独设定故障指示标准;在所述可用工况时,通过将所述状态指示信息与针对所述可用工况的故障指示标准进行比较而判定航空发动机的故障状态。
在一个实施方式中,所述多个可用工况包括:地面状态,包括地面慢车及滑跑;爬升状态,包括低空爬升、中空爬升和高空爬升;以及巡航状态,包括低空巡航、中空巡航和高空巡航。
在一个实施方式中,根据所述地面状态的故障诊断,初步确定可能的故障类型,并据此推荐增加数据采样频率和数据收集时长。
在一个实施方式中,在爬升或巡航状态下,进一步诊断故障,并推荐是否需要返航或就近降落。
在一个实施方式中,根据所述地面状态以及后续爬升或巡航的工况的各个故障诊断进行综合诊断。
在一个实施方式中,根据所述状态指示信息,通过时域分析、频域分析或时频域混合分析中的一种以上分析手段,计算得出故障状态参数,所述故障指示标准为对应于所述故障状态参数的故障状态阈值,通过判定所述故障状态参数是否超过所述故障状态阈值,来判定航空发动机有无故障。
在一个实施方式中,根据所述状态指示信息获取用于判定故障的故障状态参数,所述获取包括:基于时域分析获取:RMS或波峰因子;基于频域分析获取:轴承内圈、外圈、滚子故障特征频率,中高频能量谱,或齿轮啮合频率及其高次谐波边频振幅及能量;或者基于时频域混合分析获取:特征频率处振幅。
本发明还提供一种航空发动机故障诊断系统,包括:存储器,用于存储程序;处理器,用于执行所述程序;当所述处理器执行所述程序时,实现上述的航空发动机故障诊断方法。
上述机械动力系统故障诊断方法和系统,尤其是针对航空发动机的故障诊断方法和系统中,可以定义能够用于故障诊断的典型工况,从而可以将飞行器的高负荷工况和低负荷工况分开。
上述机械动力系统故障诊断方法和系统通过分工况预警,可以降低低负荷工况下的虚警率(同等统计阈值CDF设置值下,调高阈值),和低负荷工况下的漏检率(同等统计阈值CDF设置值下,降低阈值);
上述机械动力系统故障诊断方法和系统允许对于不同工况下故障严酷度进行融合,以提高故障诊断准确率及故障隔离精度。
此外,上述航空发动机故障诊断方法和系统还可以通过地面状态的故障诊断来实现提前预警,尽量避免空中故障警告、避免事故发生。
另外,上述航空发动机故障诊断方法和系统,能够根据地面状态诸如慢车状态的故障初诊结果调整空中机载PHM系统数据收集设置,例如增加采样频率、增加收集时长等。
附图说明
包括附图是为提供对本发明进一步的理解,它们被收录并构成本申请的一部分,附图示出了本发明的实施方式,并与本说明书一起起到解释本发明原理的作用。附图中:
图1是工况划分的流程图。
图2是综合诊断的流程图。
具体实施方式
下面结合具体实施方式和附图对本发明作进一步说明,在以下的描述中阐述了更多的细节以便于充分理解本发明,但是本发明显然能够以多种不同于此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎,因此不应以此具体实施方式的内容限制本发明的保护范围。
例如,在说明书中随后记载的第一特征在第二特征上方或者上面形成,可以包括第一和第二特征通过直接联系的方式形成的实施方式,也可包括在第一和第二特征之间形成附加特征的实施方式,从而第一和第二特征之间可以不直接联系。另外,这些公开内容中可能会在不同的示例中重复附图标记和/或字母。该重复是为了简要和清楚,其本身不表示要讨论的各实施方式和/或结构间的关系。进一步地,当第一元件是用与第二元件相连或结合的方式描述的,该说明包括第一和第二元件直接相连或彼此结合的实施方式,也包括采用一个或多个其他介入元件加入使第一和第二元件间接地相连或彼此结合。
如本发明所示,除非上下文明确提示例外情形,“一”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
需要注意的是,这些以及后续其他的附图均仅作为示例,不应该以此作为对本发明实际要求的保护范围构成限制。此外,不同实施方式下的变换方式可以进行适当组合。附图及实施例中描述的步骤执行顺序可以变化。
下面描述的实施方式中,以航空发动机故障诊断为例描述机械动力系统故障诊断方法,可以理解,该航空发动机故障诊断方法可以适用于机械动力学系统排故,也可以用于其他部件或系统的故障诊断,例如,发动机电机、发电机及燃油滑油系统等其他系统的故障诊断。
从理论上讲,故障的“症状”诸如振动等取决于载荷,一般来讲,载荷越高,则故障的“症状”越明显,而工况之间的主要差异就是载荷水平。对于飞行器而言,例如,包括地面慢车及滑跑的地面状态的载荷水平明显低于高空爬升。以发动机振动水平为例,在不同飞行工况下由于载荷的不同振动范围也是截然不同,一般来讲在下面将会描述的高空爬升阶段发动机振动水平最高,高空巡航次之;地面状态下发动机振动水平最低,尤其是在地面慢车时,振动水平尤其低。因而,目前为各个发动机OEM广泛采用的单一振动阈值法容易在地面状态下虚警,而在高空爬升和巡航状态下漏检。
图1示例性地示出了工况划分的流程图。
在步骤S11,获取工况指示信息和状态指示信息。例如,可以通过不同的传感器分别收集工况指示信息和状态指示信息。工况指示信息可以包括高度和N1、N2 转速等多个参数。其中,N1、N2转速即是高、低压转子速度。工况指示信息还可以包括马赫数等,例如,在军机里可以使用马赫数进行工况划分。工况指示信息也可以仅包括一个参数,例如高度。状态指示信息可以包括特定时长的声信号、振动信号、压力脉动信号、电流电压信号、温度信号等原始故障状态信号或数据。例如,可以从所记录的飞行记录数据里截取相应的数据而获取状态指示信息。
在步骤S12,根据步骤S11获取到的工况指示信息划分出多个可用工况,并且针对每个可用工况,单独设定故障指示标准。可用工况通常包括稳态工况和缓变瞬态工况,以此避免待诊断系统瞬态动态行为的偶然性从而避免误诊。也即,步骤 S12中,在划分工况之前,还可以例如根据工况指示信息来判定是否为可用工况,例如判定标记工况是否为稳态工况或缓变瞬态工况,然后再对判定为可用工况的所有标记工况进行划分,从而划分出多个可用工况。而且,在步骤S12中,针对每个可用工况,单独设定故障指示标准,也即,不同的可用工况所适用的故障指示标准是不同的。
在步骤S13中,在例如某一特定可用工况下,通过将获取到的状态指示信息与针对该特定可用工况的故障指示标准进行比较而判定航空发动机或者说飞行器的故障状态,例如可以判断是否有故障的可能。在一个实施方式中,根据状态指示信息,可以计算得出可以指示故障状态的故障状态参数,故障状态参数可以通过时域分析、频域分析或时频域混合分析中的单独一种或者两种、甚至三种的组合分析手段,而在步骤S12中设定的故障指示标准可以是对应于故障状态参数的故障状态阈值Tr,通过判定故障状态参数是否超过该故障状态阈值Tr,从而判定飞行器或者其发动机是否处于故障状态。故障状态参数可以包括多个参数,相应地,故障状态阈值Tr也可以包括多个阈值。
故障状态阈值Tr可以针对每个可用工况采用统计方法单独计算得出。具体地,故障状态阈值Tr可以通过下述方法确定:
1)收集典型工况飞行数据;在飞行数据匮乏时可以先收集核心机、整机试车台、高空台数据;这里的飞行数据包含健康系统和故障系统数据;一般来讲,健康系统数据应占绝大部分(占比应高于“黄线”阈值(非正常、需观察预警)所对应 CDF(CumulativeDistribution Function)百分比(简称CDF%)),CDF表示累积分布函数,是概率密度函数的积分;
2)提取故障特征指示;
3)拟合故障特征指示的统计分布,选取误差最小的拟合统计分布函数;采用“黄色”、“红色”等CDF%阈值确定相应的故障特征指示阈值,作为故障状态阈值 Tr。
所述实施方式中,根据状态指示信息获取用于判定故障的故障状态参数时,获取过程可以包括下述手段中的一种或多种组合:
1)基于时域分析获取:RMS(Root Mean Square)或波峰因子等。也即,计算相应的时域故障状态指示。RMS简称有效值,详称平方的平均值的平方根。
2)基于频域分析获取:轴承内圈、外圈、滚子故障特征频率,中高频能量谱,或齿轮啮合频率及其高次谐波边频振幅及能量等。也即,计算相应的频域故障状态指示,例如,基频及其超、次谐波处振幅,轴承特征频率处振幅,齿轮啮合频率处振幅、齿轮啮合频率变频能量等。
3)基于时频域混合分析获取:特征频率处振幅等。也即,例如可以利用小波分析、短时傅里叶变换、HHT方法等计算时频域混合故障状态指示。时频域混合分析的手段通常针对早期故障诊断。
图1所示的实施方式中,步骤S12紧接在步骤S11之后。在另一实施方式中,步骤S12和步骤S11也可以同步进行,例如,实时获取工况指示信息A并进行工况划分。在又一实施方式中,步骤S12中的部分内容甚至可以在步骤S11之前进行,例如,先针对每个可用工况,单独设定故障指示标准,然后再获取工况指示信息A并进行工况划分。也即,本发明并不限制各步骤之间的进行顺序。
多个可用工况包括三大类工况,分别是地面状态、爬升状态和巡航状态,其中,地面状态包括地面慢车及滑跑阶段。而爬升状态又分包括三小类工况,分别是低空爬升、中空爬升和高空爬升。巡航状态也包括三小类工况,分别是低空巡航、中空巡航和高空巡航。也即,多个可用工况包括七类工况,分别是地面状态、低空爬升、中空爬升、高空爬升、低空巡航、中空巡航和高空巡航。图2所示的实施方式中,工况指示信息A可以包括高度和N1、N2转速,也即,根据高度和N1、N2转速将工况划分成上述七类工况。各个工况的区分情况如下:
地面状态:起始和终止高度在预定高度范围内,高度增加速率在预定速率范围内,N1、N2转速均大于零,且N1、N2的时间变化率在预定变化范围内;
低空爬升状态:高度在第一爬升高度范围H1内,且高度增加速率在第一速率阈值V1以上;
中空爬升状态:高度在第二爬升高度范围H2内,且高度增加速率在第一速率阈值V1以上;
高空爬升状态:高度在第二爬升高度范围H2以上,且高度增加速率在第一速率阈值V1以上;
低空巡航状态:高度在第一巡航高度范围W1内,且高度增加速率在第二速率阈值V2以内;
中空巡航状态:高度在第二巡航高度范围W2内,且高度增加速率在第二速率阈值V2以内;
高空巡航状态:高度在第二巡航高度范围W2以上,且高度增加速率在第二速率阈值V2以内;
其中,第二爬升高度范围H2比第一爬升高度范围H1高,并且,第二巡航高度范围W2比第一巡航高度范围W1高。
参见下面列出的表1,示例性地示出了各个工况的具体参数,其中,以气压高度作为高度的示例表示方式,相应地,高度增加率以气压高度增加率为示例。
表1
上述航空发动机故障诊断方法可以定义可用于飞行器故障诊断的典型工况,及其关键参数及其范围,典型工况包括地面状态、爬升状态和巡航状态等。
在地面状态下发动机所承受的载荷远远低于爬升和巡航状态,除了在少数共振频率处,地面状态的振动幅度低于巡航和爬升状态。如果在不同的工况下采用多工况单一阈值,则除了地面状态特定的故障模式(例如,热弯曲导致的动不平衡),地面状态下较易发生漏检。通过工况划分并针对不同工况设定不同的故障指示标准,则有可能在地面状态下例如地面慢车时捕捉到故障(通常,该工况下故障特征频率处幅值阈值远低于其他工况),从而及时作出是否需要进一步诊断的决定。也即,可以通过监控前面工况的故障情况,而争取提前预警,可以避免后面工况的事故发生。例如,通过监控地面慢车的阈值(一般低于在爬升或巡航状态),争取提前预警,以此避免空中故障预警或者避免事故发生。
图2示例性地示出了综合诊断的流程图。
在步骤S1中,根据地面状态的故障诊断,初步确定故障状态。例如,在地面状态下例如地面慢车时,根据时域、频域或时频域混合状态指示,初步确定故障状态,例如,诊断是否有振动信号超限。通常,时域状态指示用于初始断定是否有机械故障但无法做故障隔离,频域状态指示可用于断定是否有机械故障并可以隔离或初步隔离故障,时频域混合状态指示则用于断定是否有早期机械故障并初步隔离早期故障。初步确定故障状态还可以包括初步确定可能的故障类型。
在步骤S2中,初步确定可能的故障类型,并据此推荐增加数据收集采样频率及数据收集时长等。也即,在后续爬升或巡航的工况时,按照地面慢车或滑跑时的故障初诊推荐收集信号。例如,作为故障诊断对象的航空发动机所在的飞行器上可以设置有机载故障诊断和健康管理系统(简称,机载PHM系统)。可以根据初步确定的可能的故障类型,而推荐机载PHM系统增加数据收集采样频率及数据收集时长等。例如,实际情况中可以做下述处理:
1)如果轴承特征频率处幅值增加导致振动信号超限,据此初步确定一种可能的故障类型,则可以增加振动信号收集时长以提高频率精度。
2)如果齿轮啮合频率处及其附近幅值和能量增加导致振动信号超限,据此初步确定另一种可能的故障类型,则增加振动信号收集时长以提高频率精度并增加采样频率(如果系统允许)。
3)如果二倍频基频处幅值增加导致振动信号超限,据此初步确定又一种可能的故障类型,则增加振动信号收集时长以提高频率精度并增加采样频率,并评估其它基频超次谐波处幅值,以确保二倍频是主要升高幅值源从而将故障隔离至不对中、松动。
在步骤S3中,在爬升或巡航状态下,进一步快速诊断故障,确认发动机系统健康状况,并相应推荐是否需要返航或就近降落。例如,实际情况中可以做如下处理:
1)如果地面状态下的数据例如慢车数据表明有可能有轴承故障,则在空中基于最新采集的数据快速计算轴承故障特征值,并确认其低于“红色”阈值,如高于“红色”阈值则考虑就近降落。
2)如果地面状态下的数据慢车数据表明有润滑系统有问题,则在空中基于滑油系统压力、温度测量值和相应工况下阈值决定滑油系统是否有失效危险,如果有则考虑就近降落。
3)如果地面状态下的数据慢车数据表明有可能有齿轮故障,则在空中基于最新采集的数据快速计算齿轮故障特征值,并确认其低于“红色”阈值,如高于“红色”阈值则考虑就近降落。
在步骤S4中,如果空中决策不需要紧急降落,则基于最新数据进一步诊断故障,确认发动机系统健康状况,并相应推荐维护、维修。例如,可以根据地面状态以及后续爬升或巡航的工况的各个故障诊断进行综合诊断。
本发明还提供一种航空发动机故障诊断系统,包括存储器和处理器。存储器用于存储程序,而处理器用于执行该程序。当处理器执行该程序时,实现上述的航空发动机故障诊断方法。
例如,该航空发动机故障诊断系统可以包括地面综合PHM系统和前面描述过的机载PHM系统。地面综合PHM系统深入分析故障特征,完成RUL预测,综合评估发动机系统整体健康状况。机载PHM系统收集数据,融合不同工况下的状态参数,确定系统健康状况,如果机载发动机健康状况评估结果为当前飞行任务可靠性、安全性显著降低,则就近降落;否则继续当前飞行任务。具体地,可以根据上述故障诊断方法,收集地面慢车健康状态原始数据,然后基于慢车数据,机载系统决定是否有故障、早期故障,最后根据初诊结果决定是否调整、增加PHM数据收集、采样频率及存储,并且可以调整机载PHM设置。
概括性地,本发明提供一种机械动力系统故障诊断方法。该机械动力系统故障诊断方法包括工况划分和阈值设置步骤以及故障或早期故障诊断步骤。
工况划分和阈值设置步骤可以包括以下步骤:
(1.1)收集工况指示;
在上面描述的航空发动机故障诊断中,工况指示包括高度及高、低压转子速度等;
(1.2)根据工况指示,划分机械动力系统的多个可用工况,该可用工况可以由上述工况指示唯一标记确定;
在上面描述的航空发动机故障诊断中,根据高度及高、低压转子速度等划分出地面状态、爬升状态和巡航状态等多个可用工况。
(1.3)获取机械动力系统在各个可用工况时的工况记录数据;
在上面描述的航空发动机故障诊断中,可以收集振动、压力脉动、温度等工况记录数据。
(1.4)从工况记录数据中截取相应的数据,计算可用工况的故障状态指示,该故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;
在上面描述的航空发动机故障诊断中,故障状态指示即可以指示故障状态的故障状态参数,故障状态参数可以通过时域分析、频域分析或时频域混合分析中的单独一种或者两种、甚至三种的组合分析手段获得。
(1.5)针对每一个可用工况,采用统计方法单独计算故障状态指示的阈值。
在上面描述的航空发动机故障诊断中,该故障状态指示的阈值即对应于故障状态参数的故障状态阈值Tr。
而故障或早期故障诊断步骤可以包括如下步骤:
(2.1)收集状态指示参数;
在上面描述的航空发动机故障诊断中,状态指示参数也即工况指示信息和状态指示信息。
(2.2)根据上述的状态指示参数确定机械动力系统是否处于可用工况;
例如,在上面描述的航空发动机故障诊断中,根据工况指示信息判定飞行器系统处于地面状态。
(2.3)若处于可用工况,计算其实际的故障状态指示,实际的故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;
例如,在上面描述的航空发动机故障诊断中,对应于上述故障状态指示的阈值是通过时域分析、频域分析或时频域混合分析中的单独一种或者两种、甚至三种的组合分析手段而获得,也通过时域分析、频域分析或时频域混合分析中的单独一种或者两种、甚至三种的组合分析手段而获得在该可用工况(例如,地面状态)时的实际的故障状态指示。
(2.4)将上述实际的故障状态指示与上述阈值进行比较,以进行机械动力系统的故障或早期故障诊断。
例如,在上面描述的航空发动机故障诊断中,根据工况指示信息判定飞行器系统处于地面状态,将在地面状态时的实际的故障状态指示与对应地面状态的阈值(故障状态阈值Tr)进行比较,例如,实际的故障状态指示超过该阈值时,判定为有故障或早期故障。在一个实施方式中,如上面描述的航空发动机故障诊断中,该机械动力系统可以包括机载PHM系统,多个可用工况可以包括第一工况和相对于第一工况之后的至少一个其他工况。在故障或早期故障诊断步骤中,在第一工况时初步确定可能的故障类型,据此推荐机载PHM系统在之后的该至少一个其他工况时增加数据收集采样频率及数据收集时长。第一工况和该至少一个其他工况可以具有不同的载荷水平。例如,对于飞行器系统,第一工况是地面状态,该至少一个其他工况是爬升或巡航状态。又或者,第一工况是爬升状态,该至少一个其他工况是爬升状态之后的巡航状态。特定故障有可能引起多于两个可用工况下振动阈值超限,也可能仅引起单个可用工况超限。举例来说,地面慢车时可能揭示有振动超限,那么在空中需要在“高、中、低空爬升”和“高、中、低空巡航”6个工况下复检、确认是否有故障。
相应地,本发明还提供一种适用于机械动力系统的故障诊断系统。该故障诊断系统包括工况划分和阈值系统以及故障或早期故障诊断系统。
工况划分和阈值系统存储有:工况指示;根据工况指示划分的机械动力系统的多个可用工况,该可用工况能由上述工况指示唯一标记确定;针对每一个可用工况,采用统计方法单独计算出的故障状态指示的阈值。
故障或早期故障诊断系统被配置为:收集状态指示参数;根据状态指示参数确定机械动力系统是否处于可用工况;若处于可用工况,计算其实际的故障状态指示,实际的故障状态指示包括时域故障状态指示或频域故障状态指示或时频域混合状态指示;将该实际的故障状态指示与阈值进行比较,以进行机械动力系统的故障或早期故障诊断。
故障诊断系统还可以包括机载PHM系统。在工况划分和阈值系统中,该多个可用工况可以包括第一工况和相对于第一工况之后的至少一个其他工况。故障或早期故障诊断系统还被配置为,在第一工况时初步确定可能的故障类型,据此推荐机载PHM系统在之后的该至少一个其他工况时增加数据收集采样频率及数据收集时长。
上述机械动力系统故障诊断方法和系统应用于航空发动机故障诊断时,可以根据地面状态下例如地面慢车时的初步诊断结果而调整、增加PHM系统采样频率和数据存储,以供空中和落地后地面综合诊断系统进一步对发动机系统健康状况进行评估。也可以说,根据慢车状态的故障初诊结果,可以调整空中机载PHM系统的数据收集设置。
该机械动力系统故障诊断方法和系统还可以对于不同工况下故障严酷度进行融合,以提高故障诊断准确率及故障隔离精度;
总体来说,通过分工况预警,可以降低发动机高负荷工况下的虚警率,和低负荷工况下的漏检率,提高诊断精度;此外,通过地面预警,本申请能够在地面提前预警,降低空中故障警告频率、避免事故发生;通过对于不同工况下故障严酷度进行融合,本申请提高能够故障诊断准确率,及故障隔离精度;还可以基于地面状态判断增加、调整空中飞行时数据采集,并综合空中-地面诊断。以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (8)
1.一种机械动力系统故障诊断方法,其特征在于,包括:
工况划分和阈值设置步骤,该步骤包括:
收集工况指示;
根据所述工况指示,划分所述机械动力系统的多个可用工况,所述可用工况能由所述工况指示唯一标记确定;
获取所述机械动力系统在各个可用工况时的工况记录数据;
从所述工况记录数据中截取相应的数据,计算所述可用工况的故障状态指示,所述故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;
针对每一个所述可用工况,采用统计方法单独计算所述故障状态指示的阈值;以及
故障或早期故障诊断步骤,该步骤包括:
收集状态指示参数;
根据所述状态指示参数确定机械动力系统是否处于所述可用工况;
若处于所述可用工况,计算其实际的故障状态指示,所述实际的故障状态指示包括时域故障状态指示、频域故障状态指示或时频域混合状态指示;
将所述实际的故障状态指示与所述阈值进行比较,以进行所述机械动力系统的故障或早期故障诊断;
机械动力系统包括机载PHM系统,所述多个可用工况包括第一工况和相对于所述第一工况之后的至少一个其它工况;
在所述故障或早期故障诊断步骤中,在所述第一工况时初步确定可能的故障类型,并据此推荐机载PHM系统在所述至少一个其它工况时增加数据收集采样频率及数据收集时长。
2.一种适用于机械动力系统的故障诊断系统,其特征在于,包括:
工况划分和阈值系统,其存储有:
工况指示;
根据所述工况指示划分的所述机械动力系统的多个可用工况,所述可用工况能由所述工况指示唯一标记确定;
针对每一个所述可用工况,采用统计方法单独计算出的故障状态指示的阈值;以及
故障或早期故障诊断系统,其被配置为:
收集状态指示参数;
根据所述状态指示参数确定机械动力系统是否处于所述可用工况;
若处于所述可用工况,计算其实际的故障状态指示,所述实际的故障状态指示包括时域故障状态指示或频域故障状态指示或时频域混合状态指示;
将所述实际的故障状态指示与所述阈值进行比较,以进行所述机械动力系统的故障或早期故障诊断;
所述故障诊断系统包括机载PHM系统,在工况划分和阈值系统中,所述多个可用工况包括第一工况和相对于所述第一工况之后的至少一个其它工况;
故障或早期故障诊断系统还被配置为,在所述第一工况时,在所述第一工况时初步确定可能的故障类型,并据此推荐机载PHM系统在所述至少一个其它工况时增加数据收集采样频率及数据收集时长。
3.一种航空发动机故障诊断方法,其特征在于,包括:
获取工况指示信息和状态指示信息;
根据所述工况指示信息划分出多个可用工况,并且针对每个可用工况,单独设定故障指示标准;
在所述可用工况时,通过将所述状态指示信息与针对所述可用工况的故障指示标准进行比较而判定航空发动机的故障状态;
所述多个可用工况包括:地面状态,包括地面慢车及滑跑;爬升状态,包括低空爬升、中空爬升和高空爬升;以及,巡航状态,包括低空巡航、中空巡航和高空巡航;
根据所述地面状态的故障诊断,初步确定可能的故障类型,并据此推荐增加数据采样频率和数据收集时长。
4.如权利要求3所述的航空发动机故障诊断方法,其特征在于,在爬升或巡航状态下,进一步诊断故障,并推荐是否需要返航或就近降落。
5.如权利要求4所述的航空发动机故障诊断方法,其特征在于,根据所述地面状态以及后续爬升或巡航的工况的各个故障诊断进行综合诊断。
6.如权利要求3所述的航空发动机故障诊断方法,其特征在于,根据所述状态指示信息,通过时域分析、频域分析或时频域混合分析中的一种以上分析手段,计算得出故障状态参数,所述故障指示标准为对应于所述故障状态参数的故障状态阈值,通过判定所述故障状态参数是否超过所述故障状态阈值,来判定航空发动机有无故障。
7.如权利要求3所述的航空发动机故障诊断方法,其特征在于,根据所述状态指示信息获取用于判定故障的故障状态参数,所述获取包括:
基于时域分析获取:RMS或波峰因子;
基于频域分析获取:轴承内圈、外圈、滚子故障特征频率,中高频能量谱,或齿轮啮合频率及其高次谐波边频振幅及能量;或者
基于时频域混合分析获取:特征频率处振幅。
8.一种航空发动机故障诊断系统,包括:
存储器,用于存储程序;
处理器,用于执行所述程序;
其特征在于,当所述处理器执行所述程序时,实现如权利要求3至7中任一项所述的航空发动机故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910280121.9A CN111795824B (zh) | 2019-04-09 | 2019-04-09 | 机械动力系统故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910280121.9A CN111795824B (zh) | 2019-04-09 | 2019-04-09 | 机械动力系统故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111795824A CN111795824A (zh) | 2020-10-20 |
CN111795824B true CN111795824B (zh) | 2022-03-04 |
Family
ID=72804862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910280121.9A Active CN111795824B (zh) | 2019-04-09 | 2019-04-09 | 机械动力系统故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111795824B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114608833B (zh) * | 2020-11-23 | 2024-02-02 | 中国航发商用航空发动机有限责任公司 | 涡扇发动机低压轴断裂检测方法及系统、涡扇发动机 |
CN113586239B (zh) * | 2021-08-27 | 2022-09-16 | 一汽解放汽车有限公司 | 发动机故障诊断方法、装置、控制器和存储介质 |
CN115343049A (zh) * | 2022-08-12 | 2022-11-15 | 潍柴动力股份有限公司 | 发动机数据采集的控制方法以及控制装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571120A (zh) * | 2009-05-31 | 2009-11-04 | 北京航空航天大学 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
CN104198190A (zh) * | 2014-09-11 | 2014-12-10 | 中国人民解放军海军航空工程学院青岛校区 | 航空发动机综合测试系统 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN105574247A (zh) * | 2015-12-14 | 2016-05-11 | 南京航空航天大学 | 一种航空发动机通用标准试验载荷谱编制方法 |
CN105651520A (zh) * | 2016-03-01 | 2016-06-08 | 西安航空动力股份有限公司 | 一种航空发动机外部附件振动故障的定位方法 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5530020B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
EP3234870A1 (en) * | 2014-12-19 | 2017-10-25 | United Technologies Corporation | Sensor data fusion for prognostics and health monitoring |
US10703503B2 (en) * | 2017-05-03 | 2020-07-07 | General Electric Company | Method of displaying data in an aircraft |
CN108710958B (zh) * | 2018-05-16 | 2022-04-15 | 北京旋极信息技术股份有限公司 | 一种预测健康管理方法及装置、计算机可读存储介质 |
-
2019
- 2019-04-09 CN CN201910280121.9A patent/CN111795824B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571120A (zh) * | 2009-05-31 | 2009-11-04 | 北京航空航天大学 | 基于倍频相对能量和的分层聚类航空泵多故障诊断方法 |
CN104198190A (zh) * | 2014-09-11 | 2014-12-10 | 中国人民解放军海军航空工程学院青岛校区 | 航空发动机综合测试系统 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN105574247A (zh) * | 2015-12-14 | 2016-05-11 | 南京航空航天大学 | 一种航空发动机通用标准试验载荷谱编制方法 |
CN105651520A (zh) * | 2016-03-01 | 2016-06-08 | 西安航空动力股份有限公司 | 一种航空发动机外部附件振动故障的定位方法 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
Non-Patent Citations (2)
Title |
---|
A diagnostics tool for aero-engines health monitoring using machine learning technique;Maria Grazia DeGiorgi,etal;《Energy Procedia》;20180830;第860-867页 * |
关于故障预测与健康管理技术的几点认识;年夫顺;《仪器仪表学报》;20180831;第1-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111795824A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111795824B (zh) | 机械动力系统故障诊断方法及系统 | |
US11105712B2 (en) | Integrated vibe/ODM fusion and trending analysis for prognostic health management of engine bearing | |
US10360737B2 (en) | System and method for improved drive system diagnostics | |
CN112881014B (zh) | 传动总成的下线nvh测试系统及方法 | |
CN103998775A (zh) | 用于确定风能源设备的转子叶片的机械损坏的方法 | |
CN104990709A (zh) | 用于检测机车轴承故障的方法 | |
KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
WO2011049667A1 (en) | System and method for selecting a maintenance operation | |
CN104048825A (zh) | 一种多传感器融合的风电机组齿轮箱故障定位方法 | |
Meng et al. | Health indicator of bearing constructed by rms-CUMSUM and GRRMD-CUMSUM with multifeatures of envelope spectrum | |
CN110887679A (zh) | 一种轨道交通车辆健康管理方法、装置和系统 | |
CN111595515B (zh) | 万向轴不平衡故障的间接检测方法 | |
Nowakowski et al. | Diagnostics of the drive shaft bearing based on vibrations in the high-frequency range as a part of the vehicle's self-diagnostic system | |
CN112985578B (zh) | 一种风电机组共振诊断方法及装置 | |
CN114460520A (zh) | 一种电容式电压互感器设备状态诊断方法及系统 | |
CN117708637A (zh) | 基于改进k均值聚类分析的风电机组叶片故障诊断方法 | |
DE19855745A1 (de) | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand | |
CN113487141B (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
CN113955149B (zh) | 一种电机系统的健康诊断方法和装置 | |
CN116380468A (zh) | 一种智慧码头用故障检测系统及搭建方法 | |
CN112580586B (zh) | 一种检测螺栓故障的方法、装置和计算机可读存储介质 | |
CN112378605B (zh) | 一种基于emd分解自学习的风电机组叶片故障识别方法 | |
CN112983750B (zh) | 一种风电机组叶片安装错位诊断方法及装置 | |
CN103487275A (zh) | 基于二维投射的煤矿设备状态识别和预警方法 | |
Dempsey et al. | Comparison of test stand and helicopter oil cooler bearing condition indicators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |